最大算法校准与算法因果网络推断：真实世界通用智能的一般原理？
人工智能
2020-05-12 v1
摘要
通过将远离平衡态热力学的思想与形式体系引入随机计算过程，我们遵循并扩展了 Tadaki 的算法热力学。提出最大算法校准原理，为在给定约束条件下应假设何种计算过程提供指导。我们猜想，在适当假设下，满足算法马尔可夫条件的计算过程将使算法校准最大化。进而提出，据此真实世界认知系统可能在很大程度上通过建模其环境并选择其行动作为（近似且紧凑表示的）算法马尔可夫网络来运作。这些思想被建议作为迈向实用通用智能系统运作一般理论的潜在早期步骤。
引用
@article{arxiv.2005.04589,
title = {Maximal Algorithmic Caliber and Algorithmic Causal Network Inference: General Principles of Real-World General Intelligence?},
author = {Ben Goertzel},
journal= {arXiv preprint arXiv:2005.04589},
year = {2020}
}