1

私はコンピューター ビジョンとアフェクティブ コンピューティングに適用される機械学習とベイジアン推論の研究を始めています。

私の理解が正しければ、大きな議論があります

  • 古典的IA、オントロジー、セマンティックWeb研究者
  • 機械学習とベイジアンの人たち

通常、機能心理学 (ブラック ボックス セットとしての脳) や認知心理学 (心の理論、ミラー ニューロン) などの哲学的問題に関連する強力な AI と弱い AI と呼ばれていると思いますが、プログラミング フォーラムのようなプログラミング フォーラムでは、これは重要ではありません。これ。

2 つの視点の違いを理解したいと思います。理想的には、回答は、一方のアプローチが良い結果をもたらし、もう一方のアプローチが失敗する例や学術論文を参照します。また、歴史的な傾向にも興味があります。なぜアプローチが支持されなくなり、新しいアプローチが台頭し始めたのかということです。たとえば、ベイジアン推論は計算処理が難しく、NP の問題であることを私は知っています。それが、情報技術の世界で長い間確率モデルが好まれなかった理由です。しかし、彼らは計量経済学で上昇し始めています。

4

2 に答える 2

4

いくつかのアイデアが混ざり合っていると思います。「AI」タスクに対するルールベースのアプローチと確率論的アプローチの間に引き出される違いがあることは事実ですが、AI の強弱とは関係がなく、心理学とはほとんど関係がなく、それほど明確ではありません。対立する2つの陣営の間の戦い。また、一般的に推論は NP 完全であるため、ベイジアン推論はコンピューター サイエンスでは使用されなかったと言うのは少し誤解を招くと思います。多くの場合、その結果は実際にはそれほど重要ではなく、ほとんどの機械学習アルゴリズムは実際のベイジアン推論を行いません。

そうは言っても、自然言語処理の歴史は、80 年代から 90 年代初頭のルールベースのシステムから、今日に至る機械学習システムにまで及びました。MUC 会議の歴史を調べて、情報抽出タスクへの初期のアプローチを確認してください。これを、名前付きエンティティの認識と解析における現在の最先端技術 ( ACL wikiはこれに関する優れた情報源です) と比較してください。これらはすべて機械学習手法に基づいています。

具体的な参考文献に関して言えば、「統計システムはルールベースのシステムよりも優れている」という学術論文を書いている人を見つけることはできないでしょう。Google で「統計とルール ベース」を簡単に検索すると、機械翻訳を調べて、長所と短所に応じて両方のアプローチを使用することを推奨する、このような論文が得られます。これは学術論文の典型であることがわかると思います。私が読んだ中で唯一、この問題に真の立場を示しているのは「The Unreasonable Effectiveness of Data」です。これは良い読み物です。

于 2010-12-04T15:25:29.657 に答える
3

「ルールベース」対「確率論的」については、Judea Pearl の古典的な本「Probabilistic Reasoning in Intelligent Systems」を参照してください。Pearl は、彼が「内在的システム」と呼んでいるものに非常に偏って書いています。この本は、AI における確率論的なもの全体を引き立たせるものだと思います (その時が来たと主張することもできますが、それは当時の本でした)。

機械学習は別の話だと思います (ロジックよりも確率的 AI に近いですが)。

于 2010-12-04T19:16:12.707 に答える