人类级人工智能研究的方法论
人类级人工智能研究的方法论
The learning curves for given architecture of Artificial Intelligence
每一种表现出学习能力的特定技术都会产生下一条学习曲线。通过观察这些曲线，我们可以推测特定的建筑是否达到了人类水平的能力。
让我们仔细看看每一部分。
技能列表 —至少一个人可以通过的所有可能的测试或任务。想象一下这一堆技能:从区分几何形状到语音识别的所有种类，从掌握国际象棋到掌握围棋的所有可能的游戏，从制作音乐到新的科学发现。
人和机器的区别在于，人可以通过选择合适的课程来完成这些任务，而机器则不能。没有必要重新发明一些东西。该课程有助于使用最有效的方法获得经过充分研究的知识和能力。
此外，人类拥有大量的共同能力，有助于获得更复杂和特定的技能。例如，读、写、说的能力赋予了学习任何其他学科的无穷力量:造飞机、弹钢琴、量子物理。
技能轴列表。从这里开始，我们可以假设首先必须获得更多的普通技能，以帮助获得更多特定领域的技能。根据这个原则，我们可以建立一个技能的序列表——从科学的角度来看，从最普通到最有趣。这些技能被反映在一张图片上成为人类级别的技能。
学习轴的时间定义了在给定计算或其他资源的情况下学习所消耗的时间。这里的问题是，更高水平的技能需要更多的计算能力。因为它，学习时间变得巨大。
有两条可能学习的曲线。曲线 A 的前半部分(从 O 点到 N 点)在某种程度上类似于 B。有一点不同——曲线 B 可能有架构限制，从这个意义上说，它与 A 相同，也可能没有。第二个选项将我们引向技术奇点的话题。
怎么做才能创造出人类级别的智能？
基于此图，有两种互补的方式来实现人类水平的智能:
- 减少学习时间。必须创建这样的技能顺序列表，其中每个学到的技能将有助于以更高的效率获得下一个技能。这样的课程会让学习曲线增长得更快。
- 发展建筑公园，提升建筑极限。好吧，这很明显。但是通过使用提出的视图，我们可以测量进度。而测量使人工智能的发展成为真正的客观科学。
因此，每一个旨在创造人工智能的项目都可以在提议的方案下得到考虑。每个项目都通过提出自己假设和愿景来缩小这种方法。被证实的假设成为新研究的基础。人工智能科学应运而生。
不要错过我的新文章:
这篇文章是对人工智能开发有益的想法和见解的汇编…
medium.com](/@mikecorp/periodic-table-of-ai-at-the-edge-of-chaos-6666598c7d3c)
行动号召:
- Pr*ess the heart*****或 分享文章 如果你觉得这篇文章有趣
- **关注我** 上 [中](/@mikecorp) 或 [推特](https://twitter.com/AIissimple) 这样你就能在你的 feed 里看到我即将发布的文章。
- 回答问题:你对 AI 的兴趣是什么？
