阿基米德陷阱：为何传统强化学习可能不会产出通用人工智能
机器学习
2020-10-21 v2 人工智能
摘要
在将实数的阿基米德性质推广至可适应非数值结构之后，我们证明实数不能用于精确度量非阿基米德结构。我们认为，由于具有通用人工智能（AGI）的智能体应能毫无困难地从事 inherently 涉及非阿基米德奖励的任务，而传统强化学习的奖励为实数，因此传统强化学习可能不会导向 AGI。我们指出传统强化学习可被改变的两种可能途径以移除这一障碍。
引用
@article{arxiv.2002.10221,
title = {The Archimedean trap: Why traditional reinforcement learning will probably not yield AGI},
author = {Samuel Allen Alexander},
journal= {arXiv preprint arXiv:2002.10221},
year = {2020}
}
备注
16 pages