人工智能研究中的问题及 SP 系统如何助力解决
计算机与社会
2021-03-02 v3 人工智能
摘要
本文描述了人工智能研究中的问题，以及 SP 系统（见附录说明）如何有助于解决这些问题。其中多数问题由人工智能领域的顶尖研究者在接受科学作家 Martin Ford 的访谈时提出，并由其在著作《智能架构师》(Architects of Intelligence) 中予以报道。这些问题包括：弥合符号与非符号知识与处理之间鸿沟的需求；深度神经网络（DNNs）在识别中易犯重大且不可预期错误的倾向；加强自然语言表征与处理的需求；无监督学习的挑战；对泛化给出连贯解释的需求；如何从单次接触中学习可用知识；如何实现迁移学习；如何提高人工智能处理效率；人工智能结构与过程透明性的需求；如何实现多种概率推理；需要更加重视自上而下策略；如何将自动驾驶车辆的事故风险降至最低；人工智能知识需要具备强组合性的需求；常识推理与常识知识的挑战；确立信息压缩在人工智能研究中的重要性；确立生物学视角在人工智能研究中的重要性；确定大脑中的知识是以“分布式”还是“局部主义”形式表征；如何规避深度神经网络中有限的适应能力；发展“广义人工智能”的需求；以及如何消除灾难性遗忘问题。
引用
@article{arxiv.2009.09079,
title = {Problems in AI research and how the SP System may help to solve them},
author = {J Gerard Wolff},
journal= {arXiv preprint arXiv:2009.09079},
year = {2021}
}