위키 백과에서 :
AIXI [ “ai̯k͡siː]는 이론적 수학적 형식주의입니다. 솔로 모노 프 유도와 순차 결정 이론을 결합합니다. AIXI는 2000 년 Marcus Hutter에 의해 처음 제안되었으며 [1] 아래 결과는 Hutter의 2005 년 책 Universal Artificial Intelligence에서 입증되었습니다. [2]
계산할 수는 없지만 AIXItl 과 같은 근사값이 가능합니다. AIXI에 대한 근사치를 찾는 것은 AI를 해결하는 객관적인 방법이 될 수 있습니다.
AIXI 는 인공 일반 지능 연구에서 정말 큰 문제입니까? 현장의 중심 개념으로 생각할 수 있습니까? 그렇다면 왜이 주제에 대한 출판물을 더 가지고 있지 않습니까?
답변
“현재 인공 지능 연구 “는 매우 광범위한 분야입니다. 내가 앉아있는 곳에서, 대부분 CS 영역에서 사람들은 좁은 작업에 대해 경제적으로 관련된 작업을 수행 할 수있는 좁은 지능에 집중합니다. (즉, 구성 요소가 실패 할 때를 예측하고 사용자가 클릭 할 광고를 예측하는 등의 작업을 수행합니다.)
이러한 도구의 경우 AIXI와 같은 형식주의의 일반성은 힘. 이론상 어떤 것도 계산할 수있는 AI를 가져 와서 원하는 것에 집중하도록 천천히 훈련 할 필요가 없습니다. 작업의 거울 인 도구를 직접 만들 수있을 때입니다.
저는 AGI 연구 자체에 익숙하지 않지만 AIXI는 어느 정도는 작동 할 수있는 가장 간단한 아이디어라는 것입니다. 모든 어려운 부분을 계산에 밀어 넣습니다. (이는 “AIXI에 대한 근사치 찾기”에 대한 내용입니다.) 그러면 문제는 AIXI에서 시작하여 작고 기능적인 것에서 시작하여 시도하는 것보다 다소 유익한 연구 경로를 근사화하는 것입니다. 구축해야할까요?
후자가 훨씬 더 일반적이라는 인상이 있지만,이 공간의 작은 구석 만 보입니다.
댓글
- ' 현재 게시물 의 질문에 실제로 답변하지 않습니다. 첫 번째 질문 AIXI는 인공 일반 지능 연구 에서 정말 큰 일입니까? ". 이 질문은 AGI 연구 에서 AIXI의 중요성에 대해 엄격하게 묻습니다. AGI의 근사치를 좁히는 대신 다른 특정 도구가 해당 작업에 더 적합하다고 생각하는지 묻지 않습니다. 동일한 특정 작업에 모델. 게시물에서 또 다른 질문은 다음과 같습니다. "이 주제에 대한 출판물이 더 이상없는 ' 왜 " 게시물에이 질문에 대한 답변이 없습니다.
답변
AIXI는 인공 지능 연구에서 정말 큰 일입니까?
예, 훌륭한 이론적
입니다. em> AGI에 대한 기여. AFAIK, 그것은 AGI의 이론적 틀이나 기초를 구축하려는 가장 진지한 시도입니다. 유사한 작품은 Schmidhuber의 Gödel Machines 및 SOAR 아키텍처 입니다.
AIXI는 몇 가지 일반적인 가정없이 (예 : Markov 및 ergodicity 가정, 에이전트가 과거에 저지른 모든 실수로부터 쉽게 복구 할 수 있음을 보장합니다.) AIX의 일부 최적 특성이 입증 되었음에도 불구하고 (튜링) uncomputable (컴퓨터에서 실행할 수 없음), 따라서 실용성이 매우 제한적입니다. 그럼에도 불구하고 Hutter의 책 Universal Artificial Intelligence : Sequential Decisions based on Algorithmic Probability (2005), 여기서 AIXI의 여러 속성이 엄격하게 입증 된 AIXI의 계산 가능하지만 다루기 힘든 버전 인 AIXItl도 설명됩니다. . 또한 Joel Veness 등의 논문 A Monte Carlo AIXI Approximation (2009)에서 계산 가능하고 다루기 쉬운 근사치가 도입되었습니다. 따라서 AIXI를 실질적으로 유용하게 만들려는 시도가있었습니다.
AIXI 란 무엇입니까? — An Introduction to General Reinforcement Learning (2015), AIXI 프레임 워크의 개발 및 발전에 기여한 사람 중 한 명인 Jan Leike가 AIXI 에이전트를 부드럽게 소개합니다.AIXI에 대한 좀 더 부드러운 소개를 보려면 Stanford Encyclopedia of Philosophy에서 AIXI 아키텍처 를 참조하십시오.
필드의 중심 개념으로 생각할 수 있습니까?
예, AIXI의 도입과 관련 연구는 AGI 분야의 발전에 기여했습니다. 2000 년에 Hutter가 알고리즘 복잡성을 기반으로 한 범용 인공 지능 이론 에 소개 한 후 여러 토론과 논문이 발표되었습니다.
예보기 Roman V. Yampolskiy 및 Joshua Fox의 인공 일반 지능과 인간 정신 모델 (2012) 논문의 섹션 7, “초 지능의 예”. 해결하거나 피해야 할 AIXI와 관련된 몇 가지 문제에 대한 토론이 포함 된 https://wiki.lesswrong.com/wiki/AIXI 도 참조하십시오. 미래의 AGI 프레임 워크에서. 또한 이 및 이 문서를 참조하세요.
그렇다면이 주제에 대해 더 많은 간행물을 보유하지 않는 이유는 무엇입니까 (아니면 우리가 보유하고 있는데도 모를 것입니다)?
주로 Marcus Hutter와 관련 연구자들이 발행 한 여러 출판물이 있습니다. 다음 웹 페이지에서 Marcus Hutter의 발행물을 볼 수 있습니다. http://www.hutter1.net/official/publ.htm .
이 이론에 기여하는 데 관심이있는 경우 여러 가지 방법이 있습니다. 수학적으로 잘 교육을 받았다면 여기 에 설명 된 문제 중 일부를 해결할 수 있습니다 ( 위에서 언급 한 Hutter의 2005 년 책에도 언급되어 있습니다.) 또한 AIXI 에이전트의 기존 근사치에 대한 새로운 근사치 또는 개선에 기여할 수도 있습니다. 마지막으로, AIXI 프레임 워크와 관련된 문제를 방지하여 새로운 AGI 프레임 워크를 구축 할 수 있습니다. Hutter에서 홍보하는 프로젝트 도 참조하세요. 예를 들어 고려하는 것이 좋습니다. Gödel Machines 및 관련 작업, 새로운 프레임 워크를 도입하기 전에 (가능하다면)
이 이론은 아마도 고도로 기술적이고 수학적이기 때문에 더 많은 사람들을 끌어 들이지 않았다고 생각합니다. 강화 학습, 확률 이론 등에 대한 확실한 배경 지식이 없으면 이해하기 쉽지 않습니다.) 또한 AI 커뮤니티의 대부분의 사람들은 이론에 관심이 없지만 주로 실용적이고 유용한 결과에 따라 결정됩니다.
답변
AIXI는 실제로 개념적 프레임 워크입니다. 실제로 환경을 압축하는 모든 노력은 여전히 남아 있습니다.
Matthew Graves 답변에서 제기 된 질문에 대해 더 자세히 논의하려면 복잡한 환경을 표현할 수있는 현재 제한된 수준의 능력을 고려할 때 그렇지 않은 것 같습니다. ” t 시스템의 “상단”을 정의하고 아래로 작업하는 것으로 AIXI로 시작하든 (예 : 일반화 된 압축 방법을 통해) “하단”에서 시작하여 도메인을 통해 단일 도메인의 문제를 해결하든 실질적인 차이를 만들 수 있습니다. 교차 도메인 압축을 제공하기 위해 나중에 추상화 할 수있는 특정 메서드입니다.
코멘트
- 두 번째 단락은 그렇게 생각하는 이유를 논증 / 설명하지 않습니다. 저에게는 " 현재 제한된 수준의 복잡한 환경 표현 능력이 주어졌습니다. "는 충분한 설명이나 논증이 아닙니다.
- @nbro 유명한 AI 연구원 : " 우리는 아직 컴퓨터에서 단일 개념 을 표현하지 못했습니다. " 확실히 아닙니다. 인간에게 자연스럽게 생기는 일종의 가단성과 함께. 따라서 실제로는 AIXI의 유용성을 결정하기가 어렵습니다. ' 조작해야하는 표현의 종류에 대한 강한 개념이나이를 유용하게 조작 할 수있는 방법이 없기 때문입니다.