MMApr, 2015

终极智能第二部分：智能的物理度量和复杂性

PDF
TL;DR本文继续研究适用于归纳推理系统的体积和能量测量，扩展了 AIT 中的逻辑深度和概念跳跃大小测量到随机问题和涉及体积和能量的物理测量，介绍了计算复杂性的图形模型，展示出归纳推理的能量、逻辑深度和计算体积之间的一些渐近关系，引入了基于能量限制的算法熵，并简要讨论了我们宇宙中智能计算的物理极限。
inductive inferencelogical depthcomputational complexityenergy measuresblack-hole equation
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

  • 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

  • 一种基于熵的系统结构智能度量方法

    本文研究如何衡量系统在特定结构下的智能水平，采用多个指标计算了若干基本结构的智能度，结果表明某些结构确实比其他结构更聪明，探讨了自然生命的进化机制和构建高智能度类生物结构的可能途径。

    Aug, 2022

  • 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

  • 通用智能：机器智能的定义

    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。

    Dec, 2007

  • 智能理论研发中的八大挑战

    通过理论模型的建立，我们可以更好地理解大型神经网络和人工智能等领域的现象和行为，依此探讨人工智能理论中的八大挑战。

    Jun, 2023

  • 可计算人工通用智能

    提出一种基于经验的理论框架，称为 “实用弱点原则”，用于处理认知科学和人工智能中的主观性问题，并将其与 AIXI 进行比较，显示出在弱点最大化的情况下会取得最优的行为结果。

    May, 2022

  • 智能作为计算

    该研究提出了将智能视为计算的特定概念化，旨在为所有智能研究学科提供统一的视角，并解决了现有观点之间的差异。该概念化将智能视为不同范式计算的组合，提出了多学科研究议程，旨在实现智能科学的统一。

    May, 2024