经典人工智能，本体论，机器学习，贝叶斯

作者: 句号了哦哦
发布时间: 2024-09-10 01:37:05 (2天前)
转自：

3 条回复

0#
回复此人
v-star*위위 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 我想你有几个想法混在一起。确实，在基于规则和概率的“AI”任务之间存在区别，但它与强或弱的AI无关，与心理学几乎没有关系，并且它不像两个对立面之间的战斗。另外，我认为说贝叶斯推理并没有用于计算机科学，因为推理是NP完全的，总的来说有点误导。这个结果在实践中通常并不重要，大多数机器学习算法无论如何都不会做真正的贝叶斯推理。 </p> <P> 尽管如此，自然语言处理的历史从80年代和90年代初的规则系统发展到机器学习系统直到今天。看看历史 <a href="http://en.wikipedia.org/wiki/Message_Understanding_Conference" rel="nofollow"> MUC会议 </A> 看看信息提取任务的早期方法。将其与命名实体识别和解析中的当前最新技术进行比较（ <a href="http://aclweb.org/aclwiki/index.php?title=State_of_the_art" rel="nofollow"> ACL wiki </A> 这是一个很好的来源），这些都是基于机器学习方法。 </p> <P> 至于具体的参考文献，我怀疑你会发现有人写一篇学术论文，说'统计系统比基于规则的系统更好'，因为通常很难做出这样的明确陈述。一个快速谷歌的'统计与基于规则'产生类似的论文 <a href="http://www.mt-archive.info/LREC-2004-Thurmair-2.pdf" rel="nofollow"> 这个 </A> 它根据自己的优点和缺点来看机器翻译并建议使用这两种方法。我想你会发现这是典型的学术论文。我唯一能读到的就是这个问题的立场是' <a href="http://www.google.com/research/pubs/archive/35179.pdf" rel="nofollow"> 数据的不合理有效性 </A> '这是一个很好的阅读。 </p> </DIV>

编辑
1#
回复此人
敢嫁就敢娶 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 至于“基于规则”与“概率”的关系，你可以选择Judea Pearl的经典着作 - “智能系统中的概率推理。珍珠写的非常偏向他所谓的”内涵系统“，这基本上是反...部分基于规则的东西。我认为这本书是在AI中引发整个概率的东西（你也可以争辩时间到期，但那时它是那个时代的书）。 </p> <P> 我认为机器学习是一个不同的故事（虽然它更接近概率AI而不是逻辑）。 </p> </DIV>

编辑

登录后才能参与评论