通用人工智能与通用先验

本课程介绍了什么是通用先验这一通用人工智能理论的重要概念,本课程是李熙博士讲解通用人工智能的第一部分。(课时:60 分钟)

通用人工智能 通用先验理论 Kolomogorov复杂度

讲师:   李熙

课程背景

2015年Google的DeepMind团队发表在《Nature》上的工作:训练深度强化学习神经网络DQN打游戏,令人印象深刻。然而,这仅仅是部分实现了通用人工智能的强化学习系统的一次实践,它的背后则是更加强大的通用人工智能理论(AIXI)。


所谓的AIXI是一套由德国计算机科学家,现就任于澳大利亚国立大学的Marcus Hutter在2000年提出来的一套通用人工智能(Artificial General Intelligence)数学框架,它结合了Solomonoff的通用归纳理论以及序惯决策理论,从数学的角度定义了一个尽可能合理决策的前提下最大化一生的预期回报的强化学习智能主体。


而本课程主要介绍的内容为通用归纳理论。这套理论是由Solomonoff最先提出,它将贝叶斯概率论、Kolmogorov复杂度、算法信息论进行了融合。


课程要求

学习该课程之前,你需要掌握如下基础数学知识:

  • 概率论,特别是概率论的贝叶斯学派(也称主观概率论)

  • 图灵机基本理论


课程目的

学完本课程,你能做到

  • 了解强化学习与通用人工智能的区别的区别和联系

  • 理解Solomonoff通用归纳理论的基本思想

  • 理解算法概率论与普通概率论的区别和联系


课程详情

本课程将采用层层递进的方式全面介绍Solomonoff的通用归纳理论,详细内容包括:

  • 通用人工智能的一般性介绍

  • 关于归纳的哲学思想

  • 贝叶斯概率论的先验概率问题

  • Solomonoff通用归纳理论的基本思想

  • Kolmogorov复杂度与算法随机

  • 算法概率论

    • 波普尔哲学

    • 确定与随机

    • 频率解释

    • Solomonoff的免费午餐

  • 基于算法概率的归纳体系与基于数理逻辑的演绎体系的比较