Suchergebnisse

11 Artikel gefunden.
Trefferliste einschränken
Tags auswählen
Wählen Sie einen oder mehrere tags.
Artikeltyp










Neue Artikel seit



Trefferliste sortieren Relevanz · Datum (neueste zuerst) · alphabetisch
Otto
Existiert in PIK Members Christian Otto
Donges
Existiert in PIK Members Jonathan Donges
Kitzmann
Existiert in PIK Members Niklas Kitzmann
Lüdeke
Existiert in PIK Members Matthias Lüdeke
Otto
Existiert in PIK Members
Willner
Existiert in PIK Members Sven Willner
Lüdeke
Existiert in PIK Members
Quante
Existiert in PIK Members Lennart Quante
Kubiczek
Existiert in PIK Members Patryk Kubiczek
Neue Methode zum besseren Verständnis selbstlernender Künstlicher Intelligenz
11.04.2019 - Jüngste Fortschritte in der Forschung der Künstlichen Intelligenz (KI) resultieren aus der Kombination von tiefen neuronalen Netzwerken und dem verstärkenden Lernen (reinforcement learning). In letzterem Fall sind die Agenten in der Lage, durch einen iterativen Versuch-und-Irrtum-Prozess ihr Verhalten anzupassen und lohnende Verhaltensweisen in unbekannten Umgebungen zu erlernen. Aber dieser Prozess ist noch nicht vollständig verstanden. Das Verstärkende Lernen ist ein spezifischer Bereich der KI. Da KI einen großen Einfluss auf die Gesellschaft haben kann, ist ein besseres Verständnis der KI-Systeme entscheidend, um potenzielle Herausforderungen und Risiken einzuschätzen. Schon heute wird die KI eingesetzt, um Autos zu steuern, Produktionslinien zu verwalten oder sogar Texte zu verfassen. Ein Team von Wissenschaftlern des Potsdam-Instituts für Klimafolgenforschung hat eine neue Methode entwickelt, um diese Algorithmen zu untersuchen unter Verwendung von Erkenntnissen aus der statistischen Physik. Ihre Ergebnisse, die in der Zeitschrift Physical Reviews E veröffentlicht worden sind, können dazu beitragen, das Design groß angelegter KI-Systeme des verstärkenden Lernens zu verbessern.
Existiert in Aktuelles Nachrichten