← 返回真实案例库
CASE FILE / 机器人
我越来越认为未来的软件将将控制流代码与用于“模糊”判断的小型神经程序相结合
我越来越认为未来的软件将将控制流代码与用于“模糊”判断的小型神经程序相结合。 这就是我一直在用ProgramAsWeights探索的内容，它回答了这些神经程序来自哪里的问题：它们是从英语描述中“编译”的。 例如，我将30个神经程序与决策树结合起来，构建了一个课程网站助手，它看起来像聊天机器人，但在本地运行。每个小程序都会处理诸如“这应该被路由到哪个专业回答者”这样的问题，代码控制整个流程。 您可以在这里尝试使用它进行构建：
● ● ●CASE FILEGUIDE
Yuntian Deng · @yuntiandeng
案例拆解
我越来越认为未来的软件将将控制流代码与用于“模糊”判断的小型神经程序相结合。 这就是我一直在用ProgramAsWeights探索的内容，它回答了这些神经程序来自哪里的问题：它们是从英语描述中“编译”的。 例如，我将30个神经程序与决策树结合起来，构建了一个课程网站助手，它看起来像聊天机器人，但在本地运行。每个小程序都会处理诸如“这应该被路由到哪个专业回答者”这样的问题，代码控制整个流程。 您可以在这里尝试使用它进行构建： https://t.co/Bwgcn362bc
阅读 13,482喜欢 171转发 21
原帖内容
I increasingly think future software will combine code for control flow with small neural programs for "fuzzy" judgments. That's what I've been exploring with ProgramAsWeights, which answers the question of where those neural programs come from: they are "compiled" from English descriptions. For example, I combined 30 neural programs with a decision tree to build a course website helper that looks like a chatbot but runs locally. Each small program handles a question like "Which specialist answerer should this be routed to", and code controls the overall flow. You can try building with it here: https://t.co/Bwgcn362bc
这个案例说明了什么？
- 把感知状态交给 JEV 做实时离散决策
- 用概率决定继续自主执行还是停下来
- 回看原帖里的仿真或真机演示