我看到了 M. Hutter & S. Legg 的几篇论文。特别是这个: 通用智能:机器智能的定义,Shane Legg,Marcus Hutter
鉴于它是在 2007 年出版的,它获得了多少认可或同意?从那以后,是否还有其他工作可以更好地将智能的概念正式化?什么被认为是该领域主题的当前标准?
我看到了 M. Hutter & S. Legg 的几篇论文。特别是这个: 通用智能:机器智能的定义,Shane Legg,Marcus Hutter
鉴于它是在 2007 年出版的,它获得了多少认可或同意?从那以后,是否还有其他工作可以更好地将智能的概念正式化?什么被认为是该领域主题的当前标准?
我的感觉是,每个人都在假装智能没有一个有根据的定义,所有其他定义都来自这个定义:
它可以是相对于其他理性主体的相对量度,也可以是相对于已解决游戏(问题)的绝对量度。动作空间是任何上下文,形式化为问题或问题集,通常按复杂性类别分组。
Hutter 和 Legg 是对这个扎根定义的解释,它解释了无限的上下文(复杂性类/环境)以及随着时间的推移增加给定代理的效用(学习/优化)。智能本身不需要学习或普遍适用性,但 Hutter &莱格对此并不反驳,只是将静态智能和狭隘智能划分为更有限。
即使这也取决于上下文,因为更有限的理性可能更优化。
它不需要定义函数即可将其理解为函数:结果的测量需要机制和决策/行动。
您会发现这种自然语言定义甚至适用于情商,这与理性主体在上下文中的观察能力有关,并允许理性主体在上下文中做出更优化的决策。
这在精神上与真理相似,只是基于形式逻辑上下文,它是一个条件和结果,而不是一个断言。相比之下,真理的条件性在自然语言环境中经常被掩盖,其中 is 通常应用于无法验证的非正式陈述,甚至可以与陈述本身混为一谈à la:“这就是真理!”
关于为什么这种智力定义似乎无法捕捉生活逻辑的一些常识性评论:
优化仅在静止环境中才有意义。当许多代理学习和交互时,他们正在构建一个不断变化的环境。
生存和繁殖是唯一真正重要的事情,它不需要优化,只要足够好的解决方案。
个体生物的生存在很大程度上取决于足够的硬连线感觉能力,这种能力可以在许多代人中慢慢改变。但更聪明的人可以使用他们的大脑(或任何他们可能拥有的可塑性工具)在非固定环境中快速学习和适应。这些代理真正需要的是快速学习,而不是优化。