Dojo
话题
新佳
订阅
极道
元认知
元逻辑
元设计
元编程
元语言
符号推理与形式逻辑
沙雕:万物在上下文中发生关系
一切都是相关的 相对的关键在于上下文context矛盾?我们只注意矛与盾两个相对方,但是忽视了它们发生关系的上下文场景。阴阳?只注意阴和阳,忽视了阴阳相生的上下文。一分为二,或者矛盾的统一体 等概念都让我们忽视了背后的上下文
ChatGPT奥特曼:将AI算力作为股权送给老百姓
奥特曼表示,应该有通用基本计算,而不是通用基本收入UBI,每个人都能获得 GPT-7 计算的一部分。 OpenAI 首席执行官山姆-奥特曼(Sam Altman)提出了一种替代传统全民基本收入(UBI)的方案,即人们将获得通过人工智能和自动化创造财
使用大模型Transformer提升商品推荐的用户体验
ASOS人工智能团队是一个由机器学习工程师和科学家、数据科学家和产品经理组成的跨职能团队,利用机器学习来改善客户体验、提高零售效率并推动增长。 banq注:在讨论
用形而上学进行领域建模
原文:蛋白酥皮哲学:讨论了形而上学的领域建模,强调了将代码实体与领域模型实体对齐的重要性。作者主
符号推理:Drools规则引擎 + LangChain4j大模型演示
混合推理,也称为神经符号人工智能,是一种将机器学习和符号推理相结合的人工智能,旨在实现互补,弥补前者的不足,如可靠性、可重复性和透明度的不足。 该项目的主要思想是通过简单但引人注目的例子展示混合推理,特别是如何将 LLM 与规则引擎相结合,允许在不
AI先驱者丹尼尔·丹尼特去世
塔夫茨大学哲学教授与认知科学研究中心主任丹尼尔·丹尼特(Daniel Dennett)去世(1942-2024),他因其在心灵哲学和其他广泛哲学领域的工作而闻名。 丹尼尔·丹尼特涉及与心灵哲学和认知科学有关的问题,尤其是意识问题。他还被公认为对意向
编程语言中表达式更优于语句
表达式应该优于语句:这才是编程语言设计的更简单方式!有些编程语言(如 Lisp 和 OCaml)只有返回值的表达式,而其他编程语言(如 Java 和 Python)既有表达式,也有不带返回值的语句。
数学是结构,不是数字!
这篇文章是关于数学哲学中的结构主义的深入探讨,它摘录自2021年由麻省理工学院出版社出版的《数学哲学讲座》一书。这本书是在牛津大学进行的数学哲学系列讲座的基础上编写的,它从数学的角度出发,自然地从数学探究和实践中发展出对数学哲学的介绍。 结构主义可
10款解决数学问题的最佳AI工具
数学对于许多学生来说是令人生畏的。人工智能改变了数学的理解和记忆方式,使其变得更加有趣。您可以了解可轻松解决数学问题的 10 种最佳人工智能工具及其优缺点。 这些工具将增强您的数学能力并帮助您取得优异成绩。无论您是在努力学习新的数学概念还是想在该学科上获得
为什么软件工程师应该学习哲学?
来自哈佛商业评论Marco Argenti文章: 我最近告诉我的大学生女儿:如果你想从事工
黑格尔辩证法与形式逻辑哲学比较
首先,我们比较一下三种逻辑思维:前逻辑思维、形式逻辑和辩证逻辑。 前逻辑思维(Pre-Logic Thought):日常推理与逻辑学家设计的形式逻辑系统之间存在很大差异。日常思维大多是实际的、直观的和情感的,而形式逻辑的思考则需要明确的训练。 形式逻辑(Formal Logi
一对好基友用逻辑拯救世界
沃尔特·皮茨(Walter Pitts,1923-1969):沃尔特·皮茨的一生从无家可归的离家出走者,到麻省理工学院的神经科学先驱,再到孤僻的酒鬼。 麦卡洛克出生于东海岸一个富裕的律师、医生、神学家和工程师家庭,他就读于新泽西州的一所私立男子学院
AI之父:大模型不仅仅是预测下一个符号
Geoffrey Hinton 表示,人工智能语言模型不仅仅是预测下一个符号,它们实际上以与我们相同的方式进行推理和理解,并且随着它们变得更大,它们将继续改进 Ge
蛋白质语言模型综述
蛋白质“语言”很像人类语言。鉴于这些相似之处,研究人员一直在蛋白质序列数据上构建和训练语言模型,复制其他领域的成功经验,具有深远的影响。在这篇文章中, 我将探讨 Transformer 模型如何应用于蛋白质数据以及我们的发现。 蛋白
通用人工智能已经到来
当今最先进的人工智能模型存在许多缺陷,但几十年后,它们将被公认为通用人工智能的第一个真实例子。 什么是通用智能?早期的人工智能系统表现出人工的狭义智能,专注于单一任务,有时执行任务的能力接近或超过人类水平。 20 世纪 70
幽默:交通标志是一种符号和交通语言
第一位超越国际数学奥林匹克金牌得主的人工智能
本文重新审视了奥林匹克级几何中自动化定理证明的挑战,特别关注 IMO-AG-30 基准。作者认为,Wu 的方法是一种代数方法,以前被认为不如 AlphaGeometry 等合成方法有效,但它表现出了令人惊讶的强度,并且与其他技术结合时可以显着提高性能。
开放性对于超人工智能(ASI)至关重要
论文《开放性是超人工智能的关键》指出,开放性是实现超人工智能 (ASI) 的关键属性,开放性被定义为不断产生新颖且可学习行为的能力。关键点如下: 近年来,人工智能系统的通用能力得到了极大的提升,这主要得益于在互联网规模数据上训练基础模型。然而,创造
上页
下页