タグ付けされた質問 「agi」

21
デジタルコンピューターは無限を理解できますか?
人間として、私たちは無限と考えることができます。原則として、十分なリソース(時間など)がある場合、無限に多くのもの(抽象的、数字のような、または実数を含む)をカウントできます。 たとえば、少なくとも、整数を考慮することができます。主に考えて、画面に表示される多くの数字を無限に「理解」できます。今日、私たちは少なくとも人間ができる人工知能を設計しようとしています。しかし、私は無限にこだわっています。私は、無限を理解するためにモデルを(深いかどうかにかかわらず)教える方法を見つけようとします。機能的アプローチで「理解」を定義します。たとえば、コンピューターが10個の異なる数字や物を区別できる場合、それは何らかの方法でこれらの異なるものを本当に理解することを意味します。 前に述べたように、人間は原則として無限の整数を数えることができるため、無限を理解しています。この観点から、モデルを作成したい場合、モデルは実際には抽象的な意味での関数であり、このモデルは無限に多くの数を区別する必要があります。コンピューターは、このような無限関数をモデル化する能力が限られたデジタルマシンであるため、無限に多くの整数を区別するモデルを作成するにはどうすればよいですか? たとえば、カード上の数字を認識するディープラーニングビジョンモデルを使用できます。このモデルでは、各整数を区別するために、各カードに番号を割り当てる必要があります。無限の数の整数が存在するため、モデルはデジタルコンピューターで人間のように各整数に異なる数をどのように割り当てることができますか?無限のものを区別できない場合、無限をどのように理解しますか? 実数を考慮すると、問題はさらに難しくなります。 私が欠けている点は何ですか?このテーマに焦点を当てたリソースはありますか?

4
技術的特異点の概念は何ですか?
技術的特異性のアイデアを聞いたことがありますが、それは何であり、人工知能とどのように関係していますか?これは、人工知能マシンが成長して人間ができることを超えて自分で学び、成長が始まるまでの理論上のポイントですか?この時点に到達すると、どのように知ることができますか?

2
人間だけが解決できる問題
reCAPTCHAの複雑さが増すにつれて、人間だけが解決できる問題(または人間の脳を正確に再現しない限りAIは解決できないという問題)の存在について疑問に思いました。 。 たとえば、かつては歪んだテキストは人間だけが解くことが可能でした。でも… 最も困難な状況でも、コンピューターの[歪んだテキスト]テストは99.8%になりました。 また、歪んだテキストを実際の人間の検出に使用できないことも明らかです。 また、そのような問題の作成(歪んだテキストなど)にアルゴリズムを使用できるかどうか、または人間の脳の独創性が必要かどうかも知りたいと思います。

3
現在の人工知能研究におけるAIXIの関連性は何ですか?
ウィキペディアから: AIXI ['ai̯k͡siː]は、人工一般知能の理論的な数学的形式です。これは、ソロモノフ帰納法と逐次決定理論を組み合わせたものです。AIXIは2000年にMarcus Hutterによって最初に提案されました[1]。以下の結果は、Hutterの2005年の本Universal Artificial Intelligenceで証明されています[2]。 計算不可能ではありますが、AIXItlのように近似が可能です。AIXIの近似を見つけることは、AIを解決するための客観的な方法である可能性があります。 あるAIXIは、人工では大したことは本当に一般的な知能研究は?それは、フィールドの中心的な概念と考えることができますか?もしそうなら、なぜ私たちはこの主題についてもっと多くの出版物を持っていないのですか(あるいは私たちが持っていて私はそれらを知らないのですか)?
14 models  agi  aixi 

4
AIは「倫理的に最適ではない」選択を避けながら横に考えることができますか?
最近のPCゲームThe Turing Testでは、AI(「TOM」)はパズルルームを通過するためにAvaの助けを必要とします。TOMは、「横方向に考える」ことが許可されていないため、パズルを解くことができないと言います。具体的には、彼は最初の部屋を解決するために窓から箱を投げるなんて考えなかっただろうと言います。彼のクリエイターは、そのような思考がプレッシャープレートに残すために腕を切り落とすような「倫理的に最適ではない」解決策を生み出す可能性があるため、その機能をオフにしました。 結果を合理的に保つために、すべての創造的なパズルを解く能力をAIから削除する必要がありますか?

4
Ex Machinaの作成にどのくらい近いですか?
Ex MachinaやI、Robotの映画に見られるのと同じくらいインテリジェントなAIロボットを作成しようとした、またはすでに作成した研究チームはありますか? 私は完全な認識について話しているのではなく、人間が行うことができる独自の決定と肉体的および知的タスクを行うことができる人工的な存在ですか?
13 research  agi  robots 

2
AlphaZeroはAGIの例ですか?
arxiv.org に関する DeepMindの研究論文から: このホワイトペーパーでは、AlphaZeroと呼ばれる同様の完全に一般的なアルゴリズムをチェスと将棋およびGoのゲームに適用します。ゲームのルール以外の追加のドメイン知識はありません。これは、汎用の強化学習であることを示しています。アルゴリズムは、多くの挑戦的な領域にわたって、表形式のラサ、超人的なパフォーマンスを達成できます。 これは、AlphaZeroがAGI(Artificial General Intelligence)の例であることを意味しますか?

6
一般的なAIを開発するのに十分なほど複雑なシミュレーション環境はどのようなものですか?
「一般的なAI」(私は自己認識AIと定義します)を作成するのに十分複雑でありながら、できるだけ単純なシミュレートされた仮想環境を作成しようとしていると想像してください。この最小限の環境はどのようなものでしょうか? すなわち、単なるチェスゲームであった環境は単純すぎるでしょう。チェスプログラムは一般的なAIにはなりません。 複数のエージェントがチェスをプレイし、結果を相互に伝達する環境。これは一般的なAIを構成しますか?(もしあなたが一日中チェスについて考えているチェスのグランドマスターが「一般的なAI」を持っていると言うことができますか?彼の時間の間にチェスについて考えている間、彼はチェスコンピュータとは異なりますか?)。 3Dシムのような世界はどうですか?複雑すぎるようです。結局、なぜ一般的なAIが2Dの世界に存在できないのでしょう。 単純な環境の例は何ですか?AIが自己認識を持つことができるほど単純ではありませんか?

5
ディープニューラルネットワークとディープラーニングが一般的な知能を実現するには不十分なのはなぜですか
ディープラーニング(DL)およびディープ(er)ネットワークに関連するすべてのものは「成功」しているように見え、少なくとも非常に速く進行しており、AGIが到達可能であるという信念を育んでいます。これは人気のある想像です。DLは、AGIの作成など、非常に多くの問題に取り組むためのすばらしいツールです。しかし、それだけでは十分ではありません。ツールは必要な要素ですが、多くの場合不十分です。 ドメインの主要人物は、他の場所で進歩を目指しています。このレポート/クレームには、Yoshua Bengio、Yann LeCun、Geoff Hintonの声明へのリンクが集められています。レポートはまた説明します: DLの主な弱点(私がそれらを見ると)は、次のとおりです。最も単純な可能なモデルニューロンへの依存(LeCunがそれらを呼び出すときの「漫画」)。エネルギー関数と対数尤度法の基礎である19世紀の統計力学と統計からのアイデアの使用。バックプロップや確率勾配降下法などの手法でこれらを組み合わせると、適用範囲が非常に限定され(オフライン、ほとんどがバッチ処理、教師あり学習)、高度な才能を持つ実務家(別名「確率的大学院降下」)が必要になり、大量の高価なラベル付きのトレーニングデータと計算能力。才能を誘惑または購入し、無制限のリソースを展開してデータを収集し、それを処理することができる大企業にとっては優れていますが、DLはほとんどの人にとってアクセスも有用でもありません。 このような説明は興味深く関連性がありますが、実際には問題の要点を扱っていません。何が不足していますか? 質問は広いようですが、それは単純な答えがないためかもしれません。AGIに欠けているDLを特定する方法はありますか?

8
人工一般知能が可能であることの証明
コンピュータサイエンスでは、人間の心はチューリングマシンで再現できると想定されているため、人工一般知能(AGI)が可能です。そうでなければ、神秘的な何かを信じることであり、神秘的な信念は誤りです。 AGIが可能であるという他の議論は知りませんが、前述の議論は非常に弱いものです。 少なくとも理論的には、AGIが可能であるという厳密な証拠はありますか?人間の心でできるすべてのことをプログラムとしてエンコードできることをどうやって知るのでしょうか。
11 philosophy  agi  proofs 

3
生存本能がAGIを作成するための前提条件であるという強力な議論はありますか?
この質問は、かなりの数の「非公式な」情報源から生じています。2001、A Space Odyssey、Ex Machinaなどの映画。Destination Void(フランクハーバート)のような本や他の本は、一般的な知性が生き残りたい、さらにはその重要性さえ学びたいと示唆しています。 生存にはいくつかの議論があるかもしれません。最も目立つのは何でしょうか?
11 agi 

1
AGI公式の政府報告書または規制がすでに実施されている
人工一般知能に関してすでにどのような規制が設けられていますか?公式の政府当局によって作成されたどのレポートまたは推奨事項がすでに公開されていますか? これまでのところ、英国政府のために行われたデイビッドキング卿の報告を知っています。
10 agi  legal 

2
人工知能は最適化と考えることができますか?
ではこの動画の専門家は、「知性が[特に人工知能に関して]であるかについての考え方の一つの方法は、最適化プロセスとしてである。」、と言います インテリジェンスは常に最適化プロセスと見なすことができ、人工知能は常に最適化問題としてモデル化できますか?パターン認識はどうですか?それとも彼は誤解しているのですか?
10 optimization  agi 

5
AIの常識が必要なのはなぜですか?
この例を考えてみましょう: ジョンの誕生日です。凧を買いましょう。 なぜ購入されたのかと尋ねると、私たち人間はおそらく凧は誕生日プレゼントだと言っています。この推論を常識と呼びます。 人工知能エージェントでこれが必要なのはなぜですか?人為的エラーの多くはこれらのあいまいな仮定が原因であるので、それは多くの問題を引き起こす可能性があると思います。 AIが常識を使ってすでに他の誰か(または別のAI)によって実行されていると想定しているため、特定の処理を無視しているAIを想像してみてください。 これはAIシステムに人為的エラーを引き起こさないでしょうか?

6
AIの特異点が引き継がれると、私たちに何を残すべきでしょうか?
最初の産業革命以来、機械は人々の仕事を引き受けてきており、自動化は過去3世紀の人間の社会の進化の一部でしたが、これらすべての機械はすべて、次のような機械的、高リスク、低スキルの仕事に取って代わっています自動車工場の生産ライン。 しかし最近、コンピュータの出現とAIの改善、そして特異点(つまり、人間よりも速く、より良く、より創造的で、より安価に考えることができ、自己改善が可能なコンピュータ)を見つけるための探求により、私たちの将来は、低スキル労働者だけでなく、高スキル労働者の置き換えにもつながるでしょう。AIとマシンがアーティスト、デザイナー、エンジニア、弁護士、CEO、映画製作者、政治家、地獄のプログラマーに取って代わる、遠くない未来について話している。これに興奮する人もいますが、正直、ちょっと怖いです。 ここではお金の問題について話しているわけではありませんが、私はアイデアのファンではありませんが、ユニバーサルインカムが実装されていて、うまく機能しているとしましょう。また、「機械が人間との戦争を繰り広げるターミネーターの世界」については触れていませんが、完全に友好的であるとしましょう。 ここでの問題は、私たち人間のモチベーションの問題です。AIの特異点が引き継がれると、私たちに何を残すべきでしょうか?毎日、一日中? 私たちは人生で何をするつもりですか?絵を描くのが大好きだとしたら、コンピューターがより優れたアートを作成し、私ができるようになるとしたら、どうすれば絵描きになるという夢を実現できますか?私の絵は単なる人間によって作成されたものなので、だれも気にしないことを知って、どのように生活できますか?たとえば、本当の私(私、ダンズマン)、私はコーディングが大好きで、9歳で最初のプログラミング言語を学び、それ以来ずっとそれを続けていました。 。そして、それはすべての職業に当てはまり、誰もが何かに情熱を傾けており、特異点があれば、一人一人が存在しなくなるだけです。 では、これから何をするのでしょうか?私は何をしますか?私の人生の残りの間、一日中、毎日ゴルフをします(誇張表現のスピーチですが、私の得点はわかりますか?) また、私の子供たちの動機は何ですか?私は彼らに学校に行くように言うつもりですか?誰かが「大人になったら何になりたい?」と尋ねると、避けられない答えは何もありません。 高度なAIがすべての科学研究を制御する場合、私たちが学ぶ理由は何ですか?仕事がなく、科学的研究がAIだけで行われているために、知識が役に立たない場合、人間が何かを学ぶために何十年もの人生を捧げる必要があるのはなぜですか。

弊社のサイトを使用することにより、あなたは弊社のクッキーポリシーおよびプライバシーポリシーを読み、理解したものとみなされます。
Licensed under cc by-sa 3.0 with attribution required.