[论文解读] Machine Learning in Artificial Intelligence: Towards a Common Understanding

Niklas Kühl, Marc Goutier+2 more|arXiv (Cornell University)|Mar 27, 2020

Explainable Artificial Intelligence (XAI)被引用 12

一句话总结

本文通过提出一个概念框架，阐明了机器学习（ML）与人工智能（AI）之间的关系，将ML定位为构建智能体的核心使能技术。该框架综合了相关文献，定义了ML在AI中的角色，提供了术语上的清晰性，并为跨学科研究奠定了基础。

ABSTRACT

The application of "machine learning" and "artificial intelligence" has become popular within the last decade. Both terms are frequently used in science and media, sometimes interchangeably, sometimes with different meanings. In this work, we aim to clarify the relationship between these terms and, in particular, to specify the contribution of machine learning to artificial intelligence. We review relevant literature and present a conceptual framework which clarifies the role of machine learning to build (artificial) intelligent agents. Hence, we seek to provide more terminological clarity and a starting point for (interdisciplinary) discussions and future research.

研究动机与目标

• 解决科学界和公众话语中关于AI与ML之间区别的日益增长的混淆。
• 澄清机器学习如何促进实现创建人工智能体的总体目标。
• 为AI与ML研究中的跨学科合作提供一个共享的概念基础。
• 通过定义AI、ML与智能系统之间的关系，解决术语上的模糊性。
• 通过结构化、基于文献的框架，为未来研究建立起点。

提出的方法

• 对AI与ML领域的相关文献进行全面回顾，以识别基础概念与定义。
• 开发一个概念框架，将机器学习定位为构建智能体的关键组成部分。
• 采用系统性方法，区分AI（更广泛的领域）与ML（使能AI的特定技术子集）。
• 将“智能体”定义为能够感知环境并采取行动以实现目标的系统，其中ML是学习行为的机制。
• 整合认知科学、计算机科学与AI的洞见，以建立统一的理解。
• 利用该框架将ML技术映射到智能体能力上，如感知、推理与适应。

实验结果

研究问题

• RQ1 在科学与公众话语中，'人工智能'与'机器学习'这两个术语之间有何关系？
• RQ2 机器学习在使能智能体实现人工智能方面发挥着何种具体作用？
• RQ3 共享的概念框架在提升AI与ML研究中的跨学科沟通方面有何作用？
• RQ4 智能体的关键组成部分是什么，机器学习如何对每个部分作出贡献？
• RQ5 术语上的清晰性在多大程度上能促进AI与ML的未来研究与开发？

主要发现

• 机器学习是构建智能体的基础技术，但并非与人工智能同义。
• 本文确立了AI是一个更广泛的领域，涵盖多种方法，而ML是使能智能体实现基于学习行为的特定方法。
• 概念框架阐明了智能体需要感知、决策与行动——这些功能通常由ML技术增强。
• 作者表明，术语使用不一致会阻碍跨学科合作，亟需建立共享的理解。
• 该框架提供了一种结构化方式，根据ML方法对智能体智能的贡献进行分类，例如监督学习用于感知，强化学习用于决策。
• 研究结论认为，术语清晰性对于推进AI与ML研究以及促进跨学科对话至关重要。