Что такое области, где можно программировать искусственный интеллект? [закрытый]
Если у вас есть блокнот в папке по умолчанию, попробуйте это:
*** Settings ***
Library AutoItLibrary
*** Variables ***
${notepad} C:\\Program Files\\Notepad\\notepad.exe
*** Test Cases ***
Run ${notepad}
Send This is some text
12 ответов
Я недавно начал читать книгу, Программируя Коллективный разум. Это - превосходная книга, которая обсуждает точно, что Вы ищете - использование методов AI в веб-приложениях.
Книга записана ясно, легко понять, объясняет все с точки зрения реальных приложений (она покрывает, как некоторая наиболее часто используемая технология работает: Google PageRank, система рекомендации Амазонок, matchmaking веб-сайты, системы рекомендации ссылки, байесовские фильтры спама и больше) и это использует на самом деле полезные примеры с помощью реальных данных (eBay API, Facebook, API и т.д. используется для сбора данных). В одной главе это даже объясняет, как можно потянуть графики (я имею в виду структуру данных, не запрещать/выравнивать/и т.д. графики), оптимально (так, чтобы никакие узлы не были слишком близки вместе, минимальные перекрывающиеся строки и т.д.), который мог быть полезен для, например, отобразив социальные сети.
Я рекомендовал бы взглянуть на него и видел бы различные способы, которыми AI может быть применен к веб-приложениям.
Вы, вероятно, могли проанализировать поведение посетителей Ваших веб-приложений; как они перешли в веб-сайте для обеспечения лучшего, оптимизированного интерфейса. Теперь это зависит от того, какие веб-приложения Вы продолжаете работать. Поскольку на строке, делая покупки можно идти с предложениями, экстраполируемыми от клиентских привычек.
Можно также обнаружить "аварийное" поведение и мошенничество. Мошенничество и обнаружение бота могут использовать в своих интересах AI.
Как контрпример, анализируя данные, полученные от водного испытательного оборудования, вероятно, было бы плохое место для использования искусственного интеллекта:
The Daily WTF: нет, нам нужна нейронная сеть
Просто напоминание для всех нас для выбора правильного инструмента для правильного задания.
Нейронные сети являются большими для работы над изображениями, таким образом, одна область веб-приложений, для которых Вы могли использовать AI, будет определять и/или управлять шаблонами в изображениях по большим наборам данных. Например, сайт как Flickr или Facebook мог бы иметь некоторый интересный учебный материал для идентификации людей на основе поверхности или связывающихся группировок пикселей (те, которые функциями, Вы работаете с) с определенными объектами, упомянутыми в подписях или тегах.
С точки зрения текстового управления существует много материала, но это обычно - обледенение на пироге для других веб-приложений. Я говорю главным образом в областях автоматического завершения в панелях поиска и вещах бэкенда, которые пользователь обычно не видит, как автоматический машинный перевод или улучшенная возможность поиска.
Проблема с помещением AI впереди предложения приложения состоит в том, что обычно, искусственный интеллект не является функцией в и себя, а скорее способа согласовать большие наборы данных эффективно без регулярных подсказок от разработчика. В целом пользователь свяжется с приложением на непосредственной основе и поэтому судит его только на качестве относительно небольшого числа ответов.
Почтовые системы фильтрации спама - определенно.
Любые другие приложения защиты, которые должны определить шаблоны для злонамеренного материала.
Прогнозирование, конечно.
Это имеет огромное значение для компаний (т.е.: оптимизация материально-технических ресурсов), и особенно ценно во время мирового кризиса.
Для игр действительно нужен AI.
Экспертные системы также.
За пределами игр я видел очень немного коммерческого использования AI.
Это, в теории, могло быть очень полезно в промышленной робототехнике и обработке изображений, но те поля также имеют тенденцию быть очень консервативными, и неудобными с недетерминированными алгоритмами.
Вы могли бы хотеть исследовать то, что делает iRobot, но даже их используют довольно простые алгоритмы в их коммерческих роботах.
В области познавательной архитектуры (например, Soar, ACT-R, и т.д.), вместо того, чтобы концентрироваться на алгоритмах как* и игры, исследователи исследуют модели поведения человека включая принятие решений, культурный обмен и изучение. Они часто фокусируются на познавательном правдоподобии, т.е. как близко делает образцовую дорожку, что человек сделал бы, включая синхронизацию, и т.д.
Эти системы имеют тенденцию быть строго основанными на исследовании с ограниченным коммерческим применением. До сих пор так или иначе. Военные применения, специально для обучения, довольно распространены все же.
Обработка изображений для обнаружения рака! (Мы на самом деле кодируем бумаги IEEE об этом, создание алгоритмов является путем тяжелее, чем кодирование их так, мы пишем работы об исполнении других бумаг),
Оценка риска является довольно хорошим случаем для нейронных сетей, главным образом потому что они довольно хороши в сопоставлении с образцом. Страховка и компании кредита используют их до некоторой степени для определения риска клиента.
Я провел некоторое обширное исследование при использовании Искусственных Нейронных сетей для классификации подводных источников звука. Алгоритм, казалось, работал вполне хорошо, особенно что я посвятил большую часть работы над выяснением, какая комбинация коэффициента преобразования Фурье составила лучший набор для классификации (с Анализом главных компонентов).