這套「貝葉斯」算法可讓機器人像人類一樣思考

2021-01-11 TechWeb

科學家開發的這套算法,可讓機器人像人類一樣思考

機器人與人對事物的理解方式是不同的,對於人類而言,通過察言觀色,很快就能做出判斷,而機器人的判斷是通過成千上萬的案例對比而總結出來的。因此,也被稱為「機器學習」。

不過,讓機器人像人類一樣思考,是現在很多研究者正在做的事。

紐約大學的科學家們開發出了一套叫「貝葉斯」的算法,通過這套算法可以讓機器人模仿人類語言,讓機器人離人類的思維模式更近一步。機器人通過一些符號和字畫,可以找出人類思維的規律,從而進行模仿。

這種學習是建立在過去的學習積累之上。比如如果計算機知道了拉丁字母表,那可以幫助它學習相似的語種希臘字母表。

在實驗中,人類和計算機被要求在給出的符號基礎上進行創作,最後出來的結果讓人類都難以分辨到底哪個才是人類的作品,只有35%的人分辨完全正確。換句話說,在視覺上,計算機通過了圖靈測試。

(這6張圖片中,由機器人創作的分別為1,2,2,1,1,1)

紐約大學的穆爾斯隆數據科學研究員Brenden Lake說,實驗結果表明,通過逆向工程來理解人類的思維模式,將有助於他們開發出更好的算法。

這套算法可以讓計算機更快地學習新語言,以及辨別圖片,同時在沒有人類幫助下根據已有的設計,設計出新的東西。對於機器人而言,有著深遠的影響。

當然,該項目研究人員也指出這套程序在理解結構的細節之處還遠不及人類,它缺乏明確的平行知識和對稱知識,對於單個元素,比如數字「7」,它是無法理解其結構之間的關聯。

相關焦點

  • 機器的算法和人類的心法,攜手創造怎樣的未來?
    科學家費曼和他嘲諷的哲學家們,都是用的一樣結構的大腦來思考,儘管他們的思考方式也許不同,但是從生物學的底層,大家的神經元的工作原理都是一樣的。 珀爾說,除非算法和由它們控制的機器能夠推理因果關係,或者至少概念化差異,否則它們的效用和通用性永遠不會接近人類。
  • 專欄| 貝葉斯學習與未來人工智慧
    第三,從認知科學角度看,貝葉斯定理與大腦的認知機制存在極高的吻合度。仔細思考一下,就會發現我們在日常生活中在不停的利用貝葉斯定理。就以共享單車——ofo 小黃車為例來說,我們當然知道小黃車的顏色。美國天才心理學家 Marr 認為理解和分析人腦需要三個層次的努力,即計算層、算法層和實現層。計算層關注功能和接口,也就是人類某種認知行為完成的功能以及相應的輸入和輸出。典型的計算機任務包括視覺處理、記憶、理解、推理、語言、學習和創造等等。計算層不關心該實現功能的方法和物質基礎。算法層關注的是人類認知行為的實現方法,但不關心具體的物質基礎。
  • 貝葉斯定理:AI 不只是個理科生 | 贈書
    即使A.I.不能「自由思考主觀表達」,但在藝術上助力人類總可以吧。A.I.真的不能「主觀創造」?A. I.的思維方式到底是怎樣的?A. I.的智能與人類智力到底有何不同?可在貝葉斯的眼中,這種可信度也不過2%。原因無它,5%的誤報率在醫學界可謂非常高了。別看表面的數據,我們要相信貝葉斯的數學結論。看似冷酷的貝葉斯定理會溫柔的安慰你:別怕,不到2%的概率。
  • 貝葉斯定理:AI不只是個理科生
    物理學家提出量子機器的貝葉斯解釋,捍衛弦和多重宇宙理論。哲學家主張作為一個整體的科學可以被視為一個貝葉斯過程。而在IT界,AI大腦的思考和決策樹,更是被工程師設計成了一個貝葉斯程序。人類語言的多義性,可以說是信息裡最複雜最動態的一部分。機器怎麼知道你在說什麼?2020年,只要你看到機器翻譯的準確性,你也會感嘆這簡直就是「神跡」,它們比大部分現場翻譯要強得多。
  • 基於貝葉斯定理的算法——樸素貝葉斯分類
    ,這兩種算法在數據量較大時複雜度很高,一般只用在數據量較小的情況下,這樣數據可以放入內存中運行。不過今天我們介紹的樸素貝葉斯分類器通過獨立假設簡化了概率的計算,節省了內存,可以很好地用於數據量大的情況。下面我們首先來了解這一算法的數理背景——貝葉斯定理。這一算法是由我們在概率論中學到的貝葉斯定理延伸出來的。我們知道貝葉斯公式為:其中,
  • 模式識別與機器學習(教學大綱)|向量|貝葉斯|算法|神經網絡_網易訂閱
    二、課程目標  通過本課程的學習,使學生掌握模式識別與機器學習領域中的基本概念和典型算法,如貝葉斯機器學習、概率圖模型、支持向量機、深度學習、聚類、強化學習等,掌握從事模式識別與機器學習研究的基本理念,提高學生綜合運用所學知識解決問題的能力,特別是對數據進行處理和分析的能力。
  • 機器學習算法集錦:從貝葉斯到深度學習及各自優缺點
    選自static.coggle.it機器之心編譯在我們日常生活中所用到的推薦系統、智能圖片美化應用和聊天機器人等應用中,各種各樣的機器學習和數據處理算法正盡職盡責地發揮著自己的功效。本文篩選並簡單介紹了一些最常見算法類別,還為每一個類別列出了一些實際的算法並簡單介紹了它們的優缺點。
  • 機器學習算法之樸素貝葉斯
    一、貝葉斯定理貝葉斯定理由英國數學家貝葉斯(Thomas Bayes 1702-1761)發展用來描述兩個條件概率之間的關係在B條件下A發生的概率: P(A∣B)=P(AB)/P(B)在A條件下B發生的概率: P(B∣A)=P(AB)/P
  • 貝葉斯定理為何能名滿天下?AI從此不再只是個理科生
    可在貝葉斯的眼中,這種可信度也不過2%。 原因無它,5%的誤報率在醫學界可謂非常高了。 別看表面的數據,我們要相信貝葉斯的數學結論。 物理學家提出量子機器的貝葉斯解釋,捍衛弦和多重宇宙理論。 哲學家主張作為一個整體的科學可以被視為一個貝葉斯過程。 而在IT界,AI大腦的思考和決策樹,更是被工程師設計成了一個貝葉斯程序。
  • 聚類算法簡析(一):樸素貝葉斯算法的場景案例
    本文作者通過一些場景案例,帶領大家了解一下樸素貝葉斯算法作為聚類算法中的一員,如何來區分各類數組。通過一組參數模型來區分互斥群組中的個體十分常見,我們可以使用樸素貝葉斯分析來應用於這種場景,取決於模型的相似矩陣算法常常運用在估算決策論框架的矩陣中。
  • 能造出像人一樣「思考」的機器嗎?—新聞—科學網
    如今的人工智慧系統已經在不少具體問題的解決能力上超過了人類,那麼,我們究竟能否製造出像人一樣「思考」的機器?人工智慧會有一天超越人類智能嗎? 計算型智能只是人類智能的一種類型 下圍棋是人類的高級智能活動之一,過去人們認為計算機不可能超越人類的這種智能。因此,下圍棋也被視為人工智慧的「聖杯」。
  • 人工智慧之問:機器能夠像人一樣思考嗎?
    為了回答這一問題,圖靈創造性地提出了用一種讓計算機(程序)模擬人類之間對話的方式,來驗證計算機是否能夠思考,即如果計算機(程序)理解了人類的語言並做出相應的擬人化的回覆,則認為該計算機(程序)能夠思考,並具備了人類的智能。
  • 乾貨丨Pedro Domingos深度解析機器學習五大流派中主算法精髓
    還可以使用貝葉斯理論來進行這個工作。5.注意新舊知識之間的相似性通過類比來進行推理,在心理學上有證據說人類經常這樣做。當你面臨一個情境時,你在以往的經驗中尋找相似的情境,然後將這兩者連接起來。逆向演理示例:蘇格拉底是人類+人類是凡人= 蘇格拉底是凡人(但是計算機現在還不能理解自然語言)找出圖中的生物學家其實是那臺機器,圖中的機器是一名完整的、自動的生物學家,它也是從分子生物學中的DNA、蛋白質
  • Pedro Domingos深度解析機器學習五大流派中主算法精髓
    ,且將留存在機器中。還可以使用貝葉斯理論來進行這個工作。5.注意新舊知識之間的相似性通過類比來進行推理,在心理學上有證據說人類經常這樣做。當你面臨一個情境時,你在以往的經驗中尋找相似的情境,然後將這兩者連接起來。
  • 貝葉斯算法可降低應用雙面光伏組件的電站LCOE
    他們提出的這一模型以貝葉斯優化方法為基礎。該方法基於貝葉斯定理——這個簡單的數學公式能夠用於計算條件概率,並根據添加的新的相關證據對現有結論加以更新。科學家們應用該算法計算了位於西雅圖(暖溫帶地中海氣候)、達拉斯(溼潤的亞熱帶氣候)、莫哈韋沙漠(炎熱的沙漠氣候)和古巴哈瓦那(熱帶氣候)的四個太陽能電站附近三處地點的年發電量。「我們計算了最佳的組件傾角和組件距離,得出了各種組件與土地成本比的最小LCOE,」研究人員說。
  • 貝葉斯優化之美:精妙算法背後的直覺
    當然,這個任務挺難的,比機器學習中的其他優化問題要難得多。例如,梯度下降可以獲得函數的導數,並利用數學捷徑來更快地計算表達式。另外,在某些優化場景中,函數的計算成本很低。如果可以在幾秒鐘內得到數百個輸入值x的變量結果,簡單的網格搜索效果會更好。另外,還可以使用大量非傳統的非梯度優化方法,如粒子群算法或模擬退火算法(simulated annealing)。
  • 基於人工智慧的貝葉斯分類算法
    基於人工智慧的貝葉斯分類算法  貝爾斯算法的應用:  1.百度實時路況  2.騰訊新聞分類  3.數據清洗:數據補全  4.數據歸類  5.垃圾郵箱  什麼是貝爾斯算法  貝爾斯算法就是貝葉斯所研究的逆向概率: 給出一個條件
  • 讓機器像人類一樣學習? 伯克利 AI 研究院提出新的元強化學習算法!
    但這一次伯克利 AI 研究院不只是使用了元強化學習,還考慮POMDP、異步策略梯度等等知識體系,最終得到了一個高樣本效率、高探索效率的新算法「PEARL」。這一成果不僅為解決 AI 的實際問題提供新的思考角度;同時也是實現在現實系統中規模化應用元強化學習的的第一步。伯克利 AI 研究院發布博文介紹了這一成果,雷鋒網 AI 科技評論編譯如下。
  • 樸素貝葉斯算法及其應用
    在這篇文章中,我們將嘗試以簡單的方式理解什麼是樸素貝葉斯,它是如何工作的以及我們如何應用樸素貝葉斯分類器將文本或評論分類為「肯定」或「否定」,我們將通過電影評論案例進行研究。什麼是樸素貝葉斯?貝葉斯定理是由Reverend Bayes開發的最早的概率推理算法之一(他過去常常嘗試推斷上帝的存在)並且對於某些用例仍然表現得非常好。
  • 貝葉斯機器學習到底是什麼?看完這篇你就懂了
    通常我們認為,當訓練集包含重組的獨立同分步樣本時,P(θ) 可通過各類樣本出現的頻率進行判斷。關於先驗的其它知識,可以參考Where priors come from的介紹。P(D|θ) 是樣本D相對於類標記θ的類條件概率,也就是我們理解的「似然」。人們經常會使用可能性來評估模型,如果對實際數據能做出更高可能性的預測,那麼這個模型自然更為有效。