回答:
私はこの答えの前置きとして、私よりもはるかに賢い人がこの主題を詳細に扱ったことに注目します。そうは言っても、私がわかる限り：
インテリジェンスについて話すとき、他のインテリジェンスの強さと比較して、問題に関連する問題解決の強さを指します。
これは、合理性と合理的なエージェントの概念に関連する、ややゲーム理論的な概念です。このように知性については避けられないかもしれません。具体的には、問題、ソリューション、または抽象的な概念を理解する能力としてインテリジェンスを定義できますが、その理解をテストせずに検証することはできません。 （たとえば、私は数学的手法を理解していると信じるかもしれませんが、その信念が本当か幻想かを判断する唯一の方法は、その手法を利用して結果を評価することです。）
ChessやGoなどのゲームがマイルストーンとして使用されてきた理由は、ゲームに対する長年の人間の関心は別として、単純で完全に定義可能なパラメーターをモデルに提供し、少なくともGoの場合、自然に似た複雑さを持っているためです。それによって私は解決できない / 扱いにくいことを意味します。（Tic-Tac-Toeの強さと比較してください。これは簡単に解決されます。）
ただし、チューリングテストに関する質問に対するこの簡潔な回答で指摘された点を考慮する必要があります。
「[インテリジェンス]は、環境内の動作によって純粋に定義されるのか、それともその動作に到達するメカニズムによって定義されるのか？」
GoogleはAIにデータセンターの冷却を制御するだけなので、これは重要です。ここでは明らかに実用性を実証するメカニズム自体ですが、そのメカニズムをインテリジェントと呼ぶ場合、インテリジェンスに意味を持たせるには、「インテリジェントな方法は？」と取り組む必要があります。（どのようにインテリジェントですか？）「どのくらいインテリジェントか」を知りたい場合。（その有用性の程度）他のメカニズムのパフォーマンスとの関連でそのパフォーマンスを評価する必要があります。
（グーグルでエアコンを制御するオートマトンの場合、それは以前の制御システムよりもどのくらいインテリジェントであると言えるでしょう。）
ここでは、一連の問題に適用できるメカニズムとして定義される「一般化されたインテリジェンス」について話し始めているので（「公理的知能」の形としてミニマックスを、「適応的知能」の形として機械学習を含めます）、定義を拡張して明確にすることは価値があるかもしれません：
インテリジェンスは、他のメカニズムの強度と比較した、1つまたは複数の問題に関連するメカニズムの問題解決の強さです。
または、私たちが小柄になりたかった場合：
インテリジェンスは、インテリジェンスと同じです（そしてどれだけうまくいくか）。
ペーパーUniversal Intelligence：A Definition of Machine Intelligence（2007）で、LeggとHutterはインテリジェンスの定義を提供しています。
インテリジェンスは、幅広い環境で目標を達成するエージェントの能力を測定します。
この定義は、狭いAI（たとえば、人間はAlphaGoよりもインテリジェント）よりも一般的なインテリジェンスと、さまざまな環境へのエージェントの適応性を「支持」します。ただし、この定義は完全なものではない可能性があります。たとえば、ウイルスが広範囲の環境に適応する能力を考えると（たとえば、Goのみを再生するAlphaGoと比較して）、ウイルスはAlphaGoなどよりもおそらくインテリジェントであると考えられます。 。この定義は、AIXIと呼ばれる人工一般知能の数学的理論と非常に関連しています。詳細については、論文をご覧ください。
コンピュータ時代の前は、知性は哲学的用語で定義されていました。それは論理、思考、学習、自己認識、記憶、問題解決に関係しています。この定義はあいまいであり、ソフトウェアで実装することはできません。インテリジェンスを定義する現代のアプローチは、ゲーム理論に基づいています。トリックは、インテリジェンスが魂を持つことができる実際の人々にもはや接続されていないということですが、それはゲームに勝つための戦略にすぎません。アイデアは問題を少し修正することであり、記憶と学習が何であるかについて議論するのではなく、より重要な質問はゲームを作成する方法です。ゲームは、機械で読み取り可能なルールシステムであり、現実をシミュレートします。たとえば、「ポン」はテニスのシミュレーションであり、「シムシティ」は住宅建築をシミュレートしています。ゲームとゲームで成功する戦略の間には違いがあります。ゲームで弱いスコアを獲得することは可能ですが、
コンピュータの発明は知性の実現とも言えます。ほとんどの理論的なコンピュータ科学者は、チューリングレディコンピュータがあらゆる問題を解決できることに同意します。彼が必要とするのは、一連のステップであるアルゴリズムだけです。つまり、機能の観点からは、アルゴリズムを実行できるので、コンピュータをインテリジェントと呼ぶことができます。これは具体的なアルゴリズムがどのように見えるかという質問には答えませんが、理論的にはコンピューターは人間ができることなら何でもできるのです。
これは人工知能の研究分野にとってAIにとって重要な質問です。おそらく最も重要な質問です。つまり、AIが科学であれば、その実験は経験的にテスト可能です。合格または不合格を決定する方法が必要です。では、知能のテストとは何でしょうか？テストを設計する前に、インテリジェンスが何であるかを明確に理解する必要があります。
確かに、私は「潜水艦の建造」として知られる研究開発プロジェクトに参加しています。確かに、潜水艦が水密であると完全に確信しています。しかし、潜水艦が水密かどうかをテストする方法がわかりません。 「水密」とはどういう意味ですか。この全体の考えはばかげています。しかし、「知性」の意味をAIに尋ねてください。解析で得られる答えは、潜水艦の例とほとんど同じです。
基本回答-動作
言葉（アイデア、概念）の「知性」は、通常、行動の観点からAIによって定義されます。つまり、チューリングテストのアプローチです。機械がそのように動作する場合、機械はインテリジェントです。人間が同じように動作する場合、人間は人間の知能を必要とする動作を実行していると言われます。
問題1：ピアノはインテリジェントです。スコットジョプリンの曲を演奏するには、明らかに人間の知性が必要です。
問題2。マシンがテストに合格した場合、テストされた動作に対してマシンが「インテリジェント」であることが示されるだけです。テストされていない動作はどうですか？これは実際には、自動運転車のAI制御システムでの死活問題です。AIシステムは、特定の環境で車を運転するのに適しています（これには明らかに人間の知能が必要です）。たとえば、標識の付いた車線のある高速道路、狭いコーナー、2つの方向を分離する中央分離帯などです。しかし、システムは「エッジケース」（異常な状況）で壊滅的に失敗します。
問題3。スクールバスを運転するためのチューリングテストに合格したロボットが運転するスクールバスに子供を乗せるのは誰ですか？生きている電力線が道路を横切って落ちるときの嵐はどうですか？または、遠くのツイスターがこのように来ていますか？テストされていない他の千の可能性はどうですか？すなわち、ない行動が、右-責任ある親は、デジタルバスの運転手が十分に類似した内部プロセスと構造を持っていたことを人間の知性、そして（b）の内部プロセスおよび構造の原則が何であるか（）を知りたいでしょう内側の要素、正しい内因性。
望ましい答え–内的原則
マシンが適切な内部プロセスを実行していて、適切な内部（メモリ）構造でこれらのプロセス（アルゴリズム）を実行していたことを知りたいのですが。問題は、人間の知性の正しい内部プロセスと構造が何であるかをだれも知らないようだということです。（確かに大きな問題–しかし、AIを妨げていない問題–または自動運転システム開発者–少し）これの意味は、AIが今やるべきことは、内部プロセスが何であるかを解明することですそして人間の知性の構造。しかし、それはこれを行っているのではなく、欠陥のあるテクノロジーを商品化しているのです。
定義の要素– 1.一般化
私たちは人間の知性についていくつか知っています。一部のテストは、マシンに人間の心の特定の特性があるかどうかを実際にテストします。これらのプロパティの1つは一般化です。彼の1950年の論文では、チューリングは一種のジョークとして、会話の一般化の本当に良い例を示しました（目撃者は機械です）。
「質問者：ソネットの最初の行で、「あなたを夏の日と比較しませんか？」と書かれていますが、「春の日」も上手くいきませんか？
目撃者：スキャンしません。
質問者：「冬の日」はどうですか。
目撃者：はい、しかし誰も冬の日と比較されることを望んでいません。
質問者：ピックウィック氏がクリスマスを思い出させたと思いますか？
証人：ある意味。
質問者：それでもクリスマスは冬の日であり、ピックウィック氏が比較を気にすることはないと思います。
証人：あなたは真面目ではないと思います。冬のフレイとは、クリスマスのような特別なものではなく、典型的な冬の日を意味します。」
現在のAIには、このように一般化できるようになることはほとんどありません。一般化の失敗は、おそらく現在のAIの最大の失敗と見なされます。一般化する能力は、「知性」の適切な定義の一部です。しかし、一般化が何を意味するのかを説明する必要があります。
一般化の問題も、フレーム問題、常識的な知識の問題、組み合わせ爆発の問題など、AI理論に対するいくつかの深刻な哲学的反対の背後にあります。
定義の要素– 2.知覚
感覚的知覚は、明らかに人間の学習と知性の基本です。データ（ある形式）は人間の感覚によって放出され、中央システムによって処理されます。コンピュータでは、バイナリ値がデジタルセンサーから出て、機械に移動します。ただし、値自体には何が検出されたかを示すものはありません。しかし、コンピュータが取得するのはバイナリ値だけです。どのようにして機械が感知されたものを知ることができるのでしょうか？（古典的な中国の部屋の引数の問題。）
したがって、人間のような知性のもう1つの要素は、人間のような方法で知覚する能力です。ここで「人間に似た方法」とは、機械が人間の知覚に適用されるのと同じ原理を使用して感覚入力を処理することです。問題は、デジタルセンサー（または有機感覚）によって放出されたデータからセマンティクス（知識）を構築する方法を誰も知らないように見えることです。しかし、それでも、人間のような知覚は、「知性」の適切な定義の要素である必要があります。
AIが到達したらこれらの2つの問題が整理-一般化と認識を-それはおそらく、ううまくいけばとマシンを構築（またはそれを獲得する可能性が）人間のような- 、を過ぎて、ほぼ70年の元の目標を実現するための方法にもなります一般的な知性。そして多分、一般化の原則と知覚の原則は同じものです。そして、たぶん、たった一つの原則があるだけかもしれません。答えが複雑であると想定すべきではありません。時々、理解するのが最も難しいことは最も単純です。
したがって、「知性」とはどういう意味かという質問は、AIにとって非常に重要です。AIは、「知性」の現在の行動定義を、一般化と知覚の人間的要素を含む定義に置き換える必要があるという結論に達しました。次に、これらの両方の動作原理、または原理を理解してみてください。
インテリジェンスとは、さまざまな概念や関連を意味のある全体にまとめる能力です。個人的な知識と経験からのさまざまなアイデアを適切にフィルタリング、追加、および拒否します。次に、これらのアイデアを質問者に効果的に反映して理解と理解を確認し、相互に有益な結論に向けて会話を効果的に進めることができます。
簡潔で正確なインテリジェンスという用語の最も一般的な定義はこれです。
特定の範囲の環境条件における特定の損失を回避しながら、エンティティが特定の追求で持続的に成功する、一部のエンティティに常駐する行動特徴のコレクション。
これらは、上記の定義に従ってインテリジェンスを示すことに失敗した例であり、各フレーズの重要性を示しています。
この定義には4つの点に注意してください。