按年被提到
20002016 · 1 次2026
AI 安全、伦理与社会影响›通用智能与意识·arXiv:cs/0004001 · cs.AI

A Theory of Universal Artificial Intelligence based on Algorithmic Complexity

基于算法复杂度的通用人工智能理论
Marcus Hutter · 2000

结合决策论与 Solomonoff 归纳,提出 AIXI 通用智能体

开始阅读 ↗PDFalphaXiv 讨论
被推荐 · 3 人首次 2016-01-27 · 最近 2022-08-21
3不同的人
3活跃月份
3讨论串
65被引(OpenAlex)

决策论在已知环境先验时形式化地解决理性智能体问题,Solomonoff 的通用归纳解决未知先验下的序列预测。论文把二者结合,得到无参数的通用人工智能理论,并论证所得 AIXI 模型是最智能的无偏智能体。作者说明了 AIXI 如何形式化地解决序列预测、策略游戏、函数最小化、强化学习和监督学习等问题类。其主要缺点是不可计算,为此构造了时间与空间受限的修改算法 AIXI-tl,计算时间量级为 t·2^l。

HN 为什么提它

HN 上的人把它作为 AIXI 与通用贝叶斯强化学习的出处来引用,说明智能可形式化为期望效用,并提示其时间受限计算部分有值得一读的最优性讨论。

奠基之作难度 5 / 5约 240 分钟经得起时间
读之前最好知道
1Kolmogorov 复杂度与 Solomonoff 归纳
2决策论与期望效用
3强化学习基础
4可计算性与算法复杂度

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
推荐nawitus · 2016-01

“take a look at the paper for a better read.”

推荐读论文原文以更好理解
Building AI原评论 ↗
引用shenberg · 2021-06

“The paper also discusses time-bounded computation and has some interesting things to say about optimality in this case.”

指出论文还讨论了时间受限计算,并对此情形下的最优性有些有趣结论
Reward Is Unnecessary [pdf]原评论 ↗
引用sinenomine · 2022-08

“the whole rigorous mathematical theory of universal bayesian reinforcement learning aka "AIXI"[3] developed during the last decades which you fail to mention”

指出对方漏提了通用贝叶斯强化学习 AIXI 这套严格数学理论
John Carmack's new AGI company, Keen Technologies, has raised a $20M round原评论 ↗