فهرست مطالب:
- Deep Blue از چه الگوریتمی استفاده کرد؟
- آیا Deep Blue از شبکه عصبی استفاده کرد؟
- چه کسی Deep Blue را برنامه ریزی کرد؟
- آیا Deep Blue هوش مصنوعی است؟
تصویری: آیا آبی عمیق از یادگیری ماشینی استفاده کرد؟
2024 نویسنده: Fiona Howard | [email protected]. آخرین اصلاح شده: 2024-01-10 06:36
در سال 1997، دیپ بلو به اندازه کافی پیچیده بود تا کاسپاروف، قهرمان جهان را شکست دهد. در حالی که مطمئناً هوش مصنوعی، Deep Blue کمتر از سیستم های فعلی به یادگیری ماشین متکی بود… Deep Blue اساساً یک ترکیبی بود، یک پردازنده ابررایانه همه منظوره مجهز به تراشه های شتاب دهنده شطرنج.
Deep Blue از چه الگوریتمی استفاده کرد؟
Deep Blue از تراشه های VLSI سفارشی برای اجرای الگوریتم جستجوی آلفا-بتا به موازاتاستفاده کرد، نمونه ای از GOFAI (هوش مصنوعی خوب قدیمی). این سیستم قدرت بازی خود را عمدتاً از قدرت محاسباتی brute force به دست آورده است.
آیا Deep Blue از شبکه عصبی استفاده کرد؟
IBM خود می گویند نه، Deep Blue از هوش مصنوعی استفاده نمی کندبا این حال، Deep Blue از یک تابع ارزیابی تخته متشکل از پارامترهای زیادی استفاده کرد و این پارامترها با "تجزیه و تحلیل هزاران بازی اصلی" تعیین شدند. این شکلی از یادگیری ماشینی در کتاب من است.
چه کسی Deep Blue را برنامه ریزی کرد؟
دانشمندان کامپیوتر IBM از اوایل دهه 1950 به محاسبات شطرنج علاقه مند بودند. در سال 1985، یک دانشجوی فارغ التحصیل در دانشگاه کارنگی ملون، Feng-hsiung Hsu، شروع به کار بر روی پروژه پایان نامه خود کرد: یک ماشین بازی شطرنج که او آن را ChipTest نامید.
آیا Deep Blue هوش مصنوعی است؟
با این معیار، Deep Blue از هوش مصنوعیاستفاده نمی کند، زیرا شطرنج را بسیار متفاوت از یک انسان بازی می کند. برای مثال، Deep Blue حدود 200 میلیون موقعیت شطرنج در ثانیه ایجاد و ارزیابی می کند، کاری که هیچ انسانی نمی تواند انجام دهد. … در واقع، شطرنج کامپیوتری پیش از اصطلاح "هوش مصنوعی" است.
توصیه شده:
آیا سیستم های توصیه گر یادگیری ماشینی است؟
سیستم های توصیه کننده سیستم های یادگیری ماشینی هستند که به کاربران کمک می کنند محصول و خدمات جدید را کشف کنند. هر بار که به صورت آنلاین خرید می کنید، یک سیستم توصیه شما را به سمت محتمل ترین محصولی که ممکن است خریداری کنید راهنمایی می کند . سیستم توصیهگر چه نوع یادگیری ماشینی است؟ سیستمهای توصیهکننده کلاس مهمی از الگوریتمهای یادگیری ماشین هستند که پیشنهادات «مرتبط» را به کاربران ارائه میدهند.
لم ها در یادگیری ماشینی چیست؟
Lemmatization یکی از رایج ترین تکنیک های پیش پردازش متن است که درپردازش زبان طبیعی (NLP) و به طور کلی یادگیری ماشین استفاده می شود. … ریشه کلمه را در فرآیند ریشه یابی ساقه می نامند، و در فرآیند lemmatization به آن لم می گویند . لم ها در NLP چیست؟ Lemmatization معمولاً به انجام کارها به درستی با استفاده از واژگان و تجزیه و تحلیل صرفی کلمات اشاره دارد، که معمولاً با هدف حذف فقط پایان های عطفی و برگرداندن شکل پایه یا فرهنگ لغت کلمه ای که به لم معروف است .
پیش پردازش در یادگیری ماشینی چیست؟
پیش پردازش داده در یادگیری ماشینی به تکنیک آماده سازی (تمیز کردن و سازماندهی) داده های خام برای مناسب ساختن آن برای ساختمان و آموزش مدل های یادگیری ماشین اشاره دارد. . پیش پردازش در یادگیری ماشینی به چه معناست؟ پیش پردازش داده فرایند آماده سازی داده های خام و مناسب ساختن آن برای مدل یادگیری ماشینی است این اولین و مهم ترین مرحله در هنگام ایجاد یک مدل یادگیری ماشین است.
آیا الگوریتم ژنتیک یادگیری ماشینی است؟
یک الگوریتم ژنتیک یک الگوریتم مبتنی بر جستجو است که برای حل مسائل بهینه سازی در یادگیری ماشین استفاده می شود. این الگوریتم مهم است زیرا مسائل دشواری را حل می کند که حل آنها زمان زیادی می برد . آیا الگوریتم های ژنتیک بخشی از یادگیری ماشینی هستند؟ الگوریتم های ژنتیک به سه دلیل در یادگیری ماشین مهم هستند.
کدام طبقه بندی در یادگیری ماشینی بهترین است؟
انتخاب بهترین مدل طبقه بندی برای یادگیری ماشینی دستگاه بردار پشتیبان (SVM) زمانی بهترین کار را انجام می دهد که داده های شما دقیقاً دو کلاس داشته باشند. … k-نزدیکترین همسایه (kNN) با دادهها کار میکند، جایی که معرفی دادههای جدید به یک دسته اختصاص داده میشود.