通用智能：机器智能的定义

Dec, 2007

Universal Intelligence: A Definition of Machine Intelligence

Shane Legg, Marcus Hutter

TL;DR本文旨在通过数学公式将各种形式的人工智能定义转化为机器学习中的智能度量，并将之与通用最优学习智能体的理论联系起来，最后综述了已经为机器学习提出的智能度量和测试方法。

Abstract

A fundamental problem in artificial intelligence is that nobody really knows what intelligence is. The problem is especially acute when we need to consider artificial systems which are significantly different to humans. In this paper we approach this problem in the following way: We ta

artificial intelligence machine intelligence mathematically formalised learning agents tests

发现论文，激发创造

机器智能的正式度量

本文旨在将著名的人类智能概念的精髓进行数学形式化，以产生适用于任意机器的智能的普遍度量，这个度量从最广泛的合理意义上正式捕捉了机器智能的概念。

May, 2006

通用智能度量的逼近方法

本文基于 Hutter 和 Solomonoff 的理论，研究了建立基于 UIM 的实用性能度量所涉及的实际问题，并开发了一种基于原型实现的度量方法，用于评估不同人工智能代理的性能。

Sep, 2011

通用归纳和智能中的开放问题

本文介绍了一个历经半个世纪的万能归纳和万能智能的数学理论，重点讨论了该理论面临的挑战和未解决问题，为研究智能算法提供了指导和标准。

Jul, 2009

搜索通用人工智能的框架

本文描述和统一引导开发通用人工智能的原则，这些原则围绕着智能是搜索问题通用解决方案的工具这一理念展开，同时提供建议以研究、测量和测试人类水平智能机器所需的各种技能和能力。

Nov, 2016

关于智能的功能性定义

通过提供关于智能的纯功能性黑盒定义以及对相关概念的区分，本研究在人工智能领域提供了一个可观察的、概念上可测试的连续性定义，并指出了在可量化测量方面所面临的挑战。

Dec, 2023

通用人工智能十年

本文提供了 Universal Artificial Intelligence (UAI) 理论的非正式概述，讨论了智能的特征，一些社会问题和 UAI 的过去和未来，并介绍了代理人 AIXI 和其近似算法的发展和实验研究。

Feb, 2012

面向目标驱动的人工智能综述

人工智能在几个关键方面仍然比人类智能有限，如在理解上下文、言外之意和微妙线索方面的能力。本文展望了可能用于缩小人类智能与机器智能差距的机器智能候选方法，重点讨论了当前人工智能技术的不足，以及层次规划和能量基、潜变量方法以及联合嵌入预测架构方法如何帮助弥合这一差距。

Aug, 2023

智能的度量

该研究介绍了智能系统自识别反馈信号的必要性，提出了基于算法信息理论的智能定义，阐明了人工智能基准测试的重要性，介绍了一个使用人类内在先验近似设计的基准测试集 ——ARC，用于度量具有高通用流体智能的人工智能系统与人类的综合智能的比较。

Nov, 2019

智能的本质

通过仿真人脑，人工智能建立了具有学习能力和接近人类水平的智能任务执行能力的计算模型，同时证明了智能的本质是一系列数学功能过程，通过建立数据集之间的功能关系来最小化系统熵，并通过能量消耗的增强方式在人类和人工智能中实现。

Jul, 2023

通往机器智能的路线图

本文提出了智能机器应该具备的基本属性，集中关注的重点是沟通和学习。我们讨论了一种简单的环境，可以用来逐步教授机器基本的自然语言沟通，作为与人类用户更复杂交互的先决条件。我们还提出了一些假设，机器应该支持哪些算法才能从环境中获得盈利。

Nov, 2015