随着我对计算机科学,人工智能和神经网络的了解越来越多,我不断对计算机可以做和学习的很酷的东西感到惊讶。我一直对新老项目着迷,而且我对其他SO用户遇到的有趣项目/应用感到好奇。
答案 0 :(得分:9)
The Numenta Platform for Intelligent Computing。他们正在实施Jeff Hawkins在“On Intelligence”中描述的神经元类型。为了解其重要性,他们正在开发软件神经元,它可以在大约200步中直观地识别物体,而不是现在需要的数千和数千个。
编辑:显然SDK的1.6.1版现已上市。学习软件的激动人心的时刻!!
答案 1 :(得分:3)
这不是人工智能本身,但是OpenCyc(可能是它的商业大哥,Cyc)可以提供“常识”AI应用程序需要真正了解它们存在的世界。
例如,Cyc可以提供足够的一般知识,它可以开始“阅读”并推理百科全书内容,如维基百科,或浏览作为代理的“语义网”,以开发一些特定领域的知识库。
答案 2 :(得分:2)
w:
Arthur L. Samuel(1901年 - 7月29日, 1990)是该领域的先驱 电脑游戏和人工 情报。撒母耳 跳棋游戏计划似乎是 世界上第一个自学 程序...
塞缪尔设计了各种各样的 他的计划可以通过哪些机制 变得更好。他称之为死记硬背 学习,程序记住每一个 它已经看到的位置 与奖励的终值 功能。这种技术有效 扩展了每个的搜索深度 这些职位。撒母耳后来 计划重新评估奖励 基于输入专业的功能 游戏。他也玩过数千人 以另一种方式反对自己的游戏 学习。通过所有这些工作, 塞缪尔的计划达到了可敬的程度 业余身份,并是第一个 在这个高点玩任何棋盘游戏 水平。
Samuel: Some Studies in Machine Learning Using the Game of Checkers(21页pdf文件) Singularity就在附近! :)
答案 3 :(得分:1)
我最喜欢的一个是Donald Michie的1960年,Project:MENACE - Matchbox Educable Naughts and Crosses Engine。在这个项目中,Michie使用了一系列带有彩色珠子的火柴盒,并教他们玩Tic-Tac-Toe。这是为了证明机器在某种意义上可以从他们以前的成功和失败中吸取教训。
此处提供了更多信息以及实验的计算机模拟:http://www.adit.co.uk/html/menace_simulation.html
答案 4 :(得分:0)
http://alice.pandorabots.com/ - 这个机器人能够与我们进行非常聪明的对话。
答案 5 :(得分:0)
答案 6 :(得分:0)
http://AngelCog.org非常有趣。该项目的基础是制作真正的AI,您必须分三个阶段进行:
1)尝试一般处理逻辑,并能够描述任何内容。
2)逻辑处理代码,处理关于现实世界的“故事”。
3)逻辑处理它自己的代码,并与人交谈。
该项目基于这样的想法,即一旦程序在逻辑上处理它自己的代码,它就已经是AI了。当然,它还需要能够理解“现实世界”。这就是“另一半”。
据我所知,没有其他人有一个项目是基于这样的假设:为了制作一个合适的AI,AI必须理解它所用的语言。因此,假设AI是用C ++编写的。那么它必须掌握C ++并能够读写和改变C ++程序,特别是它自己!!
然而,它现在仍然是一个“玩具”,并且仍处于发展的“第一阶段”。 (“尝试一般处理逻辑,并能够描述任何东西。”)。但是开发人员正在寻求帮助。