Saya selalu tertarik dengan pembelajaran mesin, tetapi saya tidak dapat menemukan satu hal tentang memulai dengan contoh sederhana "Hello World" - bagaimana saya bisa menghindari perilaku hard-coding?
Misalnya, jika saya ingin "mengajar" bot bagaimana cara menghindari rintangan yang ditempatkan secara acak, saya tidak bisa hanya menggunakan gerakan relatif, karena hambatan bergerak, tetapi saya tidak ingin kode keras, katakanlah, jarak, karena itu menghancurkan seluruh titik pembelajaran mesin.
Jelas, secara acak menghasilkan kode tidak praktis, jadi bagaimana saya bisa melakukan ini?
machine-learning
Gagang pintu
sumber
sumber
Jawaban:
Tidak yakin apakah ini cocok dengan ruang lingkup SE ini, tapi tetap saja ini merupakan jawaban.
Dengan semua pendekatan AI Anda harus memutuskan apa yang Anda modelkan dan ketidakpastian seperti apa yang ada. Setelah Anda memilih kerangka kerja yang memungkinkan pemodelan situasi Anda, Anda kemudian melihat elemen mana yang "diperbaiki" dan mana yang fleksibel. Sebagai contoh, model ini memungkinkan Anda untuk menentukan struktur jaringan Anda sendiri (atau bahkan mempelajarinya) dengan kendala tertentu. Anda harus memutuskan apakah fleksibilitas ini cukup untuk tujuan Anda. Kemudian dalam struktur jaringan tertentu, Anda dapat mempelajari parameter yang diberikan dataset pelatihan tertentu.
Anda jarang perilaku hard-code dalam solusi AI / ML. Ini semua tentang pemodelan situasi yang mendasarinya dan mengakomodasi situasi yang berbeda dengan mengutak-atik elemen model.
Dalam contoh Anda, mungkin Anda mungkin meminta robot mempelajari cara mendeteksi rintangan (dengan menganalisis unsur-unsur di lingkungan), atau Anda mungkin memilikinya melacak di mana hambatan itu dan ke mana mereka bergerak.
sumber