Notice bibliographique
Résumé
Kunstig intelligens er ikke blot én bestemt teori, teknik eller metode, men dækker over en lang række forskellige teknikker til at simulere aspekter af menneskelig kognition på en computer. Forskelligheden i teknikkerne dækker blandt andet over, at de forsøger at efterligne forskellige typer af intelligens, fx sproglig, social eller logisk intelligens. Forskelligheden dækker også over, at vi forsøger at efterligne intelligens på forskellige abstraktionsniveauer gående fra direkte forsøg på at efterligne de atomare neurologiske processer i hjernen helt op til meget abstrakte modeller af vores bevidste, sproglige og logiske tænkning. Fælles for alle teknikkerne er, at det handler om at skabe matematiske modeller af aspekter af kognition, og at få computere til at regne på disse modeller. Desuden handler det om at få kunstig intelligens-systemerne til selv at skabe modeller af deres omverden, som de kan bruge til at ræsonnere om denne omverden. I denne artikel vil vi først give en introduktion til kunstig intelligens og de forskellige hovedparadigmer indenfor området. Dernæst vil vi gå lidt mere i detaljen med, hvordan logiske modeller kan bruges til at skabe ræsonnerende robotter.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,011 | 0,009 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,035 | 0,014 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».