Fra Wikipedia:
AIXI [“ai̯k͡siː] er en teoretisk matematisk formalisme til kunstig generel intelligens. Den kombinerer Solomonoff-induktion med sekventiel beslutningsteori. AIXI blev først foreslået af Marcus Hutter i 2000 [1], og resultaterne nedenfor er bevist i Hutters bog fra 2005 Universal kunstig intelligens. [2]
Selvom det ikke kan beregnes, er tilnærmelser mulige, såsom AIXItl . At finde tilnærmelser til AIXI kan være en objektiv måde at løse AI på.
Er AIXI virkelig en big deal inden for kunstig generel intelligensforskning? Kan det betragtes som et centralt koncept for feltet? Hvis ja, hvorfor har vi ikke flere publikationer om dette emne (eller måske har vi det, og jeg er ikke opmærksom på dem)?
Svar
” Nuværende kunstig intelligensforskning “er et ret bredt felt. Fra hvor jeg sidder, i en mest CS-verden, er folk fokuseret på snæver intelligens, der kan udføre økonomisk relevant arbejde med snævre opgaver. (Det vil sige forudsige, hvornår komponenter mislykkes, forudsige hvilke annoncer en bruger vil klikke på osv.)
For disse slags værktøjer er generaliteten af en formalisme som AIXI en svaghed i stedet for en styrke. Du behøver ikke at tage en AI, der i teorien kunne beregne noget, og derefter langsomt træne den til at fokusere på, hvad du vil, når du bare kunne forme et værktøj, der er spejlet i din opgave.
Jeg er ikke så fortrolig med selve AGI-forskningen, men mit indtryk er, at AIXI til en vis grad er den enkleste idé, der kunne fungere – det tager hele den hårde del og skubber den til beregning, så den er bare en ingeniørudfordring. “(Dette handler lidt om” at finde tilnærmelser til AIXI. “) Spørgsmålet bliver så, starter ved AIXI og forsøger at tilnærme sig en mere eller mindre frugtbar forskningsvej end at starte med noget lille og funktionelt og prøve at opbygge?
Mit indtryk er, at sidstnævnte er meget mere almindeligt, men igen ser jeg kun et lille hjørne af dette rum.
Kommentarer
- Du ‘ adresserer faktisk ikke spørgsmålene i nuværende indlæg . Det første spørgsmål er er AIXI virkelig en big deal i kunstig generel intelligensforskning ? “. Spørgsmålet stilles strengt om vigtigheden af AIXI i AGI forskning , det spørger ikke om du mener, at andre specifikke værktøjer er bedre til de tilsvarende opgaver i stedet for at indsnævre tilnærmelserne af AGI modeller til de samme specifikke opgaver. I posten er et andet spørgsmål: ” hvorfor ikke ‘ t har vi flere publikationer om dette emne? ” Intet svar på dette spørgsmål i dit indlæg.
Svar
Er AIXI virkelig en big deal inden for kunstig generel intelligensforskning?
Ja, det er en fantastisk teoretisk bidrag til AGI. AFAIK, det er det mest seriøse forsøg på at opbygge en teoretisk ramme eller et fundament for AGI. Lignende værker er Schmidhuber “s Gödel Machines og SOAR-arkitektur .
AIXI er en abstrakt og ikke- antropomorf ramme for AGI, som bygger på toppen af forstærkningsindlæringsfeltet, uden nogle få sædvanlige antagelser (f.eks. Uden Markov og ergodicitet antagelser, hvilket garanterer, at agenten let kan komme sig efter eventuelle fejl, den har lavet tidligere). Selvom der er bevist nogle optimale egenskaber for AIXI, er det (Turing) ikke kan beregnes (det kan ikke køres på en computer), og det er derfor meget begrænset praktisk nyttigt. Ikke desto mindre i Hutters bog Universal kunstig intelligens: Sekventielle beslutninger baseret på algoritmisk sandsynlighed (2005), hvor adskillige egenskaber ved AIXI er strengt bevist, en beregningsbar, men uigennemtrængelig version af AIXI, AIXItl, er også beskrevet . I papiret A Monte Carlo AIXI Approximation (2009) af Joel Veness et al., En beregningsbar og trækkelig tilnærmelse af AIXI introduceres. Så der har været nogle forsøg på at gøre AIXI praktisk anvendelig.
Artiklen Hvad er AIXI? – En introduktion til generel forstærkningslæring (2015) af Jan Leike, som er en af bidragyderne til udviklingen og udviklingen af AIXI-rammen, giver en blid introduktion til AIXI-agenten.Se også AIXI-arkitekturen på Stanford Encyclopedia of Philosophy for en muligvis mildere introduktion til AIXI.
Kan det betragtes som et centralt koncept for feltet?
Ja, introduktionen af AIXI og relateret forskning har bidraget til udviklingen af AGI-feltet. Der har været flere diskussioner og offentliggjorte artikler efter dets introduktion i 2000 af Hutter i avisen En teori om universel kunstig intelligens baseret på algoritmisk kompleksitet .
Se f.eks sektion 7, “Eksempler på superintelligences”, af papiret Kunstig generel intelligens og den menneskelige mentale model (2012) af Roman V. Yampolskiy og Joshua Fox. Se også https://wiki.lesswrong.com/wiki/AIXI som indeholder en diskussion om et par problemer relateret til AIXI, som skal løses eller muligvis undgås i fremtidige AGI-rammer. Se også dette og denne artikler.
Hvis ja, hvorfor har vi ikke flere publikationer om dette emne (eller måske har vi det, og jeg er ikke opmærksom på dem)?
Der har været adskillige publikationer, hovedsageligt af Marcus Hutter og tilknyttede forskere. Du kan se Marcus Hutters publikationer på følgende webside: http://www.hutter1.net/official/publ.htm .
Hvis du er interesseret i at bidrage til denne teori, er der flere måder. Hvis du er matematisk veluddannet, kan du prøve at løse nogle af de problemer, der er beskrevet her ( som også er nævnt i Hutters bog fra 2005 nævnt ovenfor). Desuden kan du også bidrage til nye tilnærmelser eller forbedringer af eksisterende tilnærmelser til AIXI-agenten. Endelig kan du opbygge din nye AGI-ramme ved at undgå de problemer, der er forbundet med AIXI-rammen. Se også projekter, der fremmes af Hutter . Det kan være en god ide også at tage højde for f.eks. Gödel Machines og beslægtet arbejde, inden vi forsøger at introducere en ny ramme (forudsat at du er i stand til det).
Jeg tror, at denne teori ikke har tiltrukket flere mennesker sandsynligvis fordi den er yderst teknisk og matematisk (så det er ikke meget let at forstå, medmindre du har en meget solid baggrund i forstærkningslæring, sandsynlighedsteori osv.). Jeg tror også, at de fleste mennesker (i AI-samfundet) ikke er interesserede i teorier, men de styres hovedsageligt af praktiske og nyttige resultater.
Svar
AIXI er virkelig en konceptuel ramme. Alt det hårde arbejde med at komprimere miljøet er stadig tilbage.
For yderligere at diskutere spørgsmålet, der er rejst i Matthew Graves svar: i betragtning af vores nuværende begrænsede niveau af evne til at repræsentere komplekse miljøer, ser det ud til, at det ikke ” t gør en stor praktisk forskel, om du starter med AIXI som definerer “toppen” af systemet og arbejder ned (f.eks. via angiveligt generaliserede komprimeringsmetoder) eller starter i “bunden” og prøver at løse problemer i et enkelt domæne via domæne- specifikke metoder, som (du håber) efterfølgende kan abstraheres for at give komprimering på tværs af domæner.
Kommentarer
- Andet afsnit er resultatet af din eneste mening. Du giver nul argumenter / forklaringer på, hvorfor du tænker sådan. For mig er ” givet vores nuværende begrænsede evne til at repræsentere komplekse miljøer ” er bestemt ikke en tilstrækkelig forklaring eller argumentation.
- @nbro For at citere en berømt AI-forsker: ” Vi har endnu ikke repræsenteret endda et enkelt koncept på en computer “, bestemt ikke med den slags formbarhed, der kommer naturligt for mennesker. Således er det i praksis vanskeligt at bestemme nytten af AIXI, fordi vi ikke ‘ ikke har en stærk forestilling om, hvilke slags repræsentationer den har brug for at manipulere, eller hvordan den med fordel kan manipulere dem.