能够研究通用人工智能的数学先决条件是什么?

人工智能 数学 敏捷 研究 教育
2021-10-28 22:05:50

能够研究人工智能(AGI)或强人工智能的数学先决条件是什么?

3个回答

我总是建议从博弈论、组合博弈论和算法组合博弈论开始,(但我可能有偏见;)

组合学是给定的——离散数学在计算机科学中被大量使用,并且随着组合博弈论(CGT) 的出现,确定给定选择是否可以被视为最优(“完美游戏”)的能力。CGT 源于传统的博弈论,我们有时将其称为“经济博弈论”来进行区分。博弈论之外还出现了进化博弈论等子领域,这在人工智能中很重要。

这些领域与理性有关,理性是优化决策的基础。决策算法似乎是构成人工智能的根本区别。

minimaxgametrees,在这些领域有一个基本的基础可能是个好主意,即使你的 AI 试图解决的问题没有正式定义为游戏。

从基本的角度来看,所有问题都可以被视为谜题——非竞争环境——或游戏——竞争环境。这种区别是基于是否存在单个代理(拼图)或多个代理(游戏)。

大多数答案都面向统计/概率模型。对于更“经典”的人工智能,我会说你需要一些谓词演算知识。这是解决人工智能问题的更具象征性的规划方法。

你可能会说这有点“老派”,但仍然与人工智能的某些方面相关。

在继续回答实际问题之前,值得注意的是,AIAGI不是一回事,就像 1956 年初的情况一样,正如达特茅斯研讨会的官方提案中所建议的那样。

如今,自认为“AI 研究人员”或“AI 从业者”(例如我自己)的人通常不会尝试直接构建 AGI,而是专注于特定的 AI 方法,例如强化学习,有朝一日可能会成为用于构建 AGI原因是我们注意到直接解决“AGI 问题”(即创建 AGI)比最初想象的要复杂得多,有些人甚至认为这是不可能的AGI 是 AI 的一个子分支,研究如何创建 AGI(或类人 AI)。只有少数人仍在研究 AGI。

Ben Goertzel 是仍然对直接创建 AGI 感兴趣并尝试直接创建 AGI 的人之一,他写了一篇关于此主题的博客文章:AGI 课程如果他必须设计一门课程,它将分为6门课程

  1. 人工智能的历史
  2. 人工智能算法、结构和方法
  3. 神经科学与认知心理学
  4. 心灵哲学
  5. AGI 理论与架构
  6. AGI 的未来

然后,他建议为这些课程/主题中的每一个提供多种阅读材料(书籍)。下面,我将为每门课程列出一本书(也基于它们在网上免费提供的 pdf 文件)。您可以在博文中找到更多书籍。

  1. Hubert Dreyfus的书What Computers Still Can't Do (1992)
  2. Russell 和 Norvig所著的《Artificial Intelligence A Modern Approach (AIMA)》一书,但 Goertzel 指出,这不是一本 AGI 书籍,而是介绍了已在许多 AGI 认知架构中使用的多个 AI 主题
  3. 《神经科学:熊、康纳斯和帕拉迪索的大脑探索》一书
  4. 托马斯·梅辛格(Thomas Metzinger)的书《没有人:主体性的自我模型理论》 (2003 年)
  5. Ben Goertzel的论文《通用人工智能:概念、最新技术和未来前景》(2014 年)
  6. Kurzweil所著的《奇点临近》 (2005 年)一书

所以,综上所述,如果你想学习通用人工智能,仅仅阅读典型的机器学习或深度学习书籍是不够的,还需要对人工智能甚至神经科学的其他方面有更扎实的了解研究和研究AGI。此外,在所有传统方法方面也有良好的背景可能是个好主意,他们能做什么或不能做什么,人工智能的历史(为什么有些方法失败或没有),并了解哲学问题,最后但当然不是最不重要的,请阅读当前的 AGI 方法,例如普遍主义(例如AIXI)或象征性方法(所有认知架构,例如OpenCog)。

为了更直接地回答您的问题,如果您可以阅读和理解 AIMA 书,那么您可能具备大部分数学先决条件,其中可能包括

  • 逻辑
  • 离散数学
  • 结石
  • 优化
  • 线性代数
  • 概率论
  • 计算理论(例如,如果您想了解AIXI,这肯定是需要的,但您还需要大量的测度理论算法信息理论来理解该理论的所有数学细节)

请注意,尽管这些主题(逻辑、概率论或计算理论)对于理解当前的 AGI 方法是必要的,但它们可能不足以开发完整的 AGI,但这是另一回事。此外,请注意,这些数学科目不仅需要理解当前的 AGI 方法,而且对于理解任何其他 AI 子分支(例如机器学习)也很有用(这可能就是为什么人们可能认为这个答案是误导,但事实并非如此:如果您曾经尝试过学习有关 AIXI 的知识,您就会知道以上所有科目都超出了要求!)

将来,如果您还想对 AGI 进行认真的研究,那么拥有计算机科学、认知科学、神经科学、数学和/或当然是人工智能的学位可能是一件好事。顺便说一句,Ben Goertzel 拥有博士学位。在数学中。AIXI 的发明者Marcus Hutter获得了计算机科学学士和硕士学位,辅修数学,获得博士学位。在理论粒子物理学和另一个博士学位。基本上是在他开发 AIXI 的那段时间里从事 CS 工作的。