从高斯-泰勒分布导出的标准化损失类别是什么?[已关闭]

人工智能是计算机科学的一个分支领域,创建于20世纪60年代,它关注的是解决对人类来说容易但对计算机来说困难的任务。特别是,所谓的强人工智能是一个可以做任何人类能做的事情的系统(也许没有纯粹的物理事物)。这是相当普遍的,包括各种任务,如计划、在世界上四处走动、识别物体和声音、说话、翻译、进行社交或商业交易、创造性工作(制作艺术或诗歌)等。

NLP(自然语言处理)只是人工智能中与语言(通常是书面的)有关的一部分。

机器学习涉及到这一点的一个方面:给定一些可以用离散术语描述的人工智能问题(例如,在一组特定的动作中,哪一个是正确的),并给定许多关于世界的信息,在没有程序员编程的情况下,找出什么是正确的动作。通常需要一些外部过程来判断操作是否正确。用数学术语来说,它是一个函数:你输入一些输入,你希望它产生正确的输出,所以整个问题只是以某种自动的方式建立这个数学函数的模型。为了与人工智能区分开来,如果我能写一个非常聪明的程序,具有类似人类的行为,它就可以是人工智能,但除非它的参数是从数据中自动学习的,否则它就不是机器学习。

深度学习是一种现在非常流行的机器学习。它涉及一种特殊的数学模型,可以被认为是某种类型的简单块的组成(函数组成),其中一些块可以进行调整,以更好地预测最终结果。

“深度”一词的意思是,合成中有许多块堆叠在一起,而棘手的是如何调整远离输出的块,因为那里的微小变化可能会对输出产生非常间接的影响。这是通过一个称为梯度下降的更大过程中的反向传播来完成的,该过程可以让你以改进模型的方式更改参数。