人工智能作为探索工具,创造和研究能够揭示与人类和动物智能形式不同的候选智能构件的系统,以探索智能的可能空间。通过研究人类和大型语言模型在组合新概念和虚构概念能力方面的最近工作,证明后者在解决此任务时可能与人类假设的方式完全不同,但对智能研究同样具有重要意义。
Jan, 2024
智能是一种人类构造的概念,代表实现目标的能力。该论文旨在通过理论和定量分析,讨论智能的中心要素、挑战并提出一种基于第一原则的理论。关键特征包括路径效率、目标准确性等,并提出一种首次原则的智能理论框架 (TIS)。
Aug, 2023
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
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
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
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
本文旨在探讨人工智能在关键任务中的应用,提出了增强人工智能可解释性的重要性,并总结了当前构建可解释模型及说明方法的研究进展和关键方向。
Mar, 2018
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
本文是作者多年来收集的大量关于 “智能” 的非正式定义的调查。尽管不可能列出所有智能的定义,但在这里呈现的 70 多个定义是已知最大和最有参考价值的收集。
Jun, 2007