С-Петербург, 2019 год, AlgoCalc СОДЕРЖАНИЕВВЕДЕНИЕИнтеллект - способность челевеческого мозга находить алгоритмы решения сложных задач. Машинный (искусственный) интеллект - комплекс ПО, 1. ОСНОВНЫЕ ИДЕИ
Представляется, что для эффективного поиска графа вычислений с параметрами необходимо сочетать стохастические, эволюционные и адаптационные методы. Стохастическая оптимизация – большой класс алгоритмов и методов, которые в той или иной степени используют случайность для поиска оптимального решения сложных задач. Эволюционные методы [7-10] – реализация стохастической оптимизации, при которой используются базовые принципы биологической эволюции – отбор, мутация и воспроизводство. Адаптационные методы - усиливают эволюционную модель, предоставляя возможность формирования, в процессе машинного обучения, у программных агентов дополнительных полезных навыков/библиотек, которые могут быть непосредственно переданы в следующее поколение (не доказанная в природе, но вполне возможная и полезная в программной реализации идея Ламарка о наследовании приобретенных признаков). В процессе поиска и формирования параметров графа вычислений должна уменьшаться стохастическая составляющая алгоритма и увеличиваться адаптационно-детерминированная. При этом полученные знания (библиотеки, типы данных и алгоритмы над этими типами) необходимо сохранять и адаптивно использовать при выполнении следующих заданий в рамках фреймворка
Язык, который предполагается использоваться для представления графа вычислений (т.е. язык на
котором будут «программировать» роботы-программисты) должен быть максимально простым,
с минимумом синтаксического сахара и с возможностью динамического
расширения, например, такой как язык Joy. 2. ПРАКТИЧЕЧЕСКОЕ ПРИМЕНЕНИЕ2.1 Машинное обучениеГлубокое алгоритмическое обучение – следующий этап в развитии глубокого машинного обучения сверточных нейронных сетей, когда граф вычислений представляется в наиболее общем виде не дифференцируемых операций, и соответственно, к нему уже нельзя применять в полной мере метод градиентного спуска, а необходимо использовать инновационные методы метаэвристического поиска для установления не только параметров программных модулей, но и самого вида графа вычислений.Читать далее .. 2.4 Фундаментальные исследованияАлгоритмическое исчисление не как проект, а как подраздел compute science – дальнейшее обобщение метода глубокого алгоритмического обучения, когда ставится задача поиска инвариантного представления графа вычислений в различных программно-библиотечных базисах с целью получения новых знаний в области научно-технических и фундаментальных исследований.СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
|
