Video Games Are Bad Essay
video games are bad essay
Intelligence Artificielle
AI est la science des machines de fabrication de faire des choses qui requièrent de l'intelligence si elle est faite par les hommes. Inclus raisonnement, d'apprentissage, la planification, la reconnaissance vocale, la vision et la compréhension du langage. Ces machines sont utilisées aujourd'hui dans une grande variété de applications comme le contrôle de la fraude par carte de crédit, prendre des décisions indépendantes sur les missions spatiales à la recherche d'attaques de pirates dans le réseau, aéronefs résoudre, ce qui permet interfaces de langage entre les humains et les machines, et en faisant un des personnages de jeux vidéo se comportent de façon similaire aux humains.
Le thème fédérateur est l'idée principale d'un agent intelligent. IA est définie comme l'étude des opérateurs qui ont des perceptions de l'environnement et prendre des mesures. Chaque agent met en œuvre une telle fonction qui percept séquences d'actions, et se rapportent à différentes façons de représenter ces fonctions, tels que les planificateurs de libération conditionnelle en temps réel, réseaux de neurones, et la prise de la théorie des systèmes. Nous essayons de robotique et de vision qui se produisent dans le service de la réalisation des objectifs.
Eliza, le programme a été capable de converser sur un sujet, car ils stockent les informations fournies dans les banques de données.
Mots-clés: test de Turing – Les agents intelligents – Réseaux de Neurones – la programmation génétique – Planification – Fuzzy Logic – Robotique – Pattern Recognition – traitement du langage naturel – Vidéo clip – - Deep blue Eliza.
Index:
Introduction
Test de Turing
Classification
Les agents intelligents
Ce qui appartient à la grippe aviaire?
Applications
Echecs et AI
Vs Team. Human Brain
Fuzzy-Logic et AI
Eliza
Conclusion (AI présents et l'avenir)
Références
1. Introduction
Après la Seconde Guerre mondiale un certain nombre de personnes ont commencé à travailler indépendamment de machines intelligentes. Le mathématicien anglais Alan Turing a donné une conférence à ce sujet en 1947. Je comparerais les tentatives de créer AI avec des tentatives historique de l'homme au vol.
2. Test de Turing (article de Computational Intelligence: 1950)
Il a fait valoir que si la machine succès peut prétendre l'être humain à un observateur averti, il est certain que vous devez penser à puce. Le téléspectateur peut interagir avec la machine et un être humain par téléscripteur (Pour éviter d'imposer la machine à imiter l'aspect ou la voix de la personne), et l'homme tente de convaincre l'observateur qu'il était l'homme et la machine essaie de tromper l'observateur.
3. Classification
Il s'agit d'une discipline à deux volets: la science et l'ingénierie. Chapitre scientifique cherche à comprendre les exigences de, et les mécanismes, les différents types d'intelligence chez les humains, les animaux et les machines de traitement de l'information et de robots. Ingénierie chapitre Les tentatives visant à appliquer des connaissances utiles dans la conception de nouveaux types de machines et nous aide à mieux répondre à l'intelligence naturelle, par exemple, en matière d'éducation et de la thérapie.
La théorie de bas en haut que le meilleur moyen de parvenir à l'intelligence artificielle est de construire des répliques électronique de réseau complexe du cerveau humain de neurones, alors que que l'approche top-down tente d'imiter le comportement du cerveau avec des programmes informatiques. En outre, il ya une différence entre système d'intelligence artificielle et la simulation d'un programme basé sur les données de grande taille. Cette question est examinée plus loin dans le thème du jeu d'échecs AI.
4. Agents intelligents
Un agent est tout ce qui peut être considérée comme la perception de son environnement grâce à des capteurs et d'agir sur cet environnement par les actionneurs. séquence de perceptions d'un agent est l'histoire complète de tout reçues par l'agent.
Un agent rationnel est celui qui fait la bonne chose. Une mesure de la performance est le critère de réussite d'un comportement un agent. Lorsqu'un agent est tombé dans un environnement, génère une séquence d'actions selon les perceptions qu'il reçoit.
La nature de l'environnement
Spécifiez l'environnement (PEAS – Performance, de l'Environnement, actionneurs, capteurs) dans la section environnement de travail que le Groupe de mesure de la performance, l'environnement, agent et des actionneurs et des capteurs.
Par exemple, un chauffeur de taxi automatisé.
Type Performance Agent
Des capteurs mesurent l'environnement Actionneurs
Le pilote Secure, rapide, Voyage juridiques, confortable, de maximiser la route, la circulation, les piétons, les clients de la direction, l'accélération, freins, signal, corne, caméras affichage, sonar, compteur de vitesse, capteurs moteur GPS, compteur kilométrique, accéléromètre,, clavier
Il est préférable de concevoir des mesures du rendement en fonction de ce que vous voulez dans l'environnement, et non pas en fonction de comment vous pensez que l'agent doit se comporter
Plus précisément, L'apprentissage de la capacité à être autonome, orientée vers un but, et hautement adaptable:
Autonome – L'apprentissage se fait de manière automatique, par le biais interaction exposition aux données des sens (non surveillée), et à travers les deux sens avec l'environnement, y compris l'exploration / expérimentation (Auto-surveillance).
Dirigé par des objectifs – L'apprentissage est réalisé (autonome) pour atteindre divers objectifs et les sous-objectifs nouveaux et – si «câblé "Indique l'extérieur, ou auto-générés. Meta-directivité implique aussi l'apprentissage très sélective et d'acquisition de données (dans une masse de données riches, le bruit, environnement complexe).
Adaptive – L'apprentissage est cumulatif, d'intégration, contextuelle et s'adapte à l'évolution des objectifs et des environnements. de remise en forme générale ne rend pas seulement contre les changements graduels, mais aussi de graines et de faciliter l'acquisition de compétences tout à fait nouveau.
5. Ce qui appartient à l'intelligence artificielle
Réseaux de neurones
Réseaux de neurones artificiels, souvent appelé simplement «réseaux de neurones (NN), sont calqués sur le cerveau humain. La structure interne du réseau, comprenant un petit nombre de neurones artificiels, implique que l'information acquise n'est pas parfait. Les réseaux de neurones ont été utilisés avec succès dans la reconnaissance des formes visuels, y compris les visages humains et des composants industriels complexes peuvent être différenciés. Les réseaux de neurones ont été utilisés dans le système de reconnaissance vocale pour déchiffrer les techniques son language.The est celle d'un réseau hautement parallèles des éléments de traitement simple. Chaque élément a certaines similitudes avec les cellules nerveuses des animaux ou dans le cerveau appelé neurones
La programmation génétique
programmation génétique est un excellent moyen de l'élaboration d'algorithmes que la carte de données à un résultat déterminé quand on sait pas de formule fixe. Les mathématiciens et programmeurs en général trouver des algorithmes pour résoudre un problème avec 5 ou plusieurs variables, mais quand le problème s'aggrave à 10, 20, 50 variables, le problème devient presque insoluble. En bref, comment un programme de travaux est que le pouvoir GP d'une série d'arbres aléatoires expression généré est généré, représentant diverses formules. Ces arbres sont les résultats des tests par rapport aux données, les pauvres mis au rebut, et maintenu de bonnes reproduire. Mutation, croisement, et tous les éléments dans les algorithmes génétiques sont utilisés pour élever le plus grand arbre-aptitude "pour le problème donné. Plus cas, cette parfaite adéquation avec les variables de réponse, parfois, il génère une réponse très proche de la réponse souhaitée.
Planification, la conception la solution des problèmes, automatiquement:
Planification consiste à trouver une séquence d'actions qui peuvent conduire à l'état actuel, l'objectif de l'Etat. Depuis un problème complexe et un ensemble de ressources, les contraintes et les critères d'évaluation pour créer une solution qui satisfait les limites et le fait bien et est optimale en fonction les critères, ou si elle ne peut offrir des solutions de rechange bonne.
Machine Learning
L'apprentissage machine est de plus en de plus en plus populaires, et tout aussi important. Les gens réalisent qu'il est théoriquement beaucoup plus facile d'obtenir une machine à apprendre certains faits, au lieu de de passer du temps d'enseignement explicite. La qualité de l'algorithme d'apprentissage est, bien sûr, un facteur important!
de satisfaction de contraintes
Ici, le problème est modélisée comme un ensemble de variables qui peuvent être attribuées des valeurs particulières. Différents types de contraintes sont la définition de ces variables (l'égalité, limites numériques), pour spécifier les exigences pour le problème. La recherche est alors effectuée sur les variables, afin de trouver des solutions possibles. Il ya beaucoup de trucs intelligents concernées de résoudre en partie les limites pour guider la recherche plus efficace (c'est ce qu'on appelle une recherche heuristique). L' problèmes résolus peut aussi être une optimisation combinatoire, où une solution particulière est une meilleure valeur que l'autre, et le meilleur doit être trouvé. La classe des problèmes sont souvent résolus est NP-complet, où la complexité augmente de façon exponentielle avec l'augmentation la taille du problème linéaire.
Recherche et optimisation
Il de nombreux types de recherches, le plus simple des tests qui impliquent toutes les solutions dans un ordre particulier. L'ensemble des solutions possibles est appelé espace de recherche.
Arbre de décision d'apprentissage
Un arbre de décision est une structure qui permet l'apprentissage des opinions (par exemple, bon ou mauvais) sur les objets en fonction de leurs attributs (longueur, couleur …). Prenant en compte un certain nombre d'exemples, l'algorithme d'apprentissage peut construire un arbre de décision qui capable de classer de nouveaux exemples. Si de nouveaux échantillons sont manipulés correctement, rien n'est fait. Sinon, la structure de l'arbre a été modifié afin de corriger les résultats montré. Le défi est d'obtenir l'algorithme de bien performer dans des ensembles de données très volumineux, gestion des erreurs dans les paramètres (bruit), et de déterminer le réglage optimal arbre pour les données de formation et d'essai.
Data Mining
C'est le processus d'extraction des règles utiles à partir d'ensembles de données très volumineux. L'exploration de données est un terme utilisé pour décrire le processus par lequel des outils logiciels pour examiner une société de base de données pour trouver l'information paramètre de connectivité peut être complexe. Cette information est généralement inaccessible aux experts de l'homme en raison de l'énorme quantité de données et le test combinatoire, ce qui être effectuée. Un exemple simple pourrait être une base de données des produits de la société et les paramètres qui décrivent leur applicabilité aux différents secteurs du marché.
Réseaux Bayésiens
Modèle bayésien réseaux de la relation entre les variables. C'est ce qu'on appelle la dépendance conditionnelle: un état d'une variable peut dépendre de beaucoup d'autres. Cela peut être représenté par un graphe, et il ya un algorithme intelligent pour estimer la probabilité des événements donnée l'inconnu connaissances existantes. Certes, une plainte commune contre Cette approche porte sur la conception, mais peut être très fastidieux de modéliser ces réseaux. En tant que tel, l'apprentissage et la structure d'inférence entre les variables semble être une option attrayante.
Artificial Life
Artificial Life (A-Life) est l'étude des systèmes artificiels ou de l'ordinateur, que la vie présente comme le comportement. Des simulations sur ordinateur des individus ou des populations d'agents peuvent être utilisés pour étudier de nombreuses propriétés des systèmes vivants. Dans certains cas, les agents Les mécaniciens ont intégré les fonctionnalités de base pour interagir avec des environnements réels. Il s'agit d'une intelligence artificielle très populaire, qui consiste à modéliser et qui imitent les systèmes vivants. Cela inclut les nids, les nids de guêpes, les grandes forêts, villages et villes. À ce jour, des systèmes très complexes et intéressants ont été créés par une multitude d'entités très simple. Par exemple, beaucoup de fourmis programmé par de très petits programmes potentiellement créer un système complet de signes d'intelligence émergents.
6. Applications
Robotique
Le principal aspect de la robotique d'aujourd'hui est la mobilité. Cela peut se faire par l'apprentissage de la tâche dans une simulation virtuelle, et puis l'appliquer à un robot réel. Si les conditions spécifiques de la formation sont respectées, le problème a une forte probabilité de la vie active en temps réel, mais ce n'est pas une garantie. Dans la pratique, le déplacement des bras robotiques, le bras a peu de chance de mouvement: l'épaule permet des rotations autour de deux axes, et le coude permet également deux rotations de la base. Chacune de ces possibilités est appelé un degré de liberté. Habituellement, un conducteur est affecté pour assurer le mouvement d'un DOF. La tâche est d'apprendre la combinaison optimale des conducteurs, qui peuvent coopérer avec succès pour effectuer une tâche donnée.
Pattern Recognition
reconnaissance de formes est pour déterminer les caractéristiques des échantillons spécifiques et les disposer dans des classes, un processus appelé classification. Cela se fait généralement avec des techniques d'apprentissage machine, permettant au système de s'adapter aux données qui lui sont données. Elle peut être appliquée à la détection d'un seul mot dans le discours, la reconnaissance vocale, la classification d'objets analysé par type et le filtrage des images indésirables (parmi beaucoup d'autres). Dans la pratique, une façon de le faire est de représenter l'échantillon comme un ensemble de fonctionnalités (Par exemple, pour le son: hauteur, intensité, timbre, douceur). Un ensemble de formation est créé: c'est, une série d'échantillons dont le résultat est connu (par exemple pour la reconnaissance des visages: Fred a les yeux verts et cheveux bruns, Henry a les yeux bleus et cheveux blonds). Le mécanisme d'apprentissage peuvent apprendre à associer les caractéristiques des types connus de son ou d'image. En termes de représentation, des échantillons plus ou moins sont nécessaires. Avec les représentations symboliques, un petit nombre de exemples sont habituellement exigés, alors que pour diffuser l'apprentissage (par exemple les réseaux de neurones) ensembles d'apprentissage plus importantes sont nécessaires.
Traitement en langage naturel
Il comprend la production et l'interprétation de la langue parlée et écrite, qu'elle soit écrite, imprimée ou électronique dans tous les (e-mail par exemple). Une des premières approches était symbolique, l'attribution de la signification sémantique de chaque mot (verbe, nom, adjectif). La structure de base des peines valide doit être définie manuellement, et la recherche est effectuée en fonction du modèle avec la peine actuelle. A beaucoup de temps pour être utilisé pour résoudre les phrases ambiguës, et d'obtenir de la personne et les temps des verbes match. Si le développeur passe beaucoup de temps à créer des modèles ci-dessus, les résultats serait tout à fait encourageants. Mais cette tâche monotone doit être répété la condamnation de nouveaux bâtiments et de nouvelles langues ensemble.
Une approche très récente est l'utilisation L'analyse statistique du texte. En essence, la grande majorité des livres sont traitées et des algorithmes d'apprentissage pour tenter d'extraire les règles et les modèles. Cela nécessite une plus intelligent, ayant plus de temps pour la conception, mais les résultats dans un plus souple.
Marcos
La méthode utilisée pour représenter de nombreux programmes connaissances sont des cadres. Démarré par Marvin Minsky, la théorie de trame tourne autour des paquets d'information. Par exemple, dire que la situation a été une fête d'anniversaire. Un ordinateur pourrait appeler votre cadre d'anniversaire, et l'utilisation des informations contenues dans la trame, d'appliquer à la situation. L'équipe sait que ce n'est généralement pas du gâteau et présente en raison des informations contenues dans le cadre de la connaissance. Mark a également peuvent se chevaucher, ou qui contiennent des sous-parcelles. L'utilisation d'images permet également à l'ordinateur ajouter des connaissances. Bien que n'étant pas acceptée par tous les développeurs AI, les cadres ont été utilisés dans les programmes de la compréhension, tels que Sam.
Amnesty la médecine internationale, y compris l'interprétation de l'imagerie médicale, de diagnostic, systèmes experts pour aider les médecins, le suivi et le contrôle unités de soins intensifs, la conception de la prothèse, la conception de médicaments, les systèmes intelligents de tutorat pour les divers aspects de la médecine.
IA dans de nombreux aspects de l'ingénierie: diagnostic de pannes, de contrôle intelligent, systèmes de fabrication intelligents, aide à la conception intelligente, intégrée des ventes de systèmes, conception, production, maintenance, outils de configuration avancée (par exemple, assurer le personnel de vente ne vend pas de système fonctionne pas.) AI en génie logiciel comprend des travaux sur la synthèse de programme, la vérification, le débogage, les tests et le suivi programmes.
AI dans l'éducation: y compris divers types de systèmes intelligents de tutorat et de gestion des étudiants. Applications les individus peuvent comprendre le diagnostic des lacunes dans les connaissances d'un étudiant, plusieurs types d'exercices et les tuteurs des exercices, des tâches de programmation autodial et des essais, etc
AI en matière de divertissement: Amnesty International est de plus en plus utilisé dans les jeux informatiques et de la production et les systèmes de contrôle personnages de synthèse d'interagir soit textuelle ou la production de films avec des personnages de dessins animés ou des avatars dans des mondes virtuels interactifs.
Amnesty International en biologie: il ya beaucoup de problèmes difficiles en biologie, où plus ou moins systèmes informatiques intelligents sont en cours d'élaboration Par exemple, l'analyse d'ADN, prédire la structure repliée de molécules complexes, la prévision, la modélisation des processus biologiques, l'évolution, développement de l'embryon, le comportement des organismes différents.
Architecture, design urbain, la gestion du trafic: des outils pour aider à résoudre problèmes de conception impliquant de multiples contraintes, aider à prédire le comportement des gens dans de nouveaux environnements, des outils pour analyser les tendances des phénomènes observées.
Littérature, art et musique: l'identification des auteurs, la modélisation de la génération et la reconnaissance, les applications de l'éducation.
Prévention du crime et de détection: par exemple, détection des faux documents, apprendre à détecter les signes de policiers corrompus, à surveiller les logiciels transactions sur Internet, en aidant à planifier les opérations de police, des bases de données de la police à la recherche de preuves que des crimes sont commis par la même personne, etc
Espace: le contrôle des véhicules spatiaux et des robots autonomes trop loin de la terre pour être manipulé directement par les humains sur la terre, en raison de retards dans la transmission.
Les activités militaires: Plusieurs paradigmes de la grippe aviaire ont été appliquées avec succès dans l'armée. Par exemple, une évaluation environnementale (Evolutionary Algorithm) pour développer des algorithmes de détection des cibles radar proposé et FLIR, ou réseaux de neurones de différencier entre l'exploration de données et de rochers comme un sonar sous-marin.
7. Echecs et AI
Deep Blue ne pas utiliser AI. Alors, comment est l'AI – liée bleu profond?
logiciels de jeux à base de Amnesty International jouer combiner l'intelligence avec le divertissement. programmes de champion mondial d'échecs peut voir les vingt dernières se déplace à l'avance pour chaque coup qu'ils font. En outre, programmes ont la capacité d'obtenir améliore progressably au fil du temps en raison de la capacité d'apprendre. programmes d'échecs ne joue pas aux échecs comme les humains. En trois minutes, Deep Thought (un programme de master) estime 126 000 000 mouvements, tandis que l'homme estime que Chessmaster moyenne moins de 2 coups. La prochaine étape de recherche exhaustive dans tous les mouvements, et les conséquences des mouvements sur la base des acquis. programmes d'échecs, en cours d'exécution sur les ordinateurs Cray super ont obtenu un score de 2600 (maître principal) dans la gamme de Gary Kasparov, champion du monde en provenance de Russie.
DEEP BLUE: En premier lieu, cette année Deep Blue fonctionnant sur un système plus rapide – la dernière version de la DP – qui utilise 30 P2SC ou l'alimentation de deux processeurs à puce Super. L'an dernier, Deep Blue moyenne de 100 millions de positions d'échecs par seconde. Cette année, Deep Blue travaillera sur deux fois plus rapide – qui est, 200 millions de positions d'échecs seconde. Soit dit en passant, Garry Kasparov peut évaluer à environ trois positions par seconde.
8. La logique floue et de l'IA
On dit souvent que les ordinateurs sont très logiques et ne peut traiter que vrai ou faux, oui ou non, etc Toutefois, la logique floue permet à un ordinateur pour faire face dans la vie quotidienne de l'homme et en fait termes de processus comme c'est probable, peu probable, à proximité etc conditions peut prendre sa place dans les calculs, ce qui permet à l'équipe d'obtenir des résultats tangibles entrées fuzzy. Un autre type d'information floue est stocké dans les réseaux de neurones célèbre. Ceci est connu comme un neuro-flous. L'information contenue dans un réseau de neurones artificiels souvent imprécis en raison de la connexion pondérée entre les neurones (synapses appelé).
Fuzzy représentations ont gagné en popularité, en raison de l'augmentation des possibilités ordinateurs, le pouvoir en général plus de traitement nécessaires à la création de telles normes, et son interprétation générale, il nécessite également un peu plus de temps. Langues préférée pour ce type de représentation sont généralement de procédure et de C, C + + ou Pascal.
9. Brain vs Team
Une collection de cellules simples peuvent conduire à une réflexion, d'action et de conscience ou, en d'autres termes, que le cerveau cause l'esprit. Même la pensée d'une équipe est d'un million de fois plus rapide la vitesse de commutation premières, le cerveau se révèle être 100.000 fois plus vite à ce qu'il fait.
Brain Computer Human
Ordinateurs unités CPU 1, 108 neurones portes 1011
Unités de RAM 1010 BITS 1011 neurones
1011 1014 bits disque synapses
9,10 sec du temps de cycle 3,10 sec
Bande passante: 1010 bits / sec 1014 bits / sec
/ Sec 109 1014 mises à jour de mémoire
10. ELIZA
Eliza, Joseph Wiezbaum résultat d'essayer de faire un talk-show Les Anglais surpris quand il est apparu à la mi-1960. Le programme a été capable de converser sur un sujet, car ils stockent les informations fournies dans les banques de données. Une autre caractéristique est sa capacité Eliza a ramassé modes d'expression
Conclusions:
Enfin, nous trouvons beaucoup de conclusions en ce qui concerne présent et l'avenir de l'intelligence artificielle. Amnesty International est fascinant, et les ordinateurs intelligents sont nettement plus utiles que des ordinateurs intelligents et à quoi bon? Amnesty International a rendu possible de nouvelles applications comme les systèmes de reconnaissance vocale, les systèmes de contrôle des stocks, des systèmes de surveillance, les bots et les moteurs de recherche.
Enfin, il semble devoir être un succès à grande échelle dans l'intelligence AI-création de l'homme au niveau et au-delà-est changer la vie de la plupart de l'humanité. La nature même de notre travail et le jeu serait altérée, que notre point de vue de l'intelligence, la conscience et le destin futur de la race humaine. A ce niveau, les systèmes d'IA pourrait poser une menace directe pour l'autonomie humaine, la liberté, et même de survie. Après tout le silicium est moins cher que la vie humaine.
En conclusion, nous voyons que Amnesty International a fait de grands progrès dans sa courte histoire, mais l'expression fin de l'essai d'Alan Turing Computing Machinery et de l'intelligence est toujours valable aujourd'hui:
"On peut voir un peu de distance, mais nous ne pouvons voir qu'il reste encore beaucoup à faire. "
.
About the Author
I need help with the conclusion of my essay?
What is a great way t finish an essay about whether video games are good or bad…..and in the essay i try to say that video games are good for children and i have used proof from other Yahoo answers questions!!!
First, you use a transition statement that reflects your thesis. Then, you summarize your main points of persuasion that you discussed through-out the piece. Just remember that the conclusion is the last thing that your reader will read, so it is what they remember the most clearly. So make it very firm and persuasive and really bring your point across. Lastly, create an ending statement that will stick with your reader and that provokes deeper thought.
BEST OF LUCK!!!!
(1/2) “Bad Game, BAD!” – (N64) The Powerpuff Girls: Chemical X-Traction – Bubbles Story Mode
