2015年5月17日

摘要:学习 machine learning 的最低要求是什么? 我发觉要求可以很低,甚至初中程度已经可以。 首先要学习一点 Python 编程,譬如这两本小孩子用的书:【1】【2】便可。 数学方面,只需要知道「两点间距离」的公式(中学的座标几何会读到)。这本书第二章介绍 kNN 算法,包括 Pytho... 阅读全文

posted @ 2015-05-17 19:54 Cybernetic1 阅读 (920) 评论 (0) 编辑

摘要:Reinforcement learning 是机器学习里面的一个分支,特别善於控制一只能够在某个环境下 自主行动 的个体 (autonomous agent),透过和 环境 之间的互动,例如 sensory perception 和 rewards,而不断改进它的 行为 。 听到强化学习,你脑里应 阅读全文

posted @ 2015-05-17 19:36 Cybernetic1 阅读 (10428) 评论 (1) 编辑

摘要:向量 = vector向量空间 = vector space两个向量空间 U, V 之间的线性变换,可以用 matrix 表示。如果 U 的维数是 m,V 的维数是 n,则 $T: U \rightarrow V$的矩阵形式是 $m \times n$。矩阵应该正确地理解为:两个向量空间之间的线性变... 阅读全文

posted @ 2015-05-17 19:35 Cybernetic1 阅读 (708) 评论 (0) 编辑

摘要:这是基於进化论而启发出来的一种很特别的 机器学习 技巧。 我最近渐渐明白到它可能是破解 strong AI 的关键。 Ben Goertzel 和我见面的谈话中也特别注重这一方向。 原来 Alan Turing 很早就看到 进化 和 machine learning 之间有明显关系,而现时机器学习的... 阅读全文

posted @ 2015-05-17 18:20 Cybernetic1 阅读 (213) 评论 (0) 编辑

摘要:命题和它们之间的关系上次介绍过「命题逻辑」,命题即是能赋予真假值 (truth value) 的东西。 例如「昨天下雨」、「人是动物」等。命题之间有「关系 relations」,例如:「吃了不洁食物」→「肚子痛」;记作 P → Q 或叫「P 蕴涵 Q」。这个「箭头」是一切逻辑中最重要的,有了它才可以... 阅读全文

posted @ 2015-05-17 18:08 Cybernetic1 阅读 (498) 评论 (0) 编辑

摘要:机器学习是 AI 最重要部分,但我上次用 Clojure 写 Genifer 的时候没有完成这部分,结果那 prototype 完全没有应用,是一大失误。「学习」的本质人脑很多时是通过「一般化 , generalization」来学习的。例如,广东话俗语说:『有须就认老窦』(有胡子便认做父亲,用来取... 阅读全文

posted @ 2015-05-17 18:05 Cybernetic1 阅读 (1285) 评论 (0) 编辑

摘要:现试用最简单的方法,介绍如何写一个逻辑引擎。即使是现时最尖端的人工智能,例如 OpenCog,它的内部仍然是很简单的。逻辑推理 (deduction) 只需要两个算法:命题推理配对法 (unification)这两个算法只需要数行程式就能表达 !逻辑是什么?逻辑可以分解为两部分:命题逻辑 (prop... 阅读全文

posted @ 2015-05-17 17:44 Cybernetic1 阅读 (159) 评论 (0) 编辑