L'AI simbolico 'impara' un modello di dati?

4

Perceptrons, una semplice forma di apprendimento automatico supervisionato, deve essere addestrato con una serie di input validi noti prima che possano "apprendere" regolando i pesi interni assegnati agli input, in base all'accuratezza dei risultati.

Allo stesso modo, sappiamo che apprendimento rafforzamento e unsupervate le reti neurali sono in grado di apprendere senza alcun modello noto del problema; possono essere progettati per raccogliere informazioni su un ambiente solo interagendo con esso.

L'intelligenza artificiale simbolica può essere utilizzata per progettare un sistema in grado di raggiungere questo "ingenuo apprendimento" o è una proprietà esclusiva di determinate tecniche di soft computing?

    
posta Rob 05.04.2011 - 20:28
fonte

3 risposte

2

Qual è la differenza tra aver conosciuto buoni input e interagire con l'ambiente? In entrambi i casi, hai input per l'algoritmo di apprendimento che ottiene un valore di qualche tipo. (Allo stesso modo, i percetron sono reti neurali artificiali, le cui mancate sono le funzioni lineari nei nodi.)

Esistono vari tipi di algoritmi di apprendimento non supervisionati, sebbene dal momento che non hanno risposte note, lavorano principalmente ordinando gli input in varie classi. Uno semplice è quello di rappresentare input con valori N in N-space e di utilizzare algoritmi di clustering per ottenere classificazioni.

    
risposta data 05.04.2011 - 21:22
fonte
2

I metodi simbolici dell'apprendimento automatico comprendono sia l'apprendimento supervisionato che non supervisionato.

L'apprendimento simbolico supervisionato copre l'estrazione di regole logiche e dipendenze dai dati:

e anche concetti di apprendimento dai dati:

Per l'apprendimento simbolico senza supervisione, l'esempio ben noto è clustering concettuale .

Quindi l'apprendimento supervisionato e non supervisionato non è un sotto-simbolico (cioè reti neurali artificiali, classificatori bayesiani ...) solo argomento AI.

    
risposta data 05.08.2015 - 12:35
fonte
1

Le tecniche di apprendimento senza supervisione si adatterebbero solo ai problemi di classificazione. Se sei interessato agli agenti decisionali, allora ci deve essere un feedback per premiare l'agente per le giuste decisioni.

    
risposta data 22.08.2017 - 18:01
fonte