¡Emocionado de responder a esta!
Primero diré que, contrariamente a la creencia / conocimiento común, actualmente hay dos descripciones teóricas de AGI en existencia *: AIXI y la máquina Gödel [1, 2]. Si alguna vez se aburre de AGI, puede trabajar en Superinteligencia Artificial (ASI), ya que de las dos, la máquina Gödel es la única capaz de superación recursiva, por lo tanto, capaz de alcanzar el estado ASI (tenga en cuenta que el hardware será La mayor limitación).
* existencia pública, es decir, actualmente estoy trabajando en otro enfoque para mi doctorado, otros laboratorios también podrían tener sus propios enfoques que aún no se han publicado.
- ¿Es correcto afirmar que no existe la inteligencia artificial?
- ¿La inteligencia artificial se convertirá en una revolución más grande que Internet?
- ¿Qué es la inteligencia artificial? ¿Cómo puedo hacer mi carrera en él?
- ¿Es útil una maestría en algoritmos informáticos y matemáticas para un buen trabajo en inteligencia artificial?
- ¿De qué tenemos que preocuparnos por una IA consciente o consciente? ¿Qué algoritmos se utilizan para construir una IA generalizada (GAI) y cómo evolucionará por sí misma?
Aunque tenemos descripciones teóricas matemáticamente rigurosas de los AGI, la parte molesta es que son incuestionables . Ambos AGI enumerados requieren aproximaciones, por lo que un buen lugar para comenzar es leer sobre los tipos de algoritmos utilizados para aproximar cada enfoque (también tenga en cuenta que AIXI con algunas extensiones se puede usar para aproximar una máquina Gödel) )
Esto es principalmente cierto para AIXI, pero los tipos de algoritmos son:
- Aprendizaje / algoritmos de muestreo probabilístico que incluyen algoritmos de Monte-Carlo, o el algoritmo de Metropolis Hastings y más. Estos tipos de algoritmos se utilizan principalmente para determinar la mejor cosa / acción para hacer en un punto de tiempo particular por el AGI. También lea sobre cualquier cosa relacionada con la Política de Límite de Confianza Superior (UCB).
- Algoritmos de predicción / compresión de propósito general que se basan en el aprendizaje Modelos de Markov de orden variable (VMM). Estos algoritmos incluyen: el método de ponderación del árbol de contexto (CTW), la predicción por coincidencia parcial (PPM), los árboles de sufijos probabilísticos (PST), el algoritmo mejorado Lempel-Ziv (LZ-MS) y más [3]. Este tipo de algoritmos se utilizan para determinar qué puede suceder luego en un entorno particular, esto también se alimenta para determinar cuál es la mejor cosa / acción para hacer.
Con AGI, una de las mejores ideas es comprender que todo o la mayoría de los fenómenos o procesos cognitivos en el cerebro son resultado o subproductos de la compresión [4].
Además de las referencias, la lectura adicional también debe incluir:
- Los principios básicos de AIXI y AGI
- Más cosas en AIXI
- HQ-Learning
- Un buscador universal incremental óptimo
Nombres a tener en cuenta en este momento actual (que yo sepa):
- Jürgen Schmidhuber , y
- Marcus Hutter
[1] Página en aaai.org
[2] Página en arxiv.org
[3] Página en jair.org
[4] Página en people.idsia.ch