アナロジーはコミュニケーションにおいて非常に強力です。既知のドメインにマッピングするだけで、ドメインの知識がない人々に複雑な概念を説明できます。ホフスタッターはそれらが重要であると言い、ダイクストラは彼らが危険だと言います。とにかく、アナロジーは人間のコミュニケーションの概念を伝達するための強力な方法と見なすことができます（伝達学習と言っていいでしょうか？）。
私はCase-Based Reasoningなどのレガシーな作業を知っていますが、AIのアナロジーメカニズムに関する最近の作業はありません。
AGIに類推が必要かどうか、およびそれらがどれほど重要かについてコンセンサスはありますか？
具体的な作品や出版物で回答を裏付けることを検討してください。
回答:
私は「一般的な知性」の厳密な定義を持っていないので、私はあなたに実際の質問に対して真の答えを与えることはできないと思います。また、文脈において「クリティカル」の明確な定義もありません。
しかし...もし私たちが知性とは何か、そしてそれが重要であるという意味についての私たちの素朴で直感的な理解に頼るなら、あなたはこれを「一般的な知能システムがそれができなかった特定のことをするために類推する必要があるか」と翻訳するかもしれません。そうでなければ？」あるいは、別の言い方をすれば、「他の方法では再現できない、類推による有効な動作はありますか？」
厳密には、どちらの質問にも答えはありませんが、少なくとも「はい」の可能性があることを示唆する証拠はあります。参考として、HofstadterとMitchellによるCopycatペーパーを参照してください。私が見たものから見ると、Copycatが解決する問題の種類のいくつかは、他のアプローチで解決した問題とは異なります。たぶん、たまたま偶然かもしれませんが、「ディープラーニング」、「ルールの誘導」、「遺伝的アルゴリズム」などの問題を解決しようとした人はいません。あるいは、彼らが持っているかもしれませんが、私はその研究のコーパスを偶然見つけたことはありません。
とにかく、AI / MLのアナロジーの使用に関する研究がまだ進行中であることも付け加えます。たとえば、著者が類推の使用について話している2017年7月のこの論文を参照してください。ただし、彼らのアプローチは「分析的推論」として定義されています（彼らは以前の「GOFAI期間」で定義された「分析的推論」とは異なると主張しています）。また、2017年6月のこのペーパーでは、別の著者が類似の推論の形式を扱っています。
何らかの類推の推論が「重要」であるかどうかについては意見の一致はないと思いますが、それは間違いなくまだ研究されている主題です。
そして、少し接線を引く-興味深い関連する質問は、「アナロジー作成」が十分に深い/広いANNの創発的な特性であるかどうか、またはそのような施設を設計し、明示的にコード化。