Πίνακας περιεχομένων:
- Τι αλγόριθμο χρησιμοποίησε το Deep Blue;
- Χρησιμοποιούσε το Deep Blue νευρωνικό δίκτυο;
- Ποιος προγραμμάτισε το Deep Blue;
- Είναι το Deep Blue τεχνητή νοημοσύνη;
Βίντεο: Χρησιμοποιούσε το βαθύ μπλε τη μηχανική εκμάθηση;
2024 Συγγραφέας: Fiona Howard | [email protected]. Τελευταία τροποποίηση: 2024-01-10 06:35
Μέχρι το 1997, το Deep Blue ήταν αρκετά σοφιστικέ για να νικήσει τον Κασπάροφ, τον κυρίαρχο παγκόσμιο πρωταθλητή. Αν και σίγουρα η τεχνητή νοημοσύνη, το Deep Blue βασιζόταν λιγότερο στη μηχανική μάθηση από ό,τι τα τρέχοντα συστήματα … Το Deep Blue ήταν ουσιαστικά ένας υβριδικός επεξεργαστής υπερυπολογιστή γενικής χρήσης εξοπλισμένος με μάρκες επιταχυντή σκακιού.
Τι αλγόριθμο χρησιμοποίησε το Deep Blue;
Το
Deep Blue χρησιμοποίησε προσαρμοσμένα τσιπ VLSI για την εκτέλεση τον αλγόριθμο αναζήτησης άλφα-βήτα σε παράλληλα, ένα παράδειγμα του GOFAI (Καλή Τεχνητή Νοημοσύνη παλιάς μόδας). Το σύστημα αντλούσε την παικτική του ισχύ κυρίως από την υπολογιστική ισχύ της ωμής δύναμης.
Χρησιμοποιούσε το Deep Blue νευρωνικό δίκτυο;
Η ίδια η IBM λέει όχι, Το Deep Blue δεν χρησιμοποιεί τεχνητή νοημοσύνηΩστόσο, το Deep Blue χρησιμοποίησε μια συνάρτηση αξιολόγησης πίνακα αποτελούμενη από πολλές παραμέτρους και αυτές οι παράμετροι καθορίστηκαν «αναλύοντας χιλιάδες κύρια παιχνίδια». Αυτή είναι μια μορφή μηχανικής μάθησης στο βιβλίο μου.
Ποιος προγραμμάτισε το Deep Blue;
Οι επιστήμονες υπολογιστών της IBM είχαν ενδιαφερθεί για τους υπολογιστές σκακιού από τις αρχές της δεκαετίας του 1950. Το 1985, ένας μεταπτυχιακός φοιτητής στο Πανεπιστήμιο Carnegie Mellon, Feng-hsiung Hsu, άρχισε να εργάζεται στο έργο της διατριβής του: μια μηχανή παιχνιδιού σκακιού που ονόμασε ChipTest.
Είναι το Deep Blue τεχνητή νοημοσύνη;
Με αυτό το μέτρο, το Deep Blue δεν χρησιμοποιεί AI, αφού παίζει σκάκι πολύ διαφορετικά από τον άνθρωπο. Για παράδειγμα, το Deep Blue δημιουργεί και αξιολογεί περίπου 200 εκατομμύρια θέσεις σκακιού ανά δευτερόλεπτο, κάτι που κανένας άνθρωπος δεν μπορεί να κάνει. … Στην πραγματικότητα, το σκάκι υπολογιστή προηγείται του όρου «τεχνητή νοημοσύνη».
Συνιστάται:
Τα συστήματα συστάσεων είναι μηχανική εκμάθηση;
Συστήματα προτάσεων είναι συστήματα μηχανικής εκμάθησης που βοηθούν τους χρήστες να ανακαλύψουν νέα προϊόντα και υπηρεσίες. Κάθε φορά που ψωνίζετε online, ένα σύστημα συστάσεων σας καθοδηγεί προς το πιο πιθανό προϊόν που μπορείτε να αγοράσετε .
Είναι χρήσιμα τα bayesian στατιστικά για τη μηχανική εκμάθηση;
Χρησιμοποιείται ευρέως στη μηχανική εκμάθηση Ο μέσος όρος μοντέλων Bayesian είναι ένας κοινός αλγόριθμος εποπτευόμενης εκμάθησης. Οι ταξινομητές Naïve Bayes είναι συνηθισμένοι στις εργασίες ταξινόμησης. Τα Bayesian χρησιμοποιούνται στη βαθιά μάθηση αυτές τις μέρες, η οποία επιτρέπει στους αλγόριθμους βαθιάς μάθησης να μαθαίνουν από μικρά σύνολα δεδομένων .
Τι είναι η προεπεξεργασία στη μηχανική εκμάθηση;
Η προεπεξεργασία δεδομένων στη Μηχανική Εκμάθηση αναφέρεται στην την τεχνική προετοιμασίας (καθαρισμού και οργάνωσης) των πρωτογενών δεδομένων ώστε να είναι κατάλληλα για ένα κτίριο και εκπαίδευση μοντέλων μηχανικής μάθησης . Τι σημαίνει η προεπεξεργασία στη μηχανική εκμάθηση;
Πώς να προεπεξεργάζομαι δεδομένα για μηχανική εκμάθηση;
Υπάρχουν επτά σημαντικά βήματα στην προεπεξεργασία δεδομένων στη Μηχανική Εκμάθηση: Αποκτήστε το σύνολο δεδομένων. … Εισαγάγετε όλες τις κρίσιμες βιβλιοθήκες. … Εισαγωγή του συνόλου δεδομένων. … Εντοπισμός και χειρισμός των τιμών που λείπουν.
Ποιος ταξινομητής είναι καλύτερος στη μηχανική εκμάθηση;
Επιλογή του καλύτερου μοντέλου ταξινόμησης για τη μηχανική μάθηση Η μηχανή διανύσματος υποστήριξης (SVM) λειτουργεί καλύτερα όταν τα δεδομένα σας έχουν ακριβώς δύο κλάσεις. … k-Κοντινότερος γείτονας (kNN) λειτουργεί με δεδομένα, όπου η εισαγωγή νέων δεδομένων πρέπει να εκχωρηθεί σε μια κατηγορία.