详细内容或原文请订阅后点击阅览
普遍计算理论：贝叶斯最优性，所罗诺夫诱导和AIXI
是否可以构建完美的感应机器？帖子通用计算理论：贝叶斯最优性，Solomonoff感应和AIXI首先出现在数据科学方面。
来源:走向数据科学在一本具有通用人工智能的开创性但未被充分考虑的书中：基于算法概率的顺序决策，Marcus Hutter试图对通用人工智能的数学表述，缩短为Aixi。本文旨在使数据科学家，技术爱好者和一般观众在概念和正式上都可以访问AIXI。
通用人工智能：基于算法概率的顺序决策 通用人工智能我们首先简要概述了概率理论的公理。随后，我们深入研究条件概率，其计算受贝叶斯定理的约束。尽管贝叶斯定理提供了更新信念的框架，但它留下了一个关于如何分配先验的问题。为了解决这个问题，我们求助于连接Kolmogorov复杂性的算法信息理论，它定义为贝叶斯先验的分配，将输出字符串的最短程序的长度定义。这两个想法之间的桥梁是所罗门诺夫先验，也称为普遍先验。普遍的先验为我们提供了必要的脚手架来探索Aixi形式主义，该形式融合了顺序决策理论，所罗门诺夫先验和Occam的剃须刀。在最后一节中，我们简要讨论了AIXI的局限性以及对普遍代理人形式化的替代方法的局限性，同时承认“通用代理人”一词具有重要的哲学歧义。特别是，我们讨论了作为AIXI的哲学替代方案的主动推断，其中前者模拟了一个体现的预测剂，而后者则建模了一种无形的效用最大化算法。
注意：博客中的所有图像均由作者创建。
概率公理
- 如果𝑨𝑨𝒜，则𝓟（𝑨）≥0if𝑨，b ϵ ϵ和a∩b =∅，则p（a⋃b）= p（a） + p（a） + p（b）p（b）p（ω）= 1