タグ付けされた質問 「strong-ai」


6
チューリングテストまたはその変形は、人工知能の信頼できるテストですか?
チューリングテストは、人工知能の最初のテストだったと今少し時代遅れです。総チューリングテストははるかに洗練されたシステムを必要とし、より現代的なテストであることを目指しています。人工知能(弱いAI)と人工一般知能(強いAI)を識別するためにどのようなテクニックを使用できますか?

4
マシンの動機は何ですか?
現在、AI開発分野では、主な焦点はパターン認識と機械学習にあるようです。学習とは、フィードバックループに基づいて内部変数を調整することです。 マズローのニーズのヒエラルキーは、アブラハムマズローが提唱する心理学の理論であり、個人の最も基本的なニーズは、より高いレベルのニーズを達成するために動機付けられる前に満たさなければならないと主張しています。 マシンが行動する動機となる可能性があるのは何ですか?マシンは、ニーズの階層を説明するようなDNAのような構造を持っている必要があります(マズローの理論に似ています)。マシンの基本的なニーズは何でしょうか?

2
ディープラーニングで強力なAIが生成されないようにする科学的/数学的な議論はありますか?
私はJudea PearlのThe Book of Whyを読みました。そこで彼は、ディープラーニングは美化されたカーブフィッティング技術であり、人間のような知性を生み出すことはできないと述べています。 彼の本から、認知能力の3つのレベルを説明するこの図があります: 現在のディープラーニングテクノロジーが生み出す「知性」は、関連性のレベルにしかないと考えています。したがって、AIは「Yをどのようにして実現できるか」(介入)や「私が別の行動をとったとしても、Xは引き続き発生するでしょうか?」(反事実)、そしてカーブフィッティング技術が私たちをより高いレベルの認知能力に近づけることができる可能性はほとんどありません。 私は彼の議論が直感的なレベルで説得力があると思いましたが、私はこの議論を強化するか、疑いを投げかけることができる物理的または数学的な法則を見つけることができません。 それでは、ディープラーニングが強力なAI(人間のような知性)を生成することを妨げる科学的/物理的/化学的/生物学的/数学的な議論はありますか?




5
自動運転車がAIとして分類されるのはなぜですか?
自動運転車は人工知能とどのように関連していますか?人工知能とは、人間の心の状態をコピーして、同じようにタスクを実行できるときだと思います。しかし、自動運転車は、その環境のために動作するルールベースのマシンだけではないのですか?彼らは自己を認識しておらず、これまで経験したことのない状況で行動するための良い方法を選択することはできません。 私は多くの人がAIについて話すときに自動運転車にしばしば言及することを知っていますが、これらが関連しているとは本当に確信していません。私はAIが何であるかについて非常に厳密な理解を持っているか、

3
AIに溶解して死に至る用語は何ですか?
AIとマージして(たとえば、ニューラルレースを介して)、希釈されて(たとえば、1:10000)、元の自己を効果的に死に至らしめるための用語(ある場合)は何ですか? それはまだ「デジタルアセンション」ではありません。私が考えているのは、10000分の1のAIがあなたではないということです。AIはあなたの価値観や思い出などを持っているかもしれませんが、それはあなたではなく、あなたと呼ばれるためにそれと別に存在することはありません。基本的に-あなたは死んでいます。あなたはAIに溶けて死にました。 この件について読みたいのですが、何も見つかりません。

3
柔軟性と効率の間にトレードオフはありますか?
「一般的な知能」は多くの異なることを学ぶことができるかもしれませんが、能力を持つことは実際にそれを持っていることとは異なります。「AGI」は学習する必要があります...そしてその学習プロセスには時間がかかる場合があります。AGIで車を運転したりGoをプレイしたりするには、何らかの方法でAGIを「教える」必要があります。AGIを構築したことがないため、トレーニングプロセスの期間はわかりませんが、悲観的な見積もりを想定しても安全です。 それを「狭い知性」と対比してください。狭いAIは、車の運転や囲碁のプレイ方法をすでに知っています。ある特定のタスクで非常に優れているようにプログラムされています。マシンは事前にトレーニングされているため、マシンのトレーニングについて心配する必要はありません。 「一般的な知能」は「狭い知能」よりも柔軟性があるようです。AGIを購入して、車を運転してGo をプレイすることができます。さらに多くのトレーニングをしたい場合は、新しいトリックを教えることもできます:ケーキを焼く方法。予期しないタスクが発生することを心配する必要はありません。十分なトレーニング時間が与えられれば、AGIは最終的にその方法を理解するからです。でも長い間待たなければならなかった。 「ナローインテリジェンス」は、そのタスク専用にプログラムされているため、割り当てられたタスクでより効率的です。それは何をすべきかを正確に知っており、「学習」に時間を費やす必要はありません(ここのAGIバディとは異なります)。さまざまなタスクをうまく処理するために1つのAGIを購入する代わりに、専門のナローAIを購入したいと思います。狭いAI#1が車を運転し、狭いAI#2がGoを再生し、狭いAI#3がケーキを焼くなど。それを処理します。私はそのリスクを受け入れても構わないと思っています。 私の「思考」は正しいですか?上記のように、柔軟性(AGI)と効率(狭いAI)の間にトレードオフはありますか?または、AGIを柔軟かつ効率的にすることは理論的に可能ですか?
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.