Feb, 2024

通用模仿游戏

PDF
TL;DR图灵提出了 1950 年模仿游戏的框架，通过在范畴理论中使用数学，我们分析了更广泛的通用模仿游戏（UIGs），包括静态、动态和进化游戏，并使用两个有影响力的 Yoneda 结果来描述每种类型的模仿游戏。
发现论文，激发创造
  • 骑士不确定性游戏

    游戏作为 AI 的试验平台，在 20 世纪后期和 21 世纪初被视为 AI 的研究重点，但取得的成功并未实现通用智能，因此需要能够应对游戏规则的不确定性以实现 AGI 发展和智能机器建设。

    Jun, 2024

  • 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

  • 多智能体学习系统的数学：博弈论与人工智能交叉界面

    进化博弈论和人工智能两个领域虽然乍看起来不同，但它们具有显著的联系和交叉点。本文旨在通过交叉思想促进多智能体学习系统的数学进展，特别是在 “集体合作智能” 领域，以连接进化动力学和多智能体强化学习。

    Mar, 2024

  • 因果推断图的普适性和因果再现性

    本文提出了一种基于范畴论的普适因果推断框架 (Universal Causality)，利用范畴论架构了一种抽象的因果关系图示，提出了 “范畴”、“自然变换” 和 “函子” 这些概念，从而构建了一种通用的因果语言工具并且给出了普遍性因果定理（UCT）和因果再现性原则（CRP）。

    Jul, 2022

  • 通过游戏来衡量智力

    作者讨论了如何测试普遍人工智能的智能程度，并提出了用游戏描述语言中游戏空间的抽样来扩展通用智能的概念以处理有限时间的中心思想。

    Sep, 2011

  • 不良通用先验和最优性概念

    讨论了算法信息论中普适图灵机的选择对于 AIXI 的影响，研究结果表明，没有普遍不变定理。各种不幸或者对抗性的选择 UTM 的情况都会极大地干扰 AIXI 的行为，这意味着 AIXI 是一种相对论，完全取决于 UTM 的选择。

    Oct, 2015

  • 归纳、波普尔和机器学习

    本文讨论了关于人工智能算法的两种基础框架：归纳与达尔文进化，在此基础上，提出一种新的理解 AI 系统的方法，即全局达尔文主义，认为此方法更能解释 AI 系统的发展过程。

    Oct, 2021

  • 游戏因果推理

    本文介绍一种新的框架 —— 结构性因果博弈，它将因果层级扩展到博弈论领域，以及介绍了一种基于因果游戏的 Python 库。该框架支持机械化博弈，定义了因果查询并与其他因果或博弈理论模型进行了比较。

    Jan, 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

  • 人类对适应性机器的适应趋于博弈论均衡

    本文通过运用机器学习算法与博弈论的框架， 利用多个均衡状态来调节和预测智能人和机器之间的协同适应交互， 并发现某些算法可有效地控制人的行为，从而引导人机交互达到机器的最优状态。

    May, 2023