因果推断下面向用户的智能通用人工智能系统
机器学习
2021-09-07 v2 人工智能
摘要
通用人工智能（AI）系统以自动化方式高性能地解决广泛任务。由不同个体设计的最佳通用 AI 算法互不相同。不同用户所达到的最佳性能记录也存在差异。通用 AI 的一个不可避免的组成是隐性知识，它取决于用户对任务信息的特定理解以及与用户技术经验相关的个体模型设计偏好。隐性知识影响模型性能，却无法在通用 AI 算法中自动优化。本文提出因果推断下面向用户的智能通用人工智能系统，缩写为 UOGASuCI，其中 UOGAS 代表面向用户的通用 AI 系统，uCI 表示在因果推断框架下。能够从外部记忆模块中许多用户的观测模型训练经验里提取对隐性知识有显著影响作用的用户特征。在因果推断框架下，我们设法识别与用户设计的最佳模型性能相关联的用户特征的最优值。我们就不同的用户特征如何能改善用户所达到的最佳模型性能向用户提出建议。通过推荐更新与个体化隐性知识理解和技术偏好相关的用户特征，UOGAS 帮助用户设计具有更优性能的模型。
引用
@article{arxiv.2103.14561,
title = {User-Oriented Smart General AI System under Causal Inference},
author = {Huimin Peng},
journal= {arXiv preprint arXiv:2103.14561},
year = {2021}
}