May, 2024

具有外星内容和外星元语义的人工智能

PDF
TL;DRAlphaGo 以创新和新颖的方式下国际象棋和围棋，因此 AI 内容的语义和元语义是对它的内容进行思考的方式；然而，Cappelen 和 Dever 并未考虑外星内容的可能性，而外星内容是不可由人类表达的内容，而 AlphaGo 或其他复杂的 AI 系统可能表达外星内容，这个问题从语义和元语义的角度探索了 AI 中的外星内容，并讨论了我们人类如何与表达外星内容的实体进行沟通，以及澄清这些问题对于 AI 哲学的其他应用问题（如存在风险和 XAI）可能是重要的。
alphagoai contentalien contentsemanticsmetasemantics
发现论文，激发创造
  • 使人工智能可理解：哲学基础

    人类和人工智能是否能共享概念并进行交流？《使人工智能变得可理解》展示了意义形而上学的哲学研究如何回答这些问题，Cappelen 和 Dever 利用哲学中的外在主义传统构建了人工智能和人类相互理解的模型，从而改进了哲学传统，给出了有关理论和实践的重要答案，为实现可解释的人工智能迈出了重要的第一步。

    Jun, 2024

  • 如何在人智时代战略性地创建内容？

    通过研究人工智能生成模型与人类贡献者之间的竞争，本文探讨了动态竞争模型中人类贡献者如何在一系列主题的内容生成中最大化效益。在时间敏感的内容领域中，研究表明在没有多项式时间的优化策略的情况下，人类的最优策略无法找到，但通过设计一个多项式时间算法可以保证近似性能。而在时间不敏感的内容领域中，我们展示了一种可以在长期内最大化人类效益的多项式时间算法。

    Jun, 2024

  • 人工智能与人类知识的桥梁：AlphaZero 中的概念发现与转移

    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

  • 当人工智能代替我们回答问题时的认知考虑

    通过使用逻辑 - 符号推理来解决人工智能可能存在的认识上问题，来避免擅自运用人工智能对输出内容和结果的不当控制，从而遵守 Grice 的质量最大化和 Lemoine 的法律无罪最大化原则。

    Apr, 2023

  • 人工智能生成内容（AIGC）的语义通信：朝着有效内容创作迈进

    通过引入内容生成层，将人工智能生成内容 (AIGC) 与语义通讯 (SemCom) 结合起来，提供了清晰的 AIGC 与 SemCom 之间互动产生有意义和有效内容的概念模型，并提出了一种基于 AIGC 技术的语义信息编码器和解码器的新框架，以优化 AIGC 服务的语义提取和评估指标，从而适应不同类型的内容生成、所需质量和语义信息使用。通过使用深度 Q 网络 (DQN)，展示了对优化问题的可行性和收敛特性的有益见解。

    Aug, 2023

  • 存在和感知作为 AGI（人工通用智能）的基础

    本文试图对 AGI 中的概念 “meaning” 和 “knowledge” 进行严格的规范化定义，以便在实际实现中能够在上下文中处理相关的认知概念。

    Jan, 2022

  • 关于意义计算、语言模型与难以理解的恐怖

    本文将意义基础理论与 AGI 的数学形式结合起来，旨在提供一种全面的有关意义、交流和符号出现的机制性解释。此次综合研究在 AGI 和关于语言本质的更广泛辩论中具有重要意义，它将语用学、逻辑真值条件语义学、Peircean 符号学和赋能认知的可计算模型统一起来，涉及传统上难以进行机制性解释的现象。通过考察一台机器生成有意义话语或理解人类意义的条件，我们确定了目前的语言模型并不具有与人类相同的意义理解，也不打算表达任何我们可以归于它们响应的意义。为了解决这个问题，我们提出了模拟人类情感和优化模型以构建弱表示的解决方案。我们的发现揭示了意义和智能之间的关系，并探讨了如何构建能够理解和表达意义的机器。

    Apr, 2023

  • 将超级智能与人类行为相一致：以象棋为模型系统

    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

  • 模拟卡拉是有意识的异国情调

    通过引用维特根斯坦的后期著作，本文试图解决对话代理人是否具有意识的问题，同时避免二元思维的陷阱。

    Feb, 2024

  • 反对虚假的 AI 夸大宣称的立场文件

    人类有倾向在周围的物体中看到类似于 “人” 的特质。这种行为被称为拟人化，并且这种拟人化趋势也出现在机器学习中，其中声称在大型语言模型中感知到类似于人类智能的特质。本立场论文通过考虑专业激励、人类偏见和一般的方法论设置，讨论了当前对人工通用智能（AGI）的追求与将人类特质过度归因于大型语言模型之间的关系。通过几项实验，我们证明在潜在空间中发现可解释的人类模式并不足为奇。另外，考虑到媒体中对人工智能的普遍描绘，我们呼吁学术界在解释和交流人工智能研究结果时要格外小心，并且要对学术诚信原则有更高的意识。

    Feb, 2024