XiaoMi-AI文件搜索系统
World File Search SystemDreyfus
计算机现在能做什么？人工智能第三次浪潮下重温德雷福斯
近年来，人工智能 (AI) 取得了重大进展，甚至超出了人们的乐观预测。利用数据驱动的人工智能，即深度学习技术，已经证明计算机现在可以具备范围广泛、质量卓越的能力，例如以人类的水平解决图像和文本处理任务。尤其是大型语言模型引发了关于这一快速发展领域的机遇和挑战的争论。如果将数据驱动的人工智能与知识表示和推理等符号人工智能技术相结合，那么数据驱动的人工智能剩下的基本挑战（例如事实或逻辑错误）是否会被彻底克服？通用人工智能 (AGI) 系统是否会从中脱颖而出，拥有常识，并事实上完成推动该领域在 20 世纪 50 年代兴起的数十年人工智能探索？鉴于这些问题，我们从混合人工智能的角度回顾了同样数十年关于计算机能力和局限性的哲学争论。在这里，我们讨论了混合人工智能如何更接近于反驳 Hubert Dreyfus 关于计算机不能做什么的著名论断。同时，我们揭示了混合人工智能面临的一个较少讨论的挑战：其开发者可能是其最大的限制因素。
休伯特·德雷福斯 (Hubert Dreyfus) 的学习哲学
这不仅仅是一场比赛，更是两个理念的碰撞。德雷福斯和 MacHack VI 的创造者理查德·格林布拉特都关注人类智慧的本质。格林布拉特继承了西蒙、纽厄尔和肖的风格，认为专家拥有特殊的心理表征和启发式方法，可以帮助他们选择好的举动并拒绝坏的举动。启发式方法是一种特殊规则，并非普遍适用，但通常有助于解决问题。格林布拉特利用自己对国际象棋的了解，在 MacHack VI 中构建了 50 种启发式方法。德雷福斯认为专家不使用任何启发式方法；他们不需要心理表征来下棋。相反，意识和身体的特殊结构使人能够在不同情况下积累经验，从而越来越好地掌握对实践很重要的现实方面。由于计算机没有意识和肉体，它无法达到人类专家的水平。
了解机器学习 - SFU 峰会
第 1 章 方法论 ................................................................................................................ 13 1.1. 概述 ...................................................................................................................... 13 1.2. 技术哲学的文献评论 ........................................................................................ 16 1.3. 人工智能需要一个好的德雷福斯？...................................................................... 22 1.4. 重新认识德雷福斯作为人工智能的预言性批评家 ............................................................. 25 1.5. 内在的批判性探究 ............................................................................................. 30 1.6. 来自想象未来的情境知识 ............................................................................................. 38 1.7. 总结 ............................................................................................................................. 43
马丁·海德格尔的理解概念
摘要 本文的主要目的是证明 Hubert Dreyfus 使用理解 (Verstehen) 对人工智能 (AI) 的不足。我的补充目标是对马丁·海德格尔的理解 (Verstehen) 概念提供一个原则性的解释。德雷福斯和其他证实主义者认为，理解 (Verstehen) 是有社会目的的行为和巧妙的具体应对。以这种方式构想的理解 (Verstehen) 据称挑战了依赖于形式规则、“理性”决策和知识的明确表示的人工智能 (AI) 认知模型。这种解释不能令人满意，原因有二。首先，它维持了一种外在的、目标导向的意向性，而这种意向性很容易受到人工智能 (AI) 成功的影响。其次，它忽略了对海德格尔本体论至关重要的自我理解 (Seinsverständnis) 的系统性和构成性分析。最近的释经工作重复了这些不足之处，未能改善关于海德格尔与人工智能 (AI) 关系的讨论。为了解决这一疏忽，我弥合了海德格尔的理解和公开性 (Erschlossenhei t) 概念之间的差距 (SZ §44 / 256-278)。我认为，理解表征了对实体的前理论把握和引发自我理解 (Seinsverständnis) 问题的前本体论结构。这一结果支持了海德格尔向存在感 (Sein) 作为可理解性基础的现象学突破。关键词：马丁·海德格尔、休伯特·德雷福斯、理解、知识、公开性、现象学
雇主名单（按行业分类）
Louis Dreyfus Company Wittenberg GmbH BIO www.ldc.com 06886 路德城维滕贝格 SKW Stickstoffwerke Piesteritz GmbH C www.skwp.de 06886 路德城维滕贝格 Polytives C www.polytives.de 07743 耶拿
为什么人工智能比我们想象的更难
休伯特·德雷福斯：“第一步谬误是声称，自从我们第一次研究计算机智能以来，我们一直在一个连续体上缓慢前进，而人工智能是这个连续体的终点，因此，我们程序中的任何改进，无论多么微不足道，都算作进步……事实上，在假定的稳步渐进的连续体中存在着不连续性。这个意想不到的障碍被称为常识问题。”