在知识空间增长条件下保持预测质量
人工智能
2015-08-12 v2 机器学习
摘要
智能可以理解为智能体以其环境动态的预测精度水平有效预见机会与威胁的能力。在假设此类智能依赖于知识空间的前提下，任何有效推理都将受益于最大比例的有用知识碎片和最小比例的误导性知识碎片。这就引出了一个问题：随着知识量持续增长，如何使此类知识空间的质量保持高位。本文提出一个数学模型，用于描述增长型知识空间的质量如何依赖于错误率、错误传播与对策而演变的一般原理。文章还展示了当低质量知识碎片的移除速度相对于给定知识空间增长率过慢时，知识空间质量在多大程度上崩溃。
引用
@article{arxiv.1508.00509,
title = {Maintaining prediction quality under the condition of a growing knowledge space},
author = {Christoph Jahnz},
journal= {arXiv preprint arXiv:1508.00509},
year = {2015}
}
备注
8 pages, 3 figures