الذكاء الاصطناعي العام (AGI) هو مجال بحثي راسخ. ومع ذلك، شكك البعض فيما إذا كان المصطلح لا يزال يحمل معنى. لقد تعرض AGI للكثير من الضجة والتكهنات حتى أصبح شيئًا مثل اختبار روشاش. تجادل ميلاني ميتشل بأن النقاش لن يُحسم إلا من خلال تحقيق علمي طويل الأمد. لهذا الغرض، إليك نظرة عامة قصيرة، سهلة الوصول، واستفزازية حول AGI. أقارن تعريفات الذكاء، معتمداً على الذكاء من حيث التكيف وAGI كعالم اصطناعي. مستلهما دروسي من "درس سوتون المر"، أصف أداتين أساسيتين تُستخدمان لبناء أنظمة تكيفية: البحث والتقريب. أقارن بين الإيجابيات والسلبيات، والهجائن، والهياكل مثل o3، AlphaGo، AERA، NARS وHyperon. ثم أناقش النهج العامة لجعل الأنظمة تتصرف بذكاء أكبر. أقسمها إلى تكبير-المقياس، تبسيط-المقياس، وw-المقياس استنادًا إلى درس سوتون المر، شفرات أوكام وبينيت. هذه تعظم الموارد وبساطة الشكل وضعف القيود على الوظائف. أتناول أمثلة تشمل AIXI، مبدأ الطاقة الحرة وتوسيع نماذج اللغة. أخلص إلى أنه رغم أن التقريب القائم على تكبير المقياس يهيمن، سيكون AGI اندماجًا للأدوات والنهج العامة. تم تمكين التوسيع بواسطة تحسينات في الأجهزة. الآن الاختناقات هي في كفاءة العينات والطاقة.
Building similarity graph...
Analyzing shared references across papers
Loading...
درس مايكل تيموثي بينيت (الخميس) هذا السؤال.
www.synapsesocial.com/papers/68a35ee30a429f7973327c4e — DOI: https://doi.org/10.31219/osf.io/w7nm4_v2
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context:
Michael Timothy Bennett
Building similarity graph...
Analyzing shared references across papers
Loading...