详细内容或原文请订阅后点击阅览
GoodAI 的路线图比较
客座文章作者：Martin Stránský，研究科学家 @GoodAI图 1. GoodAI 架构开发路线图比较（全尺寸）人工智能，尤其是深度学习领域的最新进展令人叹为观止。这对于任何对该领域感兴趣的人来说都是非常鼓舞人心的，但人类水平的人工智能的真正进展却很难评估。人工智能的评估是一个非常困难的问题，原因有很多。例如，对智能机器的基本要求缺乏共识是开发比较不同代理的统一方法的主要障碍之一。尽管许多研究人员专门关注这个主题（例如 José Hernández-Orallo 或 Kristinn R. Thórisson 等），但该领域将受益于人工智能社区的更多关注。评估人工智能的方法是帮助评估已构建代理进展的重要工具。然而，对构建此类代理的路线图和方法的比较和评估却较少探索。由于此类前瞻性计划的模糊性和有限的正式定义，这种比较可能更加困难。尽管如此，我们认为，为了引导有希望的研究领域并确定潜在的死胡同，我们需要能够有意义地比较现有的路线图。这种比较需要创建一个框架来定义
来源:AI Roadmap Institute 博客人工智能，尤其是深度学习领域的最新进展令人惊叹。这对于任何对该领域感兴趣的人来说都是非常鼓舞人心的，但真正达到人类水平的人工智能的进展却很难评估。人工智能的评估是一个非常困难的问题，原因有很多。例如，对智能机器的基本要求缺乏共识是开发比较不同代理的统一方法的主要障碍之一。尽管许多研究人员专门关注这个主题（例如 José Hernández-Orallo 或 Kristinn R. Thórisson 等），但该领域需要人工智能社区的更多关注。
R José Hernández-Orallo Kristinn R. Thórisson概述
概述在本文的第一部分，我们比较了三种 GoodAI 架构开发路线图，并讨论了一种比较它们的技术。主要目的是评估每种架构的计划的潜力和完整性，以便能够将我们的努力引导到最有前途的架构上。
为了管理从其他团队添加的路线图，我们制定了一个人类级 AI 开发的总体计划，称为元路线图。这个元路线图包含 10 个步骤，必须通过这些步骤才能达到“最终”目标。我们希望大多数可能不同的计划能够解决元路线图中确定的一个或多个问题。
接下来，我们尝试将我们的方法与 Mikolov 等人的方法进行比较。通过将当前文档和未完成任务分配给元路线图中的问题来比较。我们发现这很有用，因为它向我们展示了什么是可比的，并且每个问题都需要不同的比较技术。
Mikolov 等人