$ $开始组$

他从1987年[1]开始他的论文,参考了使用贝叶斯规则处理不确定知识的勘探专家系统。然后他解释了概率逻辑背后的概念,概率逻辑用于确定语义树中的真/假语句的值。概率值以图形方式显示在一个3D框中,以使新手的概念更清晰。他称这个概念为

引言:“一般真假语义的直接概括”

但是报纸出了点问题。大约在文本的中间,我没有理解为什么这种替代逻辑概念是有用的。它不足以处理能更容易存储在图灵机中的正常是/否语句吗?为什么我们需要复杂的三维框和概率景观?

〔1〕尼尔森,尼尔斯J“概率逻辑”,人工智能28.1(1986):7betway电竞1-87。

$\EdTrime$$
$ $开始组$

在论文的第一句话中,尼尔森说[s]所有人工智能(betway电竞AI)应用程序都要求具备使用不确定信息进行推理的能力。没什么好的,几乎没有)是真是假,二元逻辑不足以模拟一个复杂的世界。所以我们需要更有力的方法来描述逻辑关系,而不仅仅是真的和假的。

在他的论文中,尼尔森提出了对正态的扩展,二元的,逻辑允许句子的概率真值介于0.0和1.0之间。这是一种更有力的逻辑推理方式,当然,它也比只使用二进制值进行操作复杂得多。

本质上你的问题归结为我们需要这个吗?,我会说是的,是的。尤其是对事物的推理,我们经常有不完整的信息,因为我们不知道什么,或者还没有发生。因此,能够处理概率是非常有用的。这也适用于人工智能的其他领域。

所以,这篇论文没有“错”。

$\EdTrime$$
  • $ $开始组$ 这是一个明显的误解,什么是计算机语言?形式化语言背后的思想是,语句以离散的方式执行。有限状态机得到输入并产生输出。如果现实更复杂,程序员必须弄清楚如何把不确定性转换成布尔逻辑。 $\EdTrime$$- 洛曼雷 昨天
$ $开始组$

从实际意义上讲,没有完美的信息——如果它存在的话,这是非常罕见的,它不足以建立有用的系统。一个真实的,真实的物理系统,物理传感器,在现实中,物理环境将有实际的公差,最好用随机过程建模。

以类似的方式,许多比赛也有机会的因素。没有概率模型,开发一个像扑克游戏这样简单的人工智能是非常困难的(我会说不可能)。

最后,在这些系统的模型中坚持绝对确定性(在绝对确定性不存在的情况下)在某种意义上倾向于“粘性”,即某些系统在模型的其余部分传播不当,很快就没用了。

不,在我看来,这篇论文没有错。

$\EdTrime$$

你的答案

点击“发布你的答案”,你同意我们的服务条款隐私政策饼干政策

不是你要找的答案?浏览标记的其他问题必威英雄联盟 必威电竞问你自己的问题.