Loading...
机构名称:
¥ 5.0

我们可以将稳健人工智能与狭义智能等进行对比,狭义智能可以非常出色地执行单一的狭义目标(例如下棋或识别狗的品种),但通常以极端的方式围绕单一任务,并且不稳健,无法在不进行大量再训练的情况下转移到哪怕是稍微不同的情况(例如,转移到不同大小的棋盘,或从一个视频游戏转移到另一个具有相同逻辑但不同角色和设置的视频游戏)。此类系统在应用于训练它们的确切环境时通常会表现得非常出色,但如果环境与训练它们的环境有所不同,有时甚至只是细微的差别,我们通常无法依赖它们。此类系统已被证明在游戏环境中非常强大,但在现实世界的动态、开放式变化中尚未证明其足够强大。

人工智能的下一个十年

人工智能的下一个十年PDF文件第1页

人工智能的下一个十年PDF文件第2页

人工智能的下一个十年PDF文件第3页

人工智能的下一个十年PDF文件第4页

人工智能的下一个十年PDF文件第5页

相关文件推荐

2023 年
¥1.0
2021 年
¥2.0
2020 年
¥1.0
2020 年
¥1.0
2020 年
¥1.0
2021 年
¥1.0
2024 年
¥15.0
2021 年
¥1.0
2021 年
¥1.0
2022 年
¥8.0
2022 年
¥1.0
2022 年
¥1.0
2021 年
¥1.0
2022 年
¥1.0
2022 年
¥5.0
2022 年
¥1.0
2022 年
¥1.0
2022 年
¥1.0
2024 年
¥1.0
2024 年
¥6.0
2024 年
¥5.0