[论文解读] A Definition of Artificial Intelligence

Dimiter Dobrev|arXiv (Cornell University)|Oct 3, 2012

Artificial Intelligence in Education参考文献 1被引用 61

一句话总结

本文提出了一种形式化、算法化的人工智能定义：即在任何环境中表现至少与人类相当的程序，且不依赖于预先存在的知识。该定义通过将世界建模为状态转移系统来实现，其中智能通过感知输入的预定义效用函数进行评估。核心贡献是一种理论上完备但计算上不可行的算法，通过在多样化的人工环境中进行穷举测试来搜索人工智能。

ABSTRACT

In this paper we offer a formal definition of Artificial Intelligence and this directly gives us an algorithm for construction of this object. Really, this algorithm is useless due to the combinatory explosion. The main innovation in our definition is that it does not include the knowledge as a part of the intelligence. So according to our definition a newly born baby also is an Intellect. Here we differs with Turing's definition which suggests that an Intellect is a person with knowledge gained through the years.

研究动机与目标

• 通过提供形式化、数学化的标准，解决人工智能定义中的模糊性问题。
• 区分智能与知识，主张即使新生儿也符合所提出定义下的智能体标准。
• 建立一个可通过人工环境中表现来识别人工智能的可测试框架。
• 证明系统性、算法化的人工智能搜索在理论上是可能的，尽管由于组合爆炸而实际不可行。
• 将关注点从基于知识的智能转向可通过交互适应的学习型系统。

提出的方法

• 将世界建模为具有有限内部状态集合 S、初始状态 s₀、转移函数 World(s,d) 和感知函数 View(s) 的状态转移系统。
• 将智能体的生命表示为可达世界状态的树形路径，其中每个节点对应一个状态，每条边对应一个动作。
• 使用效用函数对性能进行定义，该函数为感知输入分配数值：|Σ₁| − |Σ₂|，其中 Σ₁ 和 Σ₂ 分别为良好和不良输入的子集。
• 将人工智能形式化为在所有‘良好’世界中表现至少与人类相当的程序——即不包含致命错误且在人类能力范围内的世界。
• 构建一种基于测试的算法，在一系列人工的、人类可解的环境中评估候选程序，以识别出最短的、能够通过测试的程序。
• 按程序长度对候选程序进行排序，并选择第一个通过所有测试环境的程序，基于假设：唯有真正的智能体才会既最短又有效。

实验结果

研究问题

• RQ1 人工智能能否在不依赖知识或经验的前提下被形式化定义？
• RQ2 是否可能构建一种算法，通过在多样化的人工环境中测试表现来系统性地识别人工智能？
• RQ3 在计算框架中，如何区分智能与单纯的知识或记忆？
• RQ4 世界需满足何种条件才能被视为测试人工智能表现的‘良好’环境？
• RQ5 为何所提出的AI搜索算法在理论上有效，但实际不可行？

主要发现

• 本文提供了人工智能的形式化定义：即在任何环境中表现至少与人类相当的程序，且不依赖于先验知识。
• 该定义将新生儿视为智能体，与图灵的观点形成对比，后者认为智能需依赖积累的知识。
• 存在一种基于在一组人工、人类可解环境中测试候选程序的理论人工智能搜索算法。
• 尽管形式上正确，该算法因组合爆炸而计算上不可行。
• 通过所有测试环境的最短程序极有可能是真正的AI，而非针对特定任务定制的‘应试型’程序。
• 性能通过计数良好输入与不良输入之差的效用函数进行评估，从而确保了成功的正式度量。