Mar, 2022

DIAS: 一个基于人工生命的领域无关问题解决系统

PDF
TL;DR介绍了一种基于人工生命原理的领域无关问题解决系统 DIAS，该系统能够解决不同种类和复杂度的问题，且不需要对新问题进行超参数调整，并能展现终身学习适应能力和比传统的非集体方法更好的问题解决能力。因此，ALife 在构建可伸缩、通用和自适应问题解决系统方面具有重要作用。
artificial lifediasproblem-solvingcollective approachlifelong learning
发现论文，激发创造
  • 使用机器学习和专家系统技术构建的自适应多领域人工智能系统的开发

    通过结合经典人工智能技术 —— 专家系统与现代适应性梯度下降训练的专家系统（GDTES），利用生成式人工智能（GAI）创建网络和训练数据集的机制，本研究提出了一种人工智能的学习和发展推理路径以在先验未知领域做决策的方法，并展示了朝着产生人工通用智能（AGI）的目标迈出的小步骤。

    Jun, 2024

  • 通过不变特征表示的领域泛化

    本文介绍了一种基于核方法的算法 Domain-Invariant Component Analysis，通过最小化域间差异并保留输入输出间的功能关系，学习一个不变转换来实现从已知相关领域到未曾接触领域的知识迁移。学习理论分析表明，减少差异可以提高分类器在新领域上的期望泛化能力。实验结果表明，DICA 成功地学习了不变的特征并改善了分类器的性能。

    Jan, 2013

  • 自适应群体智能系统 (SASS)

    本篇博士研究提出了一个有原则的多智能体系统 (MAS) 合作框架 —— 自适应群体系统 (SASS)，以弥合感知、通信、规划、执行、决策和学习之间的第四级自动化差距。

    May, 2021

  • 面向自适应系统的终身动态优化：事实还是虚构？

    本文提出了一个名为 LiDOS 的生命周期动态优化框架用于处理自适应系统中的动态变化，将自适应系统规划作为一个多模式优化问题来处理以更好地解决本地最优解问题，在三个实际自适应系统上的实验结果表明该框架比其他现有规划器表现更好，且在生成有前途的适应计划方面加速了 1.4 倍至 10 倍。

    Jan, 2022

  • 跨领域理解与估计领域复杂性

    提出了一个通用框架来估计不同环境中领域复杂性，以解决人工智能系统在真实世界中的困难。通过分析维度、稀疏性和多样性，提供了领域挑战的全面视角，以避免偏见，并帮助在开放世界域中进行广泛搜索。

    Dec, 2023

  • CAIS-DMA：协同人工智能系统的决策助手

    该研究介绍了一种新的方法，用于在协作人工智能系统在经历破坏性事件后的性能退化时自动支持决策过程。我们开发了一个框架，自动监控决策过程，在性能退化时进行干预，并推荐下一步操作。

    Nov, 2023

  • 动态输入 / 输出自动机：动态系统的正式且组合模型

    提出了一种动态 I/O 自动机（DIOA）的组件化模型，具有操作符，可以动态创建和销毁自动机，并可以动态更改其签名，它可以模拟移动性，是层次化的，并可以使用跟踪包容性进行行为子类型化。同时，该模型具备并行组合，操作隐藏，操作重命名的操作符。

    Apr, 2016

  • 自主智能软件开发

    AIDA 是一种自主智能开发代理人，利用语义知识图推理软件需求规范，生成满足要求的代码并且随着写代码学习和提高效率。

    Aug, 2022

  • 跨领域定义领域复杂度度量的探索

    该研究提出了一种通向一般、领域无关的领域复杂度水平的路径，该水平由固有和外在两个要素组成，可以帮助量化预测人工智能系统在转变测试环境、面对开放世界任务中的分布数据以及导航在开放世界领域中快速扩展的解决方案和搜索空间时所面临的困难。

    Mar, 2023

  • 社会问题的常规自动解决方案生成

    研究报告通过构建基于代理模型的自动社会操作系统（ASOS）的方法，采用超图和符号混合框架来综合和结构化地表示社会动态，以解决当前社会问题生成解决方案的相关挑战，并在国际油期货市场中成功应用 ASOS 来识别潜在市场条件并进行干预，从而提出了一种有效且系统的解决方案生成方法。

    Jan, 2024