不欺骗图灵测试：迈向人工智能中基于基础的言语学习
医学物理
2022-06-30 v1 图像与视频处理
摘要
近期围绕语言处理模型日益精细的炒作，重新燃起了关于机器获得类人自然语言掌控力的乐观情绪。人工智能领域自然语言理解（NLU）的研究声称已在此方面取得巨大进展，然而，‘理解’一词在该学科及其他学科中使用时缺乏概念上的清晰与一致，使得我们难以辨明实际差距。在这篇跨学科研究论文中，我整合了来自认知科学/心理学、心智哲学和认知语言学的见解，并通过对当前 NLU 方法的批判性回顾加以评估，以探索开发具备类人语言使用与理解能力的人工智能系统的基本要求及剩余挑战。
引用
@article{arxiv.2206.14673,
title = {Deep Learning-Based Attenuation and Scatter Correction of Brain 18F-FDG PET Images in the Image Domain},
author = {Reza Jahangir and Alireza Kamali-Asl and Hossein Arabi},
journal= {arXiv preprint arXiv:2206.14673},
year = {2022}
}