推 jsbjgk:push ... 08/24 13:27
推 Wolfram:太強，我看不懂... 08/25 10:26
推 cplusplus:搜尋的空間也太大了吧 XD 08/26 14:34
※ 引述《reader (讀者)》之銘言：
: 標題: Re: [News] 世界著名人工智能專家在漢研制新人工腦
: 時間: Wed Aug 23 18:38:04 2006
:
: ※ 引述《haryewkun (Har)》之銘言：
: : 反過來說，這句話，對於你的立論也一樣。
: : 你也不能夠通過粗糙的利益分析，去斷定人類必然有方法，可以在那個時候來臨
: : 之前，就會召開國際會議協商，封鎖技術，排除所有的危險性。
: : 過度相信“船到橋頭自然直”，其實就是一種樂觀主義。
:
: 這太過搞不清楚狀況了，你提的是一個必然性的情況，只要有任何其他可能的
: 狀況，你的立論就完蛋了。
:
: 你去說別人的說法「未必」會發生，根本就不能解決你立論的問題。虧你還提
: 什麼可證偽性，若你不能破除最樂觀的假設，你就是錯的。
:
: 該提出嚴格推論和證據資料的是你，不是任何其他人。
:
: 本來我還不想脫離本板的討論主題太遠，還有點興緻說人工智慧和萬能機器的
: 事情，現在就真的覺得沒有意思了。
:
:
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc)
: ◆ From: 61.222.173.30
: 推 jeunder:別這樣嘛, 聊聊機器(程式)如何製造(演化)機器(程式)... 08/23 21:32
如果是演化的話, 我看過幾篇用GA/GP 演化程式的論文,
主要的概念是, 將程式碼的先規劃成一個一個instruction,
然後GA/GP的chromosome就是這些instruction的排列,
假設fitness的值是MSE之類的就可以了,
將這些chromosome進行交配與突變, 會產生新的程式碼,
再用這些程式碼去進行fitness運算,
最後得出符合需求的chromosome.
用例子講比較好講 XD
假設現在我們想求出能加總的程式, 像是
1 int goal(int n){
2 int i,sum=0;
3 for(i=0;i<n;i++)
4 sum=sum+i;
5 return sum;
6 }
我們要求的只是第3行到第4行, 因為為了簡化複雜性,
宣告跟return這種與演算法較無關係的, 可以直接給定。
所以現在定義
instruction set={A op B;, for(A = B; A comp C; A = D);}
A屬於terminal set,
B, C, D屬於terminal set 或 constant set 或 instruction set
terminal set={sum, i, n}
op set={+, -, *, /, =}
comp set={>=,<=,>,<,==}
constant set={0,1}
然後random 產生可能解, 例如一號個體:
for(sum=i;sum>sum;sum=1)
i-i;
i+0;
二號:
for(i=0;i>n;sum=sum+1)
n+0;
三號:
for(sum=0;i==i;i=n*0)
for(i=i;i<i;i=i/i)
一看就知道是錯的, 但是因為我們有限制instruction的形式,
而且在random產生個體時加入限制, 可以避免出現 0=0 或 sum-sum+sum-sum 這種東西,
即使出現, 也可以在計算fitness時發現, 並給予其一個無限大的fitness值。
三號那種其實可以在instruction set中做調整來避免其出現, 但是這裡先拿來做例子。
然後一直交配, 突變, 複製,
可能就會出現
for(i=0;i<n;i=i+1)
sum=sum+i;
這種個體, 而其MSE將會是0, 於是我們就得到結果了。
下面這篇paper可以參考一下,
IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, VOL. 5, NO. 1, FEBRUARY 2001
A Comparison of Linear Genetic Programming and Neural Networks in Medical
Data Mining
Markus Brameier and Wolfgang Banzhaf
Banzhaf寫的Genetic programming: an introduction值得GP入門者一讀。
提出Genetic programming的John Koza有幾個專利,
是用GP去產生更好的IC Layout, 這也算是某一種的程式產生程式。
在I, Robot中有提到類似的概念, 不過仔細想一想就會覺得,
以可能的程式碼做為搜尋空間實在太龐大了,
以上述的例子來看, A op B 有許多種可能的排列, 而那個例子已經是簡化過的了。
要在可以接受的時間內得到答案, 就要給予更多的限制。
然而更多的限制也讓得到最佳解的可能性受限了, 更何況在沒有prior knowledge時,
要下限制也無從下起。
還有就是之前有版友提過的, fitness不容易設計,
因為在沒有目標的情況下, 沒辦法評估改變是好還是壞。
大概就是這樣吧～
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 70.171.224.50