Fra Wikipedia:
AIXI [«ai̯k͡siː] er en teoretisk matematisk formalisme for kunstig generell intelligens. Den kombinerer Solomonoff-induksjon med sekvensiell beslutningsteori. AIXI ble først foreslått av Marcus Hutter i 2000 [1] og resultatene nedenfor er bevist i Hutter 2005-boken Universal Artificial Intelligence. [2]
Selv om det ikke kan beregnes, er tilnærminger mulig, for eksempel AIXItl . Å finne tilnærminger til AIXI kan være en objektiv måte å løse AI på.
Er AIXI virkelig en stor sak innen kunstig generell intelligensforskning? Kan det tenkes som et sentralt konsept for feltet? Hvis ja, hvorfor har vi ikke flere publikasjoner om dette emnet (eller kanskje vi har det, og jeg er ikke klar over dem)?
Svar
» Nåværende kunstig intelligensforskning «er et ganske bredt felt. Fra der jeg sitter, i et stort sett CS-rike, er folk fokusert på smal intelligens som kan gjøre økonomisk relevant arbeid med smale oppgaver. (Det vil si å forutsi når komponenter vil mislykkes, forutsi hvilke annonser en bruker vil klikke på, og så videre.)
For de slags verktøy er generaliteten til en formalisme som AIXI en svakhet i stedet for en styrke. Du trenger ikke ta en AI som i teorien kan beregne hva som helst, og så sakte trene den til å fokusere på det du vil, når du bare kunne forme et verktøy som er speilet for oppgaven din.
Jeg er ikke så kjent med selve AGI-undersøkelsen, men inntrykket mitt er at AIXI til en viss grad er den enkleste ideen som kan fungere – den tar hele den vanskelige delen og skyver den inn i beregning, så den er bare en ingeniørutfordring. «(Dette handler litt om» å finne tilnærminger til AIXI. «) Spørsmålet blir da, begynner ved AIXI og prøver å tilnærme seg en mer eller mindre fruktbar forskningsvei enn å starte på noe lite og funksjonelt, og prøve å bygge opp?
Mitt inntrykk er at sistnevnte er mye mer vanlig, men igjen ser jeg bare et lite hjørne av dette rommet.
Kommentarer
- Du ‘ adresserer faktisk ikke spørsmålene i nåværende innlegg . Det første spørsmålet er er AIXI virkelig en stor avtale i forskning på kunstig generell intelligens ? «. Spørsmålet spør strengt tatt om viktigheten av AIXI i AGI forskning , det spør ikke om du tror andre spesifikke verktøy er bedre for de tilsvarende oppgavene i stedet for å begrense tilnærmingene til AGI modeller til de samme spesifikke oppgavene. I innlegget er et annet spørsmål: » hvorfor ikke ‘ t vi har flere publikasjoner om dette emnet? » Ingen svar på dette spørsmålet i innlegget ditt.
Svar
Er AIXI virkelig en stor sak innen kunstig generell intelligensforskning?
Ja, det er en flott teoretisk bidrag til AGI. AFAIK, det er det mest seriøse forsøket på å bygge et teoretisk rammeverk eller grunnlag for AGI. Lignende verk er Schmidhuber «s Gödel Machines og SOAR-arkitektur .
AIXI er et abstrakt og ikke- antropomorft rammeverk for AGI som bygger på læringsfeltet for forsterkning, uten noen få vanlige antakelser (f.eks. Uten Markov og ergodisitet antagelser, som garanterer at agenten lett kan gjenopprette fra eventuelle feil den har gjort tidligere. Selv om noen optimalitetsegenskaper til AIXI er bevist, er det (Turing) uncomputable (den kan ikke kjøres på en datamaskin), og det er derfor veldig begrenset praktisk nytte. Ikke desto mindre i boken til Hutter Universal Artificial Intelligence: Sequential Decisions based on Algorithmic Probability (2005), hvor flere egenskaper av AIXI er strengt bevist, en beregningsbar men uoppnåelig versjon av AIXI, AIXItl, er også beskrevet . Videre, i papiret A Monte Carlo AIXI Approximation (2009), av Joel Veness et al., En beregningsbar og traktable tilnærming av AIXI er introdusert. Så det har vært noen forsøk på å gjøre AIXI praktisk nyttig.
Artikkelen Hva er AIXI? – En introduksjon til generell forsterkningslæring (2015), av Jan Leike, som er en av bidragsyterne til utviklingen og utviklingen av AIXI-rammeverket, gir en skånsom introduksjon til AIXI-agenten.Se også AIXI Architecture på Stanford Encyclopedia of Philosophy for en muligens mildere introduksjon til AIXI.
Kan det tenkes som et sentralt konsept for feltet?
Ja, introduksjonen av AIXI og relatert forskning har bidratt til utviklingen av AGI-feltet. Det har vært flere diskusjoner og publiserte artikler, etter introduksjonen i 2000 av Hutter i avisen A Theory of Universal Artificial Intelligence based on Algorithmic Complexity .
Se f.eks seksjon 7, «Eksempler på superintelligences», av papiret Artificial General Intelligence and the Human Mental Model (2012), av Roman V. Yampolskiy og Joshua Fox. Se også https://wiki.lesswrong.com/wiki/AIXI som inneholder en diskusjon angående noen få problemer relatert til AIXI, som må løses eller muligens unngås i fremtidige AGI-rammer. Se videre dette og denne artiklene.
Hvis ja, hvorfor har vi ikke flere publikasjoner om dette emnet (eller kanskje vi har det, og jeg er ikke klar over dem)?
Det har vært flere publikasjoner, hovedsakelig av Marcus Hutter og tilknyttede forskere. Du kan se Marcus Hutters publikasjoner på følgende nettside: http://www.hutter1.net/official/publ.htm .
Hvis du er interessert i å bidra til denne teorien, er det flere måter. Hvis du er matematisk velutdannet, kan du prøve å løse noen av problemene som er beskrevet her ( som også er nevnt i Hutters bok fra 2005 nevnt ovenfor). Videre kan du også bidra til nye tilnærminger eller forbedringer av eksisterende tilnærminger av AIXI-agenten. Til slutt kan du bygge ditt nye AGI-rammeverk ved å unngå problemene knyttet til AIXI-rammeverket. Se også prosjekter promotert av Hutter . Det kan være lurt å også ta hensyn til f.eks. Gödel Machines og relatert arbeid, før du prøver å introdusere et nytt rammeverk (forutsatt at du er i stand til det).
Jeg tror at denne teorien ikke har tiltrukket flere mennesker, sannsynligvis fordi den er veldig teknisk og matematisk (så det er ikke veldig lett å forstå med mindre du har en veldig solid bakgrunn innen forsterkningslæring, sannsynlighetsteori osv.). Jeg tror også at de fleste (i AI-miljøet) ikke er interessert i teorier, men de blir hovedsakelig ledet av praktiske og nyttige resultater.
Svar
AIXI er egentlig et konseptuelt rammeverk. Alt det harde arbeidet med å komprimere miljøet gjenstår fortsatt.
For ytterligere å diskutere spørsmålet som er reist i Matthew Graves svar: gitt vårt nåværende begrensede nivå av evne til å representere komplekse miljøer, ser det ut til at det ikke » t gjøre mye praktisk forskjell om du begynner med AIXI som å definere «toppen» av systemet og arbeide ned (f.eks. via antatt generaliserte komprimeringsmetoder) eller starte på «bunnen» og prøve å løse problemer i et enkelt domene via domene- spesifikke metoder som (du håper) senere kan trekkes ut for å gi komprimering på tvers av domener.
Kommentarer
- Andre ledd er resultatet av dine eneste mening. Du gir null argumentasjoner / forklaringer på hvorfor du tenker slik. For meg, » gitt vårt nåværende begrensede evne til å representere komplekse miljøer » er definitivt ikke en tilstrekkelig forklaring eller argumentasjon.
- @nbro For å sitere en kjent AI-forsker: » Vi har ennå ikke representert enda et enkelt konsept på en datamaskin «, absolutt ikke med den typen smidighet som kommer naturlig for mennesker. I praksis er det derfor vanskelig å bestemme nytten av AIXI fordi vi ikke ‘ ikke har en sterk forestilling om hva slags representasjoner den trenger for å manipulere, eller hvordan den nyttig kan manipulere dem.