Модель AIξ

Модель AIξ [Hutter, 2005] получается из (2.1.4) и (2.1.5) путем подстановки ξ(q) вместо μ(q).

formula_49

где \xi_{k}(q) определяется так же, как и \mu_{k}(q).

Эту модель можно записать в разных формах. Можно не только заменить перебор программ агента p на перебор действий, но и ввести перебор по цепочкам ответов среды x_{\gt k}, хотя в такой форме все равно придется перебирать q, но при этом будут в явном виде определяться вероятности для разных прогнозов данных x в форме (2.1.7). В этом случае алгоритм AIξ будет похож на построение дерева игры, но при неизвестной модели противника. Мы не будем приводить все формы этой модели сразу (для этого можно обратиться к первоисточнику), а будем их использовать по мере необходимости в рамках того или иного расширения.

Пока не вводятся ресурсные ограничения, различия между разными формами этой модели не столь существенны. Подчеркнем лишь, что все варианты модели AIξ страдает от того же недостатка, что и формулы (2.1.4) и (2.1.5): в них не учитывается влияние выбора действий на возможное изменение распределения \xi_{k}(q). Этот дефект не так сложно исправить (что будет нами сделано чуть позже). Естественно, также нужно сразу понимать, насколько эта модель невообразимо далека от возможности реального воплощения. Ведь если агенту будет доступно всего два элементарных действия, совершающихся раз в секунду, с бинарным сенсором и рецептором боли, и то интеллектуальный агент, вычислительные ресурсы которого сопоставимы с мозгом человека, не сможет планировать больше, чем на минуту вперед. Любой прямой перебор программ или исчерпывающий перебор действий на практике недопустим.

Еще раз ответим на вопрос, почему же мы считаем такие модели принципиально необходимым отправным пунктом? Ответ заключается в том, что «практический» подход убедительно доказал свою несостоятельность в части построения сильного ИИ. В нем сразу теряется свойство универсальности, и «пост фактум» его не ввести, без чего ИИ будет принципиально ограниченным. Этот недостаток как раз и устраняется в моделях универсального алгоритмического интеллекта. Однако от завышения значимости простейших подобных моделей также нужно предостеречь, поскольку они столь же неэффективны, сколь и системы слабого ИИ неуниверсальны.

Стоит отметить, что модели типа AIξ достаточно очевидны с учетом универсального предсказания на основе алгоритмической вероятности. Заслуга Хаттера не столько во введении самой этой модели, сколько в детальном ее исследовании (включая вопросы ее оптимальности, о чем будет упомянуто в дальнейшем) и расширении.