Klassieke Lineaire regressie

Een belangrijk onderdeel van AI is het vermogen van computers om onzekerheid om te zetten naar uitspraken die iets meer zekerheid bieden.

Het klassiek algoritme die dat ook doen betreft regressie-analyse. Dit algoritme, in ieder geval ideeën ervan, worden bij veel AI-programmatuur gebruikt. Simple Lineair Regession \begin{align} y_i& = \beta_0 + \beta_1 * x_i + \epsilon_i\\ \widehat y_i& = \hat\beta_0 + \hat\beta_1 * x_i\\ e_i& = y_i - \widehat y_i\\ R&SS = \sum_{i=1}^n (e_i)^2\\ M&inimize_{\beta_0 \beta_1} RSS\\ \end{align}

Minimaliseren, m.a.w. vaststellen wat de beste combinatie van $\beta_0$ en $\beta_1$ is kan op twee manieren:

1. Aflleiden via  normaalvergelijkingen
2. Uitrekenen via gradient-descent algoritme

De zo gevonden combinatie van parameters ( $\beta_0$ en $\beta_1$) zegt op zich niet zoveel. We moeten de analyseren of de gevonden parameters ook breder toe te passen zijn dan alleen op de set waarden waar we de regressie op hebben toegepast.
In statistics and machine learning, the bias–variance tradeoff (or dilemma) is the problem of simultaneously minimizing two sources of error that prevent supervised learning algorithms from generalizing beyond their training set:

The bias is error from erroneous assumptions in the learning algorithm. High bias can cause an algorithm to miss the relevant relations between features and target outputs (underfitting).

The variance is error from sensitivity to small fluctuations in the training set. High variance can cause overfitting: modeling the random noise in the training data, rather than the intended outputs.

Handige linkjes

http://www.deconnectie.com/
https://en.wikipedia.org/wiki/Artificial_general_intelligence
http://kunstmatigeintelligentie.startpagina.nl/

https://en.wikipedia.org/wiki/Artificial_intelligence_in_fiction


https://www.mooc-list.com/tags/machine-learning
https://www.mooc-list.com/tags/artificial-intelligence



http://meta.math.stackexchange.com/questions/5020/mathjax-basic-tutorial-and-quick-reference
When $a \ne 0$, there are two solutions to \(ax^2 + bx + c = 0\) and they are $$x = {-b \pm \sqrt{b^2-4ac} \over 2a}.$$ http://hilite.me/

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

x <- c(1,3,2,5) x y = c(1,4,3) x = c(1,6,2) length(x) length(y) x+y ls() rm(x) ls() rm(list=ls()) ls() ?matrix x=matrix(data=c(1,2,3,4), nrow=2, ncol=2) x sqrt(x) x^2 matrix(c(1,2,3,4),2,2,byrow=TRUE) ls()

Wat is AI?

 AI als imitatiemens
De HAL-9000past hierbij. Uit de boeken van Arthur C. Clarke. HAL staat voor Heuristically   programmed ALgorithmic computer en is een computer die nauw samenwerkt met de bemanning van het ruimteschip Discovery One. HAL communiceert met en reageert op bijna menselijke wijze.
In ieder geval kunnen woorden uit de psychologie zonder al te veel problemen op HAL worden toegepast zoals: HAL is grondig is, HAL is slim, HAl weet veel, HAL kan eigenwijs kan zijn, HAL is  voorzichtig, HAL heeft zelfkennis,

Misschien is dat wel mijn definitie van mijn ideale AI-toepassing. Als een computer/machine  zich zo weet te gedragen dat ik hem als vriend kan zien.

AI als onzekerheidsreduceerder
AI is de verzameling routines die vanuit chaos, kosmos en logos creëren.

Chaos

Being without order (from the ancient Greek khaosmeaning abyss or void)
Stel dat we ons niet konden concentreren, dan zouden alle signalen die via onze zintuigen binnenkrijgen even veel invloed hebben. Ik denk dat we de wereld dan zoals in de tekening hiernaast zouden waarnemen. Een chaos waar we weinig wijs uit kunnen worden.






Cosmos

Ordered being (from the ancient Greek kosmosmeaning an orderly
arrangement
Wanneer we ons wel kunnen concentreren, op een gedeelte van het schilderij of bepaalde kleur bijvoorbeeld, dan ontstaat er een voor en een achtergrond. Dat wat opvalt in de wereld om ons heen is een teken. In deze definitie kan dus alles uit de werkelijkheid als een mogelijk teken worden opgevat. Een teken is dus meer dan alleen letters of cijfers.



Logos
literally, “the word” an account or theory or concept or idea or
reason(here, we use the ancient Greek word without translating it)
Tegelijkertijd met het onderscheiden van een teken, spelen twee aanvullende zaken een rol. Wanneer we iets zien zien met vleugels en veren dan kun je er van uitgaan dat het om hetzelfde dier gaat, een vogel. Een teken verwijst dus altijd naar iets. We zien dus niet de vogel, we zien een teken, een afbeelding, van de werkelijkheid en we redeneren dan dat het dat dat beeld verwijst naar een diertje dat we vogel noemen. Dit wordt ook wel de afwezige genoemd.

Een tweede zaak dat een rol speelt is wat het teken en datgene waar het naar verwijst oproept bij de ontvanger. Datgene wat wordt opgeroepen door het teken en en de verwijzing ernaar is de betekenis. Betekenis geven houdt dus in dat teken en verwijzing wordt gecombineerd met eerdere tekens en verwijzingen, waardoor er wetmatigheden zichtbaar kunnen worden

AI als rationele beslisser
 Nog een defintie van AI is AI is een combintatie van algoritmen die gegeven onzekerheid (bijvoorbeeld als gevolgd van beperkte waarneming of enorme aantal mogelijkheden)  de best mogelijke beslissing kunnen nemen. (rational agent-theory)


Beslissen op basis van een beschrijving/afbeelding van de wereld :-> wat is data https://www.slideshare.net/kidehen/understanding-29894555/11

Ik ben de AI-Idealist

Ik geloof in AI. Ik geloof dat  intelligentie niet meer is dan een woord is om bepaald gedrag van mens of van te benoemen. Ik zie geen enkele reden waarom we geen machines kunnen maken die datzelfde gedrag kunnen laten zien.

Ik geloof in vooruitgang, ik geloof in vrijheid, ik geloof in zorg voor elkaar.

Ik geloof dat AI ons onbegrensde mogelijkheden geeft om onszelf te ontwikkelen en om onze omgeving te verbeteren. Daarom maak ik deze blog. Ik weten wat AI is om zo te helpen de wereld een beetje beter te maken.