改变游戏规则的十个突破性观点
发布时间：2021-05-22 21:14:10 所属栏目：大数据 来源：互联网
导读：简洁明了，不是吗？ 这个看起来简单的算法在现实世界中可以应用在很多场景，例如-优化，递归神经网络的训练过程，某些问题解决任务的平行化，图像处理之类的。 尽管有这么多的可行方向，基因算法目前还没有任何实际成果。 3.自我编辑程序 -需要小心的程序员
|
简洁明了，不是吗？
这个看起来简单的算法在现实世界中可以应用在很多场景，例如-优化，递归神经网络的训练过程，某些问题解决任务的平行化，图像处理之类的。
尽管有这么多的可行方向，基因算法目前还没有任何实际成果。
3.自我编辑程序 -“需要小心的程序员”
作为基因算法应用的延续，这一个当然是最令人兴奋的，而它也值得拥有一个独立的小节。
想象存在一个AI程序可以修改它自身的源代码。它一次又一次地改进着自己，循环多次，直到它最终实现了自己的目标。
很多人相信，
自我改进/编辑代码+AGI=AI超级智慧
显然，要实现这个方法还存在有很多困难，但想一下2013年的这个实验：一个基因算法可以用Brainfuck（一种编程语言）来构造一个可以打印出“hello”的程序。
那个基因算法的源代码中没有写入任何的编程原则，只是一个朴素，古老的自然选择算法。在29分钟之内，它生成了这个-
+++><>.]]]]
当你在Brainfuck编译器中运行这段代码时，它会打印“hello”。这个实验成功了！
这证实了基因算法的威力，也展现出了在给予足够的时间和计算资源下它的能力。
4.神经常微分方程 -“螺旋层”
回到几年前，在4854份递交到NeurIPS的研究论文中，这篇名为“神经常微分方程”的论文脱颖而出，成为了最好的4篇论文之一。
它有什么了不起的呢？因为它确切地改变了我们对神经网络的看法。
传统意义上的神经网络拥有的层数是离散的，同时依赖于梯度下降和反向传播来进行优化（寻找全局最小值）。当我们增加层数时，我们的内存消耗也在增加，但我们不再需要那么做，理论上说。
我们可以从离散层模型转换成连续层模型-从而拥有无限层。
 （编辑：菏泽站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
