Предлогаю поместить эту книгу в нашу коллекцию ссылок.

Ссылки на книги и электронные библиотеки.
Комбинатор
Posts: 1031
Joined: Fri Jan 16, 2004 4:47 pm
Location: Санкт-Перербург <=> Париж

Post by Комбинатор » Tue Aug 31, 2004 8:21 am

max wrote:как скачать то книгу на этом сайте http://www.agiri.org/path/chap01.htm ?
К сожелению, уже никак. Поезд ушёл. См. реплику Konst в этой ветке.

Inex
Posts: 2331
Joined: Mon Jan 05, 2004 10:33 am
Location: Санкт-Петербург

Post by Inex » Tue Aug 31, 2004 8:30 am

max wrote:что то ничего не нашел по теме ИИ
тут ftp://ftp.runnet.ru/BOOKS/
действительно не очень много и сложно искать

а тут
ftp://217.16.26.42/pub/data
зайдите в следующие директории:

/data/vol1/_djvu/Cs_Computer science
- там есть поддиректории типа
CsAI_AI, knowledge
CsGn_Genetic, neural
CsIp_Image processing
CsQc_Quantum computers
и т.д.

/data/vol1/_djvu/L_Languages/LF_Formal theory
- работы Хомского и т.д.

/data/vol2/UH2/ftp-22308527233/
- поддиректории Self-OrganizationMaps, MathematicalProblemsInImageProcessing
и т.д.

директория
/data/sorted/Computer Science/
- тоже кое-что есть

в общем, поищите
"Когда Вы говорите, Иван Васильевич, у меня такое чувство, что Вы бредите"

Бугульдей
Posts: 229
Joined: Sun Aug 13, 2006 2:29 am
Location: Цыган
Contact:

Post by Бугульдей » Thu Jan 31, 2008 7:35 am

Люди! вы на сайте agiri Давно были? там щас добровольцев берут на несколько проектов

я пока исследую, что за проекты такие

вот интересно, кто что думает
Меня прот, меня прот, потому как гололёт, потому как снег идёт, меня проот
Голубая Луна - Голубая!

Бугульдей
Posts: 229
Joined: Sun Aug 13, 2006 2:29 am
Location: Цыган
Contact:

Post by Бугульдей » Thu Jan 31, 2008 8:22 am

Вот нашёл в своих архивах какую-то книгу с сайта агири, это не та книга часом что вы искали? Но похоже не та, и цитаты такой там нет как в первом постинге темы.



AGIBook_2005Jan05.pdf

Contents
Contemporary Approaches to Articial General Intelligence
Cassio Pennachin, Ben Goertzel
1 A Brief History of AGI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Some Historical AGI-Related Projects . . . . . . . . . . . . . . . . . . . . . . 2
2 What Is Intelligence? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1 The Psychology of Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 The Turing Test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 A Control Theory Approach to Dening Intelligence . . . . . . . . . 8
2.4 Ecient Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3 The Abstract Theory of General Intelligence . . . . . . . . . . . . . . . . . . . . . 11
4 Toward a Pragmatic Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5 Emulating the Human Brain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
6 Emulating the Human Mind . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
7 Creating Intelligence by Creating Life . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
8 The Social Nature of Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
9 Integrative Approaches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
10 The Outlook for AGI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
The Logic of Intelligence
Pei Wang
1 Intelligence and Logic . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.1 To dene intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.2 A working denition of intelligence . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.3 Comparison with other denitions . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.4 Logic and reasoning system . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2 The Components of NARS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.1 Experience-grounded semantics . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.2 Inheritance statement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.3 Categorical language . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
2.4 Syllogistic inference rules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.5 Controlled concurrency in dynamic memory . . . . . . . . . . . . . . . . . 50
3 The Properties of NARS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
3.1 Reasonable solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
VIII Contents
3.2 Unied uncertainty processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.3 NARS as a parallel and distributed network . . . . . . . . . . . . . . . . . 54
3.4 Resources competition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.5 Flexible behaviors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.6 Autonomy and creativity . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
The Novamente Articial Intelligence Engine
Ben Goertzel, Cassio Pennachin
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
1.1 The Novamente AGI System . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
1.2 Novamente for Knowledge Management and Data Analysis . . . . 65
2 Enabling Software Technologies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.1 A Distributed Software Architecture for Integrative AI . . . . . . . 68
2.2 Database Integration and Knowledge Integration . . . . . . . . . . . . 70
3 What is Articial General Intelligence? . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.1 What is General Intelligence? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.2 The Integrative Approach to AGI . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.3 Experiential Interactive Learning and Adaptive Self-
Modication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4 The Psynet Model of Mind . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5 The Novamente AGI Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
5.1 An Integrative Knowledge Representation . . . . . . . . . . . . . . . . . . . 83
5.2 The Mind OS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.3 Atom Types . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.4 Novamente Maps . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.5 Mind Agents . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.6 Map Dynamics . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.7 Functional Specialization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.8 Novamente and the Human Brain . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.9 Emergent Structures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6 Interacting with Humans and Data Stores . . . . . . . . . . . . . . . . . . . . . . . 104
6.1 Data Sources . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.2 Knowledge Encoding . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.3 Querying . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
6.4 Formal Language Queries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
6.5 Conversational Interaction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
6.6 Report Generation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
6.7 Active Collaborative Filtering and User Modeling . . . . . . . . . . . . 109
7 Example Novamente AI Processes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.1 Probabilistic Inference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.2 Nonlinear-Dynamical Attention Allocation . . . . . . . . . . . . . . . . . . 116
7.3 Importance Updating . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.4 Schema and Predicate Learning. . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
Contents IX
7.5 Pattern Mining . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
7.6 Natural Language Processing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
8 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
Appendix: Novamente Applied to Bioinformatic Pattern Mining . . . . . . . 125
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
Essentials of General Intelligence:
The Direct Path to Articial General Intelligence
Peter Voss
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
2 General Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
2.1 Core Requirements for General Intelligence . . . . . . . . . . . . . . . . . . 133
2.2 Advantages of Intelligence being General . . . . . . . . . . . . . . . . . . . . 134
3 Shortcuts to AGI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
4 Foundational Cognitive Capabilities . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
5 An AGI in the making . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
5.1 AGI Engine Architecture and Design Features . . . . . . . . . . . . . . . 145
6 From Algorithms to General Intelligence . . . . . . . . . . . . . . . . . . . . . . . . 147
6.1 Sample Test Domains for Initial Performance Criteria . . . . . . . . 148
6.2 Towards Increased Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
7 Other Research . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
8 Fast-track AGI: Why so Rare? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
Articial Brains
Hugo de Garis
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
2 Evolvable Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
2.1 Neural Network Models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
3 The CAM-Brain Machine (CBM). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
3.1 Evolved Modules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
3.2 The Kitten Robot \Robokitty" . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
4 Short and Long Term Future . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5 Postscript { July 2002 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
The New AI: General & Sound & Relevant for Physics
Jurgen Schmidhuber
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
2 More Formally . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 177
3 Prediction Using a Universal Algorithmic Prior Based on the
Shortest Way of Describing Objects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
4 Super Omegas and Generalizations of Kolmogorov Complexity &
Algorithmic Probability . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
X Contents
5 Computable Predictions through the Speed Prior Based on the
Fastest Way of Describing Objects . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
6 Speed Prior-Based Predictions for Our Universe . . . . . . . . . . . . . . . . . . 183
7 Optimal Rational Decision Makers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
8 Optimal Universal Search Algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
9 Optimal Ordered Problem Solver (OOPS) . . . . . . . . . . . . . . . . . . . . . . . 187
10 OOPS-Based Reinforcement Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
11 The Godel Machine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
12 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
13 Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
Godel Machines: Fully Self-Referential Optimal Universal
Self-Improvers
Jurgen Schmidhuber
1 Introduction and Outline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
2 Basic Overview / Relation to Previous Work / Limitations . . . . . . . . 201
2.1 Notation and Set-up . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
2.2 Basic Idea of Godel Machine . . . . . . . . . . . . . . . . . . . . . . . . . . 204
2.3 Proof Techniques and an O()-optimal Initial Proof Searcher. . . 204
2.4 Relation to Hutter's Previous Work . . . . . . . . . . . . . . . . . . . . . . . . 205
2.5 Limitations of Godel Machines . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
3 Essential Details of One Representative Godel Machine . . . . . . . . . . . 207
3.1 Proof techniques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
4 Global Optimality Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
4.1 Alternative Relaxed Target Theorem . . . . . . . . . . . . . . . . . . 213
5 Bias-Optimal Proof Search (BIOPS) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
5.1 How a Surviving Proof Searcher May Use Biops to Solve
Remaining Proof Search Tasks . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
6 Discussion & Additional Relations to Previous Work . . . . . . . . . . . . . . 216
6.1 Possible Types of Godel Machine Self-Improvements . . . . . . . . . 216
6.2 Example Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
6.3 Probabilistic Godel Machine Hardware . . . . . . . . . . . . . . . . . . . . . 218
6.4 More Relations to Previous Work on Less General
Self-Improving Machines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
6.5 Are Humans Probabilistic Godel Machines? . . . . . . . . . . . . . . . . . 221
6.6 Godel Machines and Consciousness . . . . . . . . . . . . . . . . . . . . . . . . . 221
6.7 Frequently Asked Questions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
7 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
8 Acknowledgments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
Contents XI
Universal Algorithmic Intelligence: A Mathematical
top!down Approach
Marcus Hutter
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
2 Agents in Known Probabilistic Environments . . . . . . . . . . . . . . . . . . . . 231
2.1 The Cybernetic Agent Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
2.2 Strings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
2.3 AI Model for Known Deterministic Environment . . . . . . . . . . . . . 233
2.4 AI Model for Known Prior Probability . . . . . . . . . . . . . . . . . . . . . 234
2.5 Probability Distributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
2.6 Explicit Form of the AI Model . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
2.7 Factorizable Environments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
2.8 Constants and Limits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
2.9 Sequential Decision Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
3 Universal Sequence Prediction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
3.2 Algorithmic Information Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . 243
3.3 Uncertainty & Probabilities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244
3.4 Algorithmic Probability & Universal Induction . . . . . . . . . . . . . . 245
3.5 Loss Bounds & Pareto Optimality . . . . . . . . . . . . . . . . . . . . . . . . . 246
4 The Universal Algorithmic Agent AIXI. . . . . . . . . . . . . . . . . . . . . . . . . . 247
4.1 The Universal AI Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 247
4.2 On the Optimality of AIXI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 250
4.3 Value Bounds and Separability Concepts. . . . . . . . . . . . . . . . . . . . 252
4.4 Pareto Optimality of AI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 255
4.5 The Choice of the Horizon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 256
4.6 Outlook . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
4.7 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
5 Important Problem Classes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
5.1 Sequence Prediction (SP) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
5.2 Strategic Games (SG) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
5.3 Function Minimization (FM) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
5.4 Supervised Learning from Examples (EX) . . . . . . . . . . . . . . . . . . . 270
5.5 Other Aspects of Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
6 Time-Bounded AIXI Model . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
6.1 Time-Limited Probability Distributions . . . . . . . . . . . . . . . . . . . . . 274
6.2 The Idea of the Best Vote Algorithm . . . . . . . . . . . . . . . . . . . . . . . 276
6.3 Extended Chronological Programs . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.4 Valid Approximations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
6.5 Eective Intelligence Order Relation . . . . . . . . . . . . . . . . . . . . . . . 278
6.6 The Universal Time-Bounded AIXItl Agent . . . . . . . . . . . . . . . . . 278
6.7 Limitations and Open Questions . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
6.8 Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
7 Discussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
7.1 General Remarks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
XII Contents
7.2 Outlook & Open Questions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
7.3 The Big Questions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 284
7.4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
Annotated Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
Program Search as a Path to Articial General Intelligence
Lukasz Kaiser
1 Intelligence and the Search for Programs . . . . . . . . . . . . . . . . . . . . . . . . 292
2 Theoretical Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
2.1 Program Search in the Standard AI Model . . . . . . . . . . . . . . . . . . 296
2.2 Self-improving Program Search . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
2.3 Discussion of Eciency Denitions . . . . . . . . . . . . . . . . . . . . . . . . . 299
3 Convenient Model of Computation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
3.1 Extended Program Notation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
3.2 Compiling Typed Rewriting Systems . . . . . . . . . . . . . . . . . . . . . . . 310
4 Reasoning Using Games . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 314
4.1 Reason and Search Game for Terms . . . . . . . . . . . . . . . . . . . . . . . . 315
5 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 321
The Natural Way to Articial Intelligence
Vladimir G. Red'ko
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
2 The epistemological problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 324
3 Approaches to the Theory of Evolutionary Origin of Human
Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
3.1 \Intelligent inventions" of biological evolution . . . . . . . . . . . . . . . 327
3.2 Methodological approaches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 330
3.3 Role of investigations of \Articial Life" and \Simulation of
Adaptive Behavior" . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 333
4 Two models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
4.1 Alife model of evolutionary emergence of purposeful adaptive
behavior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
4.2 Model of evolution of web agents . . . . . . . . . . . . . . . . . . . . . . . . . . 340
5 Towards to implementation of higher cognitive abilities . . . . . . . . . . . . 342
6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
7 Acknowledgements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 345
3D Simulation: the Key to A.I.
Keith A. Hoyes
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 348
2 Pillars of Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
2.1 Deep Blue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
2.2 Virtual Reality . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
Contents XIII
2.3 The humble earth worm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 349
3 Consciousness . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
3.1 Feeling and Qualia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 351
4 General Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
4.1 Human intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
5 3D Simulation and Language . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
6 Epistemology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 360
7 Instantiation: the Heart of Consciousness . . . . . . . . . . . . . . . . . . . . . . . . 362
8 In a nutshell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
9 Real World AI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
9.1 Examples and Metaphors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
9.2 Math and Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 374
9.3 Barcode example . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
9.4 Software Design . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 378
10 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 380
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
Levels of Organization in General Intelligence
Eliezer Yudkowsky
1 Foundations of General Intelligence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 382
2 Levels of organization in deliberative general intelligence . . . . . . . . . . 390
2.1 Concepts: An illustration of Principles . . . . . . . . . . . . . . . . . . . . . . 390
2.2 Levels of organization in deliberation . . . . . . . . . . . . . . . . . . . . . . . 400
2.3 The code level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 402
2.4 The modality level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 409
2.5 The concept level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 419
2.6 The thought level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 437
2.7 The deliberation level . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 454
3 Seed AI . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 469
3.1 Advantages of minds-in-general . . . . . . . . . . . . . . . . . . . . . . . . . . . . 473
3.2 Recursive self-enhancement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
3.3 Infrahumanity and transhumanity: \Human-equivalence" as
anthropocentrism . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 482
4 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 486
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 489
Меня прот, меня прот, потому как гололёт, потому как снег идёт, меня проот
Голубая Луна - Голубая!

Locked

Who is online

Users browsing this forum: No registered users and 1 guest