是否有经验证据表明某些实现 AGI 的方法肯定行不通？出于问题的目的，系统至少应该能够学习和解决新问题。
一些可能的方法：
- Prolog 程序
- 不直接修改自己代码的传统过程语言（如 C++）的程序
- 在某些人工环境中响应选择压力而在基因上进化的程序
- 人工神经网络
- 仅以自然人类语言（例如英语、法语等）的形式存储其内部知识的程序（这可能会赋予其自省所需的特性）
- 仅以符号语言的形式存储其内部知识的程序，可以通过逻辑规则明确处理
是否有任何绝对行不通的 AGI 方法？
人工智能
敏捷
2021-10-21 07:50:23
1个回答
非常有趣的问题。假设所使用的编程语言足够强大（比如图灵完备），以上所有内容实际上都应该导致 AGI。不同之处在于它们的效率如何，无论是在所需的计算数量方面还是在程序的长度方面。
所以这个问题可以改写为：哪种方法不能导致 AGI 使用少于 X 个资源并且比 Y 个字符短？第二个问题基本上是询问该语言中 AGI 的 Kolmogorov 复杂性，这是无法计算的。由于我们找不到最短的程序，我认为我们也无法得出关于最大程序效率的结论。总之，我看不到排除任何这些方法的方法（但我很高兴被证明是错误的）。