Artificial intelligence 在人工智能领域，有哪些令人印象深刻的算法或软件？

我一直很喜欢人工智能和进化算法。不幸的是，正如我们所知，该领域在早期的发展速度并没有预期的那么快

我要寻找的是一些具有“哇”因素的例子：

• 以意想不到的方式适应的自我导向学习系统

• 游戏代理，特别是动态的，并产生意想不到的战略

• 实际上产生了一些有意义和有见地的输出的符号表示系统

• 多代理系统中有趣的紧急行为

让我们不要进入定义AI的语义。如果它看起来或听起来像人工智能，让我们听听它

我先拿一张票

Adrian Thompson博士正在尝试使用遗传算法在FPGA中创建语音识别电路。在几千代人之后，他成功地让设备区分“停止”和“去”语音命令。他检查了设备的结构，发现一些有源逻辑门与电路的其余部分断开。当他禁用这些被认为无用的门时，电路停止工作

---

编辑

---

我们是否可以尝试将讨论内容保留在产生令人印象深刻的技术/算法上？如果我想了解数以千计的人工智能技术，我可以在谷歌上搜索。这些技术处于早期阶段，但显示出了希望。

稍微超出了传统人工智能领域，是在。这项技术仍处于早期阶段，但在目标“惊喜因素”领域显示出了希望。

我发现最近关于机器人之间进化和合作的研究非常有趣。对实验及其结果进行了很好的总结。我最感兴趣的是观察到的烈士AI和“邪恶”AI的行为。

不久前，我发现了以下系列文章：

---

这些文章的作者创建了游戏“AI战争：舰队司令部”，该游戏以紧急AI为特色。也许你会发现这很有趣。

到目前为止，人工智能最令人印象深刻的方面是承诺与交付的比率。在我看来，唯一真正可行的基于计算机的智能方法是模拟神经网络，因为现实世界中所有我们认为是“智能”的东西（人、黑猩猩、狗、蟑螂等）。它们都拥有相同基本控制系统的变体：连接到输入和输出设备的大量神经元

令人惊讶的是，尽管这是显而易见的事实，但自称为“神经网络”的计算机科学领域几乎放弃了模拟实际生物神经元和神经元结构的尝试。我不能告诉你为什么会这样，尽管我怀疑这是因为程序员一般不喜欢走出他们的舒适区，学习计算机科学以外的话题

---

唯一的好处是《终结者》仍然只是一部电影。

我构建了一个针对大型植物苗圃的产品零售库存补充的进化算法（还有一些真正的大而聪明的公司——2亿美元的公司）

这可能是我做过的最酷的事情了。利用三年的历史数据，在我度假期间，它连续一周发生了变化

最终结果既积极又离奇。事实上，我很确定它一开始是坏的

算法忽略了前几个星期的销售，给他们所有指标的权重为0（这与这些人目前的工作方式不一致——现在他们考虑了前一周的同一周，也考虑了最近的趋势）。 最终我意识到发生了什么。根据生物体必须处理的指标，随着时间的推移，观察上个月的同一部分而忽略最近的趋势会更有效

因此，我们不看过去几天，而是看上个月的同一周，因为有一些微妙但稳定的趋势每30天重复一次。它们比波动性更大的日常趋势更可靠

结果是在效率上有了显著的、可复制的提高

不幸的是，我对此非常激动，以至于我告诉了客户，他们取消了项目。第一次运行非常有希望，但很难作为证据销售，即使你可以处理过去三年的几乎所有数据，并看到算法神奇地提高了效率。EA并不难，但人们一开始发现它们很复杂，而且做一些如此神秘的事情的想法有点难以接受

---

对我来说，最大的收获是，如果我创造了一些看起来太神奇的东西，我应该推迟谈论它，直到我能做一个好的演示

对我来说，人工智能中最有趣的事情之一是罗德尼·布鲁克斯（Rodney Brooks）开始的一个非常古老的讨论，关于他的行为体系结构，名为

他完全抛弃了各种象征性的表现，总是说：以世界为榜样。这样可以避免机器人生成错误的世界视图，以及纠正模型时出现的所有复杂问题

他出版了许多有趣的书籍，是目前在研究中大量使用的体现认知方法的第一人之一

---

有趣的阅读材料可以在网上找到。他后来的一些出版物很有哲理性，但早期对机器人的描述以及它们的行为是如何从一组简单的规则和动作中产生的值得一读。

有一个雄心勃勃的开源Java库，名为，它提供了大量计算智能方法。目前，一个研究小组正在大学一级使用它来推进他们自己的研究。

请查看