Когнитивное смещение универсального интеллекта

Введение До настоящего момента нам хватало известных моделей ИМИ, и с не слишком существенными оговорками можно почти согласиться с тем, что «AIXI model is the most intelligent unbiased agent possible» [Hutter, 2007] и что ИМИ в своем поведении будет не более ограниченным, чем человек, но при наличии достаточных вычислительных ресурсов и информации. Последняя оговорка и поясняет […]

Опасность упрощения ИМИ на примере элементарной среды

И все же, смотря на сверхзатратные модели ИМИ, возникает естественное желание произвести их упрощение, например, уменьшить количество используемых в предсказании моделей или отделить предсказание от выбора действий. Хотя такое упрощение и необходимо, оно может быть весьма опасным даже в случае простейших сред. Рассмотрим очень простую среду, которая на каждое действие агента y выдает подкрепление r с […]

Эффективный и прагматический универсальный интеллект

В самом начале мы упоминали о данном в [Wang, 2007] понятии эффективного интеллекта, как интеллекта, выполняющего свое предназначение в условиях ограниченных вычислительных ресурсов и информации. AIξtl работает в условиях ограниченных ресурсов и информации (среда полагается априорно неопределенной), причем оптимально по времени с точностью до некоторого замедляющего фактора. Однако подобная оптимальность является слишком слабой. Но можно […]

Простейшая модель с ограничением ресурсов

Очевидной причиной невозможности применения универсального предсказания с помощью алгоритмической вероятности, а также моделей ИМИ на его основе, является его невычислимость. Невычислимость связана с двумя обстоятельствами: 1) усреднение проводится по бесконечному множеству моделей; 2) среди этих моделей есть безостановочные алгоритмы (причем в силу неразрешимости проблемы останова во всех случаях невозможно определить, зацикливается ли тот или иной алгоритм […]

Универсальность и однозначность ИМИ

Действительно ли модели ИМИ (модели типа AIξ) описывают универсальный интеллект? Мы уже видели, что постановка задачи для ИИ как максимизации целевой функции является неполной: сама проблема задания целевой функции оказывается весьма непростой (сюда можно включить и более частную проблему задания диапазона предсказания). Но является ли ИМИ универсальным хотя бы в плане решения этой задачи? Здесь […]

Модель AIξ

Модель AIξ [Hutter, 2005] получается из (2.1.4) и (2.1.5) путем подстановки ξ(q) вместо μ(q). где  определяется так же, как и . 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 , хотя в такой форме все равно придется […]

Проблема универсального предсказания

Как строить модель универсального интеллектуального агента, если не дано μ(q)? Нужно вспомнить, что под μ(q) подразумевается не истинное, а некое лучшее (с учетом имеющейся априорной информации) распределение. Но в реальности это распределение построить крайне проблематично. Какое распределение стоит принять при минимуме априорной информации? Пусть это распределение ξ. Для соблюдения универсальности необходимо, чтобы для любой программы q […]

Неопределенная среда

Случай известной детерминированной среды с заданной целевой функцией банален. По сути, вся область ИИ началась с рассмотрения этого случая, когда была высказана лабиринтная гипотеза мышления. И, естественно, исследователи очень быстро с общей постановки задачи перешли к вопросу о том, как ее решать на практике в условиях ограниченных вычислительных ресурсов. Вместе с тем заданность среды означает […]

Адекватность постановки задачи максимизации целевой функции

Одним из очевидных вопросов, которые здесь возникают, является выбор интервала времени (вернее, его верхнего предела), по которому производить суммирование. Этот вопрос, обойденный при записи уравнений (2.1.1)–(2.1.3), не имеет очевидного ответа и требует анализа. Посмотрим на традиционный пример шахматной позиции. Идея здесь в том, что съедание белыми ладьи черных приведет к проигрышу. Ничья же достигается лишь […]