问题标签 [artificial-intelligence]

与我之前的问题相关，是否有一些现实的机会通过计算机视觉算法从谷歌街景图片中提取监控摄像头位置？我不是这方面的专家。但它应该比人脸检测等更容易。

网络上的任何地方是否有免费的（最好是公共领域或类似 BSD 的许可证，但 GPL 可以）实现多层感知器？

我有教科书的例子，但许可证太严格了，虽然我可以按照维基百科文章中的数学计算，但我没有足够的信心做对，而且很难测试。

我做了一个快速的谷歌搜索，发现了一些免费的（如啤酒）二进制版本。我希望找到一个 MLP，它是一个更大的开源项目的一部分。

我有一个代理，它接受状态并返回动作，同时保持状态/动作对的效用的内部表示。我还有一个环境，可以采取行动并返回状态/奖励对。

我需要能够将代理设置为开始状态，然后不断地从代理 -(action)-> environment -(state, reward)-> agent -(action)->... 但是，内部状态（每次迭代都需要更新）需要保持私有（即在代理或环境中）。这意味着我不能简单地将环境调用为代理中的一个函数，使用状态和动作作为参数。

我有点像 Haskell noobie，所以我什至不确定这是否可能。

我已经在 AS3 中实现了 A* 算法，它工作得很好，除了一件事。生成的路径通常不会采用最“自然”或最顺畅的路线到达目标。在我的环境中，对象可以像水平或垂直移动一样便宜地沿对角线移动。这是一个非常简单的例子；起点用 S 标记，终点（或终点）用 F 标记。

如您所见，在第一轮查找过程中，节点 [0,2]、[1,2]、[2,2] 都将被添加到可能节点列表中，因为它们的得分均为 N。当我试图决定继续使用哪个节点时，我遇到的问题出现在下一点。在上面的示例中，我使用 possibleNodes[0] 来选择下一个节点。如果我将其更改为 possibleNodes[possibleNodes.length-1] 我得到以下路径。

然后使用 possibleNextNodes[Math.round(possibleNextNodes.length / 2)-1]

所有这些路径都具有相同的成本，因为它们都包含相同数量的步骤，但在这种情况下，最明智的路径如下......

是否有一种正式接受的方法可以使路径看起来更合理，而不仅仅是在数学上正确？

如果我有大量描述物理“事物”的数据，我该如何衡量这些数据与它应该代表的“事物”的匹配程度？

一个例子是，如果我有一个装有 12 个小部件的板条箱，并且我知道每个小部件重 1 磅，那么应该有一些数据质量“检查”以确保箱子重 13 磅。

另一个例子是，如果我有一盏灯和一个代表该灯的图像，它应该看起来像一盏灯。也许图像尺寸应该与灯尺寸具有相同的比例。

除了图像，我的数据是 99% 的文本（包括高度、宽度、颜色……）。

我在学校学习过人工智能，但除此之外几乎没有做过什么。

标准的人工智能技术是可行的吗？如果是这样，我如何将问题映射到算法？某些语言在这方面是否比其他语言更容易？他们有更好的图书馆吗？

谢谢。

Behind the tables and tables of raw data, how does Wolfram Alpha work?

I imagine there are various artificial intelligence mechanisms driving the site but I can't fathom how anyone would put something like this together. Are there any explanations that would help a programmer understand how something like this is created? Does the knowledge base learn on its own or is it taught very specific details in a very organized manner? What kind of structure and language is used to store this type of data?

Obviously this is a huge question and can't fully be answered here but some of the general concepts would be nice to know so I can build off of them and do my own research.

只是想知道，因为我们已经达到了每台 PC 1 teraflop，但我们仍然无法模拟昆虫的大脑。有没有人见过一个自学习、自开发的神经网络的体面实现？

我有一个奇怪的问题。谁能告诉我在哪里可以找到有关的信息，或者给我一些关于使用使用爬山方法的最短路径算法的介绍？我了解两者的基础知识，但我无法将两者放在一起。Wikipedia 有一个有趣的部分是关于通过爬山解决旅行销售人员的问题，但没有提供更深入的解释来说明如何准确地解决这个问题。

例如，爬山可以应用于旅行商问题。很容易找到访问所有城市的解决方案，但与最佳解决方案相比会很差。该算法从这样一个解决方案开始，并对其进行了一些小改进，例如切换访问两个城市的顺序。最终，获得了更好的路线。

据我了解，您应该选择任何路径，然后遍历它并在此过程中进行优化。例如，返回并从起始节点选择不同的链接并检查是否提供了更短的路径。

对不起-我没有说得很清楚。我了解如何将这个想法应用于旅行推销员。我想在最短距离算法上使用它。

我正在研究专家系统- 只是想知道是否有任何好的引擎（商业或开放）可用于促进自定义专家系统的开发（而不是从头开始构建整个事物）。

由 20 个问题组成的简单在线游戏，由极其准确的 AI 提供支持。

他们怎么猜得这么好？