分割的计算复杂性
本文旨在探讨计算机科学中的计算复杂性问题,提出了智能科学的思路和方法,运用试错和动态搜索的框架将 NP 完备问题 Number Partition Problem 作为案例进行讨论。
Dec, 2022
通过识别认知科学中计算推理的计算方法、数据驱动时代的操作挑战、社会影响和道德准则等方面,平衡潜在的乐观情绪,探索在更实证的视角下进行推理的可行性和可行性,以更多样化和丰富的方法解释研究结果。
Oct, 2022
本文讨论词的子词分割算法在自然语言处理和机器翻译等任务中的应用。虽然这些算法将单词分为形式上相对含义不明确的子词,然而它们在高效的机器翻译系统中发挥着作用。本文探讨这种算法的语言学和哲学学理基础,并试图使人工智能更透明和可解释。
Oct, 2022
我们提出了一项以任务为导向的知识检索研究议程,利用计算模型和人工智能技术,摄取科学知识的典籍,检索灵感、解释、解决方案和证据,直接增强人类在科学领域突出任务上的表现,进而革命性地推动科学进程。
May, 2022
该研究提出了将智能视为计算的特定概念化,旨在为所有智能研究学科提供统一的视角,并解决了现有观点之间的差异。该概念化将智能视为不同范式计算的组合,提出了多学科研究议程,旨在实现智能科学的统一。
May, 2024
论文阐述了计算复杂性理论对于数学知识、强人工智能辩论、计算主义、逻辑无知问题、彭加莫的格鲁谜题、量子力学基础、经济理性、闭合类时曲线等哲学问题的影响,并讨论了计算复杂性理论本身受益于哲学分析的方面。
Aug, 2011
本文在探讨不同模型的可解释性时,提出了一种基于计算复杂度理论的原则性可解释性概念,并证明了线性模型和基于树的模型相对于神经网络更可解释,同时通过参数化复杂度分析,提出了浅层神经网络比深层神经网络更容易解释的理论证据。
Oct, 2020
讨论在计算能力不足时使用替代逼近过程和启发式方法以及使用用户效用结构对推理进行量身定制来平衡部分结果的成本和收益的应用决策理论来解决困难问题的解决方案。
Mar, 2013