AIXI'nin mevcut yapay zeka araştırmaları ile ilgisi nedir?

Wikipedia'dan:

AIXI ['ai̯k͡siː] yapay genel zeka için teorik bir matematiksel formalizmdir. Solomonoff indüksiyonunu sıralı karar teorisi ile birleştirir. AIXI ilk olarak 2000 yılında Marcus Hutter tarafından önerilmiştir [1] ve aşağıdaki sonuçlar Hutter'in 2005 Evrensel Yapay Zeka kitabında kanıtlanmıştır. [2]

Hesaplanmasa da, AIXItl gibi tahminler mümkündür . AIXI'ye yaklaşım bulmak AI'yi çözmek için objektif bir yol olabilir.

Mı Aixi yapay büyük bir fırsat gerçekten genel zeka araştırma? Alan için merkezi bir kavram olarak düşünülebilir mi? Eğer öyleyse, neden bu konuda daha fazla yayınımız yok (ya da belki de onlardan haberdar değiliz)?

"Mevcut yapay zeka araştırması" oldukça geniş bir alandır. Oturduğum yerden, çoğunlukla CS bölgesinde, insanlar dar görevler üzerinde ekonomik olarak ilgili işler yapabilen dar zekaya odaklanıyorlar. (Yani, bileşenlerin ne zaman başarısız olacağını tahmin etmek, bir kullanıcının hangi reklamları tıklayacağını tahmin etmek vb.)

Bu tür araçlar için, AIXI gibi bir biçimciliğin genelliği, güç yerine zayıflıktır. Teorik olarak herhangi bir şeyi hesaplayabilecek bir yapay zeka almanıza gerek yoktur ve daha sonra doğrudan görevinizin aynası olan bir aracı doğrudan şekillendirebildiğinizde, istediğiniz şeye odaklanmak için yavaşça eğitmeniz gerekmez.

AGI araştırmasının kendisine aşina değilim, ama benim izlenimim, AIXI'nin bir dereceye kadar çalışabilecek en basit fikir olduğu - tüm zor kısmı alıyor ve hesaplamaya itiyor, bu yüzden 'sadece bir mühendislik zorluğu .' (Bu, 'AIXI'ye yaklaşım bulmak' hakkında bir şey.) O zaman soru, AIXI'den başlamak ve küçük ve işlevsel bir şeye başlamaktan ve biriktirmeye çalışmaktan daha çok veya daha az verimli bir araştırma yoluna yaklaşmak mı?

Benim izlenimim, ikincisi çok daha yaygın, ama yine, bu alanın sadece küçük bir köşesini görüyorum.

Yapay genel zeka araştırmalarında AIXI gerçekten önemli mi?

Evet, AGI'ya büyük bir teorik katkı. AFAIK, AGI için teorik bir çerçeve veya temel oluşturmak için en ciddi girişimdir. Benzer işler Schmidhuber'ın Gödel Makineleri ve SOAR mimarisidir .

AIXI, AGI için takviye öğrenme alanının üstünde, birkaç olağan varsayım olmaksızın (örneğin, Markov ve ergodisite varsayımları olmadan) , ajanın yaptığı hatalardan kolayca kurtulabileceğini garanti eden soyut ve antropomorfik bir çerçevedir . geçmiş). AIXI'nin bazı optimallik özellikleri kanıtlanmış olsa da, (Turing) hesaplanamaz (bir bilgisayarda çalıştırılamaz) ve bu nedenle çok sınırlı pratik kullanışlılığa sahiptir. Bununla birlikte, Hutter'ın Evrensel Yapay Zeka: Algoritmik Olasılığa Dayalı Sıralı Kararlar kitabında(2005), AIXI'nin çeşitli özelliklerinin titizlikle kanıtlandığı durumlarda, AIXI, AIXItl'in hesaplanabilir ancak inatçı bir versiyonu da tarif edilmektedir. Ayrıca, Joel Veness ve arkadaşlarının A Monte Carlo AIXI Yaklaşımı (2009) makalesinde, AIXI'nin hesaplanabilir ve izlenebilir bir yaklaşımı tanıtılmıştır. Bu nedenle, AIXI'yi pratik olarak kullanışlı hale getirmek için bazı girişimler olmuştur.

Makale Aixi nedir? - AIXI çerçevesinin gelişimine ve evrimine katkıda bulunanlardan biri olan Jan Leike'nin Genel Takviye Öğrenmesine Giriş (2015), AIXI ajanına nazik bir giriş yapmaktadır. Ayrıca AIXI'ye daha yumuşak bir giriş için Stanford Felsefe Ansiklopedisi'ndeki AIXI Mimarisi'ne bakınız.

Alan için merkezi bir kavram olarak düşünülebilir mi?

Evet, AIXI'nin tanıtımı ve ilgili araştırmalar AGI alanının gelişimine katkıda bulunmuştur. Hutter tarafından 2000 yılında Algoritmik Karmaşıklığa Dayalı Evrensel Yapay Zeka Kuramı adlı makalesinde tanıtıldıktan sonra çeşitli tartışmalar ve yayınlanmış makaleler yayınlanmıştır .

Bkz. Örneğin Roman V. Yampolskiy ve Joshua Fox'un Yapay Genel Zeka ve İnsan Zihinsel Modeli (2012) belgesinin 7. bölümü, "Süpersebilite Örnekleri" . Ayrıca , gelecekteki AGI çerçevelerinde çözülmesi veya muhtemelen kaçınılması gereken AIXI ile ilgili birkaç sorun hakkında bir tartışma içeren https://wiki.lesswrong.com/wiki/AIXI adresine bakın . Ayrıca, bu ve bu makalelere de bakın .

Eğer öyleyse, neden bu konuda daha fazla yayınımız yok (ya da belki de onlardan haberdar değiliz)?

Başta Marcus Hutter ve ilgili araştırmacılar tarafından yapılan çeşitli yayınlar vardır. Marcus Hutter'ın yayınlarını şu web sayfasında görebilirsiniz: http://www.hutter1.net/official/publ.htm .

Bu teoriye katkıda bulunmak istiyorsanız, birkaç yol vardır. Eğer matematiksel olarak iyi eğitim almışsanız, burada açıklanan (Hutter'ın yukarıda belirtilen 2005 kitabında da belirtilmiştir) bazı problemleri çözmeye çalışabilirsiniz . Ayrıca, AIXI aracısının yeni yaklaşımlarına veya mevcut yaklaşımlarının iyileştirilmesine de katkıda bulunabilirsiniz. Son olarak, AIXI çerçevesiyle ilişkili sorunlardan kaçınarak yeni AGI çerçevenizi oluşturabilirsiniz. Ayrıca Hutter tarafından tanıtılan projelere bakınız . Yeni bir çerçeve sunmaya çalışmadan önce (bunu yapabiliyorsanız) örneğin Gödel Makinaları ve ilgili işleri de dikkate almak iyi bir fikir olabilir.

Bu teorinin muhtemelen çok teknik ve matematiksel olduğu için daha fazla insanı çekmediğini düşünüyorum (bu yüzden takviye öğrenimi, olasılık teorisi, vb.Gibi çok sağlam bir arka planınız olmadığı sürece anlamak çok kolay değildir). Ayrıca, çoğu insanın (AI topluluğunda) teorilerle ilgilenmediğini, ancak çoğunlukla pratik ve faydalı sonuçlarla yönlendirildiğini düşünüyorum.

AIXI gerçekten kavramsal bir çerçevedir. Çevreyi gerçekten sıkıştırmanın tüm zor çalışmaları hala devam etmektedir.

Matthew Graves cevabında sorulan soruyu daha fazla tartışmak için: mevcut sınırlı seviyedeki karmaşık ortamları temsil etme kabiliyetimiz göz önüne alındığında, bana göre, AIXI ile 'top' un tanımlanması olarak başlayıp sistem ve çalışma (örneğin, sözde genelleştirilmiş sıkıştırma yöntemleri ile) veya 'alt' başlayarak ve sonradan (umarım) etki alanları arası sıkıştırma sağlamak için soyutlanabileceği etki alanına özgü yöntemler ile tek bir etki alanındaki sorunları çözmeye çalışın.