计算机伦理作业2023

文章探讨了强力法和训练法在AI中的应用,强调了两者结合的必要性和优势,例如在AlphaGoZero中的成功。同时指出了AI可能带来的不确定性,如自主武器的风险,以及提出了使用AI解决全球变暖问题的方案,如利用藻类和AI创建的生物反应器来吸收碳。
摘要由CSDN通过智能技术生成

 

1.强力法和训练法各有什么优缺点?分别适用于什么应用场景?它们的结合有什么必要性和优势?

强力法:

优势:具有可解释性,领域定律为解释奠定了基础

缺点:缺乏知识库正确性标准。存在脆弱性问题。

场景适用:第一,该场景的设计规范可以用有限多个确定的要素来描述;第二,这些要素共同遵循一组领域定律,并可以用AI模型充分表达;第三,相对于该场景的设计规范,上述AI模型的预测与实际情况足够接近

训练法:

优势:不具有可解释性

缺点:缺乏可解释性 (黑匣子)训练法仍然没有消除脆弱性

场景适用:第一,存在一套完整、确定的设计和评价准则,能反映该场景的设计规范;第二,存在一个有限确定的代表性数据集,其中的数据能够反映该场景的所有其他数据;第三,存在一个ANN和监督学习方法,训练完成后&#x

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值