Wikipediasta:
AIXI [”ai̯k͡siː] on teoreettinen matemaattinen formalismi keinotekoiselle älykkyydelle. Se yhdistää Salomonoffin induktion peräkkäisen päätöksenteon kanssa. AIXI: n ehdotti ensimmäisen kerran Marcus Hutter vuonna 2000 [1], ja alla olevat tulokset osoitetaan Hutterin vuonna 2005 julkaisemassa kirjassa Universal Artificial Intelligence. [2]
Laskelmat ovat mahdollisia, vaikka niitä ei voida laskea, kuten AIXItl . Ainoastaan AIXI: n löytäminen voisi olla objektiivinen tapa tekoälyn ratkaisemiseen.
Onko AIXI todella iso juttu keinotekoisessa yleisessä älykkyystutkimuksessa? Voidaanko sitä ajatella alan keskeisenä konseptina? Jos näin on, miksi meillä ei ole enemmän julkaisuja aiheesta (tai ehkä meillä on ja en ole tietoinen niistä)?
Vastaa
” Nykyinen tekoälyn tutkimus ”on melko laaja ala. Sieltä, missä istun, enimmäkseen CS-alueella, ihmiset keskittyvät kapeaan älykkyyteen, joka voi tehdä taloudellisesti merkittävää työtä kapeissa tehtävissä. (Toisin sanoen, ennustaa, milloin komponentit epäonnistuvat, ennustaa, mitä mainoksia käyttäjä napsauttaa, ja niin edelleen.)
Tällaisissa työkaluissa AIXI: n kaltaisen formalismin yleisyys on heikkous vahvuus. Sinun ei tarvitse ottaa tekoälyä, joka teoriassa voisi laskea mitä tahansa, ja sitten kouluttaa sitä hitaasti keskittymään haluamaasi, kun voit vain muotoilla työkalun, joka on tehtävänne peili.
En ole niin perehtynyt itse AGI-tutkimukseen, mutta minusta tuntuu, että AIXI on jossain määrin yksinkertaisin idea, joka voisi toimia – se ottaa kaiken kovan osan ja työntää sen laskentaan, joten se ”vain” tekninen haaste. ”(Tämä on vähän” likiarvojen löytämisestä AIXI: lle ”.) Kysymykseksi tulee sitten, alkaa AIXI: stä ja yritetään lähentää enemmän tai vähemmän hedelmällistä tutkimuspolkua kuin aloittaa jostakin pienestä ja toimivasta ja yrittää rakentaa?
Vaikuttaa siltä, että jälkimmäinen on paljon yleisempi, mutta jälleen kerran näen vain pienen kulman tästä tilasta.
Kommentit
- Et ’ et todellakaan käsittele nykyisen viestin kysymyksiä. Ensimmäinen kysymys on on AIXI todella iso juttu yleisen tekoälyn tutkimuksessa ? ”. Kysymyksessä kysytään ehdottomasti AIXI: n merkitystä AGI -tutkimuksessa , eikä sitä kysytä, ovatko mielestäsi muut erityiset työkalut parempia vastaaviin tehtäviin sen sijaan, että kaventaisivat AGI: n likiarvoja malleja samoihin erityistehtäviin. Postissa toinen kysymys on: ” miksi älä ’ t, että meillä on enemmän julkaisuja tästä aiheesta? ” Ei vastausta tähän kysymykseen viestissäsi.
Vastaa
Onko AIXI todella iso teko tekoälyn tutkimuksessa?
Kyllä, se on hieno teoreettinen osuus AGI: stä. AFAIK, se on vakavin yritys rakentaa teoreettinen kehys tai perusta AGI: lle. Samanlaisia teoksia ovat Schmidhuber ”s Gödel-koneet ja SOAR-arkkitehtuuri .
AIXI on abstrakti ja ei antropomorfinen kehys AGI: lle, joka rakentuu vahvistuksen oppimiskentän päälle ilman muutamia tavanomaisia oletuksia (esim. Ilman Markov ja ergodelisuus oletukset, mikä takaa, että agentti voi helposti toipua aikaisemmista virheistä). Vaikka jotkin AIXI: n optimaaliset ominaisuudet on osoitettu, (Turing) lukukelvoton (sitä ei voida käyttää tietokoneella), joten käytännöllinen hyödyllisyys on hyvin rajallinen. Hutterin kirjassa Yleinen tekoäly: Algoritmiseen todennäköisyyteen perustuvat peräkkäiset päätökset (2005), joissa useat AIXI: n ominaisuudet on osoitettu tiukasti, kuvataan myös AIXI: n laskettava, mutta vaikeasti käsiteltävä versio, AIXItl . Lisäksi julkaisussa Monte Carlo AIXI Approximation (2009), kirjoittanut Joel Veness et ai., Laskettavissa oleva ja käsiteltävä -arviointi otetaan käyttöön. Joten on yritetty tehdä AIXI: sta käytännöllisesti hyödyllinen.
Artikkeli Mikä on AIXI? – Jan Leike, joka on yksi AIXI-kehyksen kehityksen ja kehityksen avustajista, on Johdatus yleiseen vahvistusoppimiseen (2015), joka antaa lempeän johdannon AIXI-agentille.Katso myös The AIXI -arkkitehtuuri Stanfordin filosofian tietosanakirjassa.
Voidaanko sitä ajatella kentän keskeisenä konseptina?
Kyllä, AIXI: n ja siihen liittyvän tutkimuksen käyttöönotto on edistänyt AGI-kentän kehitystä. Hutter aloitti sen vuonna 2000 julkaisussa Algoritmiseen monimutkaisuuteen perustuva universaalin tekoälyn teoria .
Katso esim Roman V. Yampolskiy ja Joshua Fox, julkaisun Yleinen tekoäly ja ihmisen mielenterveysmalli (2012) osa 7, ”Esimerkkejä superintelligensseistä”. Katso myös https://wiki.lesswrong.com/wiki/AIXI , joka sisältää keskustelun muutamista AIXI: een liittyvistä ongelmista, jotka on ratkaistava tai mahdollisesti vältettävä tulevissa AGI-puitteissa. Katso myös tämä ja tämä artikkeli.
Jos on, miksi meillä ei ole enemmän julkaisuja tästä aiheesta (tai ehkä meillä on ja en ole tietoinen niistä)?
On julkaistu useita julkaisuja, lähinnä Marcus Hutter ja muut tutkijat. Näet Marcus Hutterin julkaisut seuraavalla verkkosivulla: http://www.hutter1.net/official/publ.htm .
Jos olet kiinnostunut osallistumaan tähän teoriaan, on useita tapoja. Jos olet matemaattisesti hyvin koulutettu, voit yrittää ratkaista joitain kuvatuista ongelmista täällä ( jotka mainitaan myös edellä mainitussa Hutterin vuoden 2005 kirjassa). Lisäksi voit myös myötävaikuttaa AIXI-agentin nykyisten likiarvojen uusiin arvioihin tai parannuksiin. Lopuksi voit rakentaa uuden AGI-kehyksen välttämällä AIXI-kehykseen liittyviä ongelmia. Katso myös Hutterin edistämät projektit . Voi olla hyvä ottaa huomioon myös esim. Gödel Machines ja siihen liittyvä työ, ennen kuin yrität ottaa käyttöön uuden kehyksen (edellyttäen, että pystyt siihen).
Luulen, että tämä teoria ei ole houkutellut enemmän ihmisiä todennäköisesti siksi, että se on erittäin tekninen ja matemaattinen (joten ei ole kovin helppo ymmärtää, ellei sinulla ole erittäin vankkaa taustaa vahvistusoppimisessa, todennäköisyysteoriassa jne.). Uskon myös, että useimmat ihmiset (tekoälyyhteisössä) eivät ole kiinnostuneita teorioista, mutta ne ohjaavat lähinnä käytännön ja hyödyllisiä tuloksia.
Vastaus
AIXI on oikeastaan käsitteellinen kehys. Ympäristön tosiasiallisen pakkaamisen kova työ on edelleen jäljellä.
Jos haluat keskustella tarkemmin Matthew Gravesissa esitetystä kysymyksestä: kun otetaan huomioon nykyinen rajallinen kykymme edustaa monimutkaisia ympäristöjä, minusta tuntuu, että se ei ” Ei ole paljon käytännön eroa, aloitatko AIXI: lla järjestelmän ”yläosan” määrittelyn ja työskenteletkö alaspäin (esim. oletettavasti yleistettyjen pakkausmenetelmien avulla) vai aloitatko ”alhaalta” ja yritätkö ratkaista ongelmia yhdellä verkkotunnuksella verkkotunnuksen kautta tietyt menetelmät, jotka (toivottavasti) voidaan myöhemmin tiivistää verkkotunnusten välisen pakkauksen aikaansaamiseksi.
Kommentit
- Toinen kappale on ainoan mielipiteesi. Annat nolla argumentointia / selitystä miksi ajattelet niin. Minulle ” kun otetaan huomioon nykyinen rajallinen kykymme edustaa monimutkaisia ympäristöjä ” ei todellakaan ole riittävä selitys tai perustelu.
- @nbro Lainatakseni a kuuluisa tekoälyn tutkija: ” Meillä ei ole vielä edustettuna edes yksittäistä käsitettä tietokoneella ”, ei varmasti sellaisella muovattavuudella, joka ihmisille tulee luonnostaan. Niinpä käytännössä AIXI: n käyttökelpoisuuden määrittäminen on vaikeaa, koska meillä ei ole ’ vahvaa käsitystä siitä, minkä tyyppisiä esityksiä sen on manipuloitava, tai kuinka se voisi hyödyntää niitä hyödyllisesti.