研究人员基于人类下棋决策的详细数据，通过 AlphaZero 构建了一种定制化的人工智能引擎 Maia，能够更准确地预测人类棋手的下棋。这项研究表明，重点是建立精确的人类决策模型，安装有人类协作的人工智能系统具有很大的潜力。

Jun, 2020

通过开发高度精确的预测个体在下棋中的行为的模型，我们可以将人工智能系统更好地与个体的行为相一致，从而提高人 - 人工智能交互的效果。

Aug, 2020

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

通过在国际象棋中构建多样化的人工智能团队，研究表明多样性对于解决复杂计算问题具有价值，并能使团队中的人工智能系统产生出更多有创造性的决策机制。

Aug, 2023

研究了 AI 系统更新对人类决策的影响，提出了兼容性的概念并指出了现有机器学习算法无法产生兼容的更新，因此提出了一种重新训练的目标，以改善更新的兼容性和准确性的平衡。

Jun, 2019

AI 系统的效率取决于其与给定任务的特定要求的一致性；然而，任务的固有复杂性常常引入潜在的有害影响或不良行为。本研究探讨了 AI 系统中关键的能力概念，即系统应该提供的功能；该概念的表达包括明确定义的结果，但实现这一能力可能会受到实施和测试不足的影响，反映了系统能力与其成功执行的能力之间的差距。探索 AI 系统有效执行任务的能力存在一项核心挑战，这一挑战尚处于初级阶段，有时表现为表示成功概率的置信区间。对于 AI 系统的能力的明确建模和详细规范是建立对其的信任的关键，它与系统的能力密切相关。本研究提出了一个框架，来说明 AI 系统的能力。受到类似 “Glass Door problem” 这样的实际场景的启发，其中一个人由于能力上的失败而无意间遇到玻璃障碍物，本研究强调了深入研究能力动态的重要性。通过详细层面上弥合能力与功能之间的差距，本研究促进了增强 AI 系统在现实应用中可靠性的讨论。

Nov, 2023

提取出的五个关键词是：人工智能、AlphaZero、国际象棋概念、人类专家、人工智能应用。研究论文的简短总结为：通过提取 AlphaZero 中的国际象棋概念，人类专家能够成功学习和改进解决这些概念的能力，这在推进人类知识前沿方面取得了重要的里程碑，对于人工智能的交互方式和广泛应用具有深远的影响。

Oct, 2023

通过证据的汇集，展示了自然智能是通过不同尺度的互动网络中的智能集体、社会关系和主要进化转变而产生的，这些过程通过种群压力、军备竞赛、马基雅维利选择、社会学习和积累文化等机制促进了新数据的产生，将这些机制整合到智能代理的视角中，表明通过持续的新数据生成实现类人复合创新的可能路径。

May, 2024

通过创新的信号生成和操作机制，结合最先进的机器学习算法，实现了计算机在人机互动博弈中与人类合作的能力，无需复杂的对手建模或心灵理论。

Mar, 2017

探讨了人类智能与人工智能在预测特定结果方面的优劣，提出了在未来几十年内的劳动分工典范可能是混合智能。这个概念旨在利用人类智能和人工智能的互补优势，以使它们能够比两者分别表现得更好，并探讨了其在组织上下文中的应用。

May, 2021