Leela Zero
Leela Zero是由比利時程式設計師起頭所開發的電腦圍棋軟體，以及相關的運算計畫。專案在2021年2月15日已經中止，並推薦改參與SAI與KataGo》所實做出的開源電腦圍棋程式，也就是不使用人類棋譜與累積的圍棋知識，僅實做圍棋規則，使用單一類神經網路從自我對弈中學習（不像AlphaGo以人類角度思考，設計了Policy Network與Value Network）。 軟體使用蒙特卡洛树搜索（MCTS）模擬與ResNet，這個規則的…
标签：#机器学习
共 116 篇文章
量子機器學習
量子机器学习，是将量子算法整合到机器学习程序中。该术语最常见的用法是指用于分析量子计算机上执行的经典数据的机器学习算法，即量子增强机器学习。常规机器学习算法被用来计算海量数据，而量子机器学习利用量子位和量子運算或专门的量子系统来提高算法在程序中完成的计算速度和数据存储。在实际操作中，量子机器学习会混合常规机器学习，先用常规计算机执行机器学习程序，然后将无法通过常规计算机完成的子程序交由量子计算机完成。這些子程序可能比較複雜，在量子計算機…
开源人工智能
开源人工智能（），根据开放源代码促进会（OSI）的定义，是一种可以自由使用、研究、修改和共享的AI系统。这包括用于训练模型的数据集、源代码以及，旨在促进一种协作且透明的人工智能开发方式，使他人能够重现基本相似的结果。 关于何种程度的开放才应被视为“开源”的争论十分激烈。一些仅发布模型权重（而不公开训练数据和代码）的大型语言模型被批评为（openwashing），实际上是封闭系统。流行的开源人工智能项目类别包括大型语言模型、机器翻译工具和…
臉部辨識系統
臉部辨識系統（），又稱人脸识别、刷脸。特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。 广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。生物特征识别技术所研究的生物特…
集成学习
在统计学和机器学习中，集成学习（）方法通过组合多种学习算法来获得比单独使用任何一种算法更好的预测性能。与统计力学中通常是无限的系综不同，机器学习中的集成学习由有限的一组模型组成，但这些模型之间通常允许存在更灵活的结构。 概述 监督学习算法通常被描述为在假设空间中搜索，以找到一个能够对特定问题做出良好预测的假设。因此，许多集成方法试图促进它们组合的模型之间的多样性。尽管可能不是直观的，更随机的算法（如随机决策树）可用于产生比非常有意识的算…
ROCm
ROCm是超微半导体（AMD）用于圖形處理器（GPU）编程的软件栈。ROCm涉及多个领域：图形处理器通用计算（GPGPU）、高性能计算（HPC）和异构计算。它提供多种编程模型：HIP（基于GPU内核的编程）、OpenMP/訊息傳遞介面（基于指令的编程）和OpenCL。 ROCm是免费、自由和开源的软件（GPU固件除外），以各种许可证发布。ROCm最初是Radeon Open Compute platform的缩写，但由于Open Com…
随机森林
在機器學習中，隨機森林是一個包含多個決策樹的分類器，並且其輸出的類別是由個別樹輸出的類別的眾數而定。 這個術語是1995年由貝爾實驗室的所提出的隨機決策森林（random decision forests）而來的。这篇文章描述了一种结合随机节点优化和bagging，利用类CART过程构建不相关树的森林的方法。此外，本文还结合了一些已知的、新颖的、构成了现代随机森林实践的基础成分，特别是 使用out-of-bag误差来代替泛化误差 通过排…
巨像 (超级计算机)
巨像（）是一台由伊隆·马斯克创立的人工智能公司xAI开发的超级计算机。其建造工程在2024年于孟菲斯启动，当前仍在持续扩建中。它被认为是目前全球最大的人工智能超级计算机。 巨像的主要用途是训练公司的人工智能语言模型Grok、马斯克旗下社交媒体服务X的架构，并为他如SpaceX的其他公司提供运营支持。 背景 巨像超算机于2024年9月在孟菲斯南区的前伊莱克斯工厂旧址动工，用于训练人工智能语言模型Grok。 选址于此原因是易于直接改造利用废…
手写识别
手写识别（）是计算机在纸、照片、触摸屏或其他设备中接收并识别人手写的文字等信息的技术，主要应用于光学字符识别（OCR）。 脱机手写识别 离线手写识别涉及到将图像中的文本自动转换成是计算机可以使用的字符代码。离线手写识别是比较困难的，因为不同的人有不同的书写风格。离线手写识别主要应用在打印出来的文字识别上。 减少识别错误的技术 常常使用缩小识别范围，例如邮政编码只包含1~9的数字，识别这种数字可以减少错误的可能。 主要的技术： 指定特定的…
智能运维
智能运维（AIOps，Artificial Intelligence for IT Operations）是高德纳咨询公司於2016年提出的一個概念，是指通过机器学习，自动地从海量运维数据（包括日志、业务数据、系统数据等）中进行实时或离线分析，加强IT運營分析能力。AIOps主要涉及两个方面：机器学习和大數據。 参考文献
隐马尔可夫模型
隐马尔可夫模型（；縮寫：），或稱作-{zh-cn:隐性马尔可夫模型;zh-tw:隱性馬可夫模型}-，是统计模型，用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。 在正常的马尔可夫模型中，状态对于观察者来说是直接可见的。这样状态的转换概率便是全部的参数。而在隐马尔可夫模型中，状态并不是直接可见的，但受状态影响的某些变量则是可见的。每一个状态在可能输出…
遗传编程
遗传编程或称基因编程，簡稱GP，是一种从生物演化过程得到灵感的自动化生成和选择计算机程序来完成用户定义的任务的技术。从理论上讲，人类用遗传编程只需要告诉计算机“需要完成什么”，而不用告诉它“如何去完成”，最终可能实现真正意义上的人工智能：自动化的发明机器。 遗传编程是一种特殊的利用进化算法的机器学习技术，它开始于一群由随机生成的千百万个计算机程序组成的“人群”，然后根据一个程序完成给定的任务的能力来确定某个程序的适合度，应用达尔文的自然…
归纳编程
归纳编程（IP），是特定领域的自动编程，覆盖了人工智能和计算机编程的一些研究领域，它致力于典型的声明式（逻辑式或函数式）且常为递归式程序的机器学习，它们面向不完全的规定比如输入/输出例子或约束。 依赖于使用的编程语言，有很多种归纳编程。“归纳函数式编程”，使用函数式语言比如Lisp或Haskell。而最特别的 ，使用逻辑式编程语言比如Prolog，和其他逻辑式表述比如描述逻辑。尽管它们已经很突出了，但其他编程语言范式也有使用，比如约束编…
文档分类
文档分类是图书馆学， 信息学和计算机科学中的一个问题。其任务是将一个文档分配到一个或者多个类别中。它可以是通过人工分类完成的，也可以是通过计算机算法实现的。多数通过人工的文档分类问题一直属于图书馆学的领域，而通过算法实现的文档分类问题则多属于信息学和计算机科学的领域。这些问题之间是有相同的部分的，所以有一些对文档分类的跨学科研究。 需要被分类的文档有可能是纯文本，图片，音乐等等。每一种文档都有其独特分类问题。根据特殊的文档做研究，文档分…
主题模型
主题模型（Topic Model）在机器学习和自然语言处理等领域是用来在一系列文档中发现抽象主题的一种统计模型。直观来讲，如果一篇文章有一个中心思想，那么一些特定词语会更频繁的出现。比方说，如果一篇文章是在讲狗的，那“狗”和“骨头”等词出现的频率会高些。如果一篇文章是在讲猫的，那“猫”和“鱼”等词出现的频率会高些。而有些词例如“这个”、“和”大概在两篇文章中出现的频率会大致相等。但真实的情况是，一篇文章通常包含多种主题，而且每个主题所占…
学徒学习
在人工智能中，学徒学习（或称示教学习或模仿学习）是通过观察专家进行学习的过程。 它可被视为一种监督学习，其中训练数据集由示教教师执行的任务构成。 IRL问题可定义为： 该场景可建模为“合作式逆向强化学习博弈”，其中“人”玩家与“机器人”玩家合作实现人的隐含目标，即便人与机器人都未明确知晓这些目标。 2017年，OpenAI与DeepMind将深度学习应用于简单领域（如雅达利游戏）和简单机器人任务（如后空翻）的合作式逆向强化学习。人类角色…
生成式引擎优化
生成式引擎优化（英文：Generative Engine Optimization，简称：GEO）是指为了提升在生成式人工智能中的可见性、引用率和推荐质量，而对内容、结构、表达方式等进行有针对性优化的一种内容策略。 其核心思想是在精细掌控生成内容的影响因素（例如语义相关性、生成算法调优、用户交互反馈等）的情况下，提高内容的匹配程度和展现机会。伴随着人工智能与机器学习技术的高速发展，GEO 亦具备广阔的成长空间，应用尤可望聚焦于个性化推荐…
自动机器学习
自动化机器学习（，简称AutoML）是将机器学习应用于现实世界问题的任务自动化的过程。自动机器学习可能包括从原始数据集开始到构建准备部署的机器学习模型的每个阶段。 AutoML被提出作为一种基于人工智能的解决方案，以应对应用机器学习日益严峻的挑战。AutoML的高度自动化旨在允许非专家使用机器学习模型和技术，而无需他们成为机器学习专家。自动化端到端应用机器学习的过程还提供了产生更简单的解决方案、更快地创建这些解决方案以及模型通常优于手工…
贝叶斯优化
贝叶斯优化是一种用于对黑盒函数进行的序贯设计策略，它不假定任何函数形式。该方法通常用于优化代价高昂、难以评估的函数。随着21世纪人工智能的兴起，贝叶斯优化算法在机器学习问题中获得了显著应用，常用于超参数优化（hyperparameter values）。 历史 术语通常归功于，并在其1970年代和1980年代关于全局优化的一系列出版物中提出。 早期数学基础 1960年代到1980年代 贝叶斯优化的最早想法 sprang in 1964,…
深度学习
深度学习（）是机器学习的分支，是一種以人工神經網路為架構，對資料進行表徵學習的算法。深度学习中的形容词“深度”是指在网络中使用多层。 早期的工作表明，线性感知器不能成为通用分类器，但具有非多项式激活函数和一个无限宽度隐藏层的网络可以成为通用分类器。 深度学习是机器学习中一种基于对数据进行表征学习的算法。观测值（例如一幅图像）可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示…