La Síntesis del Programa Bayesiano (BPS) es un marco relacionado y que utiliza la programación probabilística. en BPS, se generan programas probabilísticos que son en sí mismos previos sobre un espacio de programas probabilísticos. Esta estrategia permite una síntesis más automática de nuevos programas a través de la inferencia, y se logra mediante la composición de programas de componentes modulares.
Los métodos y modelos bayesianos se usan con frecuencia cuando es necesario incorporar conocimientos previos. Cuando se puede incorporar un buen conocimiento previo en un modelo bayesiano, la inferencia efectiva a menudo se puede realizar con mucha menos información.
- ¿Qué debo aprender para crear un bot con cualidades de diálogos naturales?
- ¿Qué tipo de problemas funciona bien con la técnica de Deep Learning?
- ¿Es Machine Learning el futuro de la IA?
- ¿Alguna "cosa" artificialmente inteligente se ha vuelto consciente de sí misma?
- ¿Cuáles son algunos algoritmos de inteligencia artificial necesarios para los desarrolladores de juegos?
La síntesis del programa bayesiano difiere de la síntesis del programa en que las restricciones son probabilísticas y el resultado es en sí mismo una distribución sobre los programas que se pueden refinar aún más.
