环境成本和能源限制已成为机器学习 (ML) 和人工智能 (AI) 未来发展的新兴问题。到目前为止,关于 ML/AI 对环境影响的讨论缺乏超越能源相关研究成本定量测量的视角。在 Schwartz 等人 (2019) 在 GreenAI 计划中奠定的基础的基础上,我们的论点考虑了两个相互关联的现象,即无偿泛化能力和 ML/AI 执行大部分可量化归纳推理的未来。无偿泛化能力是指要完成任务的认知要求与所用 ML/AI 模型的性能 (准确性) 之间的差异。如果由于模型经过优化以实现最佳准确性而导致后者超过前者,则它变得效率低下,并且其运行会危害环境。非人为归纳法主导的未来描述了 ML/AI 的广泛应用,大多数归纳推理都由 ML/AI 概括提供。本文认为,当前的辩论值得扩展,将研究的环境成本和无效的 ML/AI 使用(无端概括能力的问题)与无处不在的人-人工智能关系所标志着的(近期)未来联系起来。
5.1 推理的特征 5.1.a 推理的普遍性 5.1.b 什么是推理? 5.1.c 推理的功能是什么? 5.1.d 推理的目标是什么 5.2 天生的推理能力:起源和要素 5.2.a 人类的起源 5.2.b 推理能力的两个要素:大脑和推理策略 5.2.b.1 大脑:有意识的推理与无意识的推理 5.2.b.2 大多数推理都是无意识的 5.2.b.3 有意识的推理需要工作记忆 5.2.b.3.a 工作记忆相对较小 5.2.b.3.b 工作记忆中信息的数量和复杂性的限制 5.3 推理策略及其典型部署 5.3.a 什么是一般启发式方法? 5.3.b 系统 1 5.3.c 系统 2 5.3.d 系统 1 和系统 2 之间的关系 5.4 天生的推理能力、缺陷和偏见:两种推理类型 5.4.a 演绎推理 5.4.b 归纳推理 5.5 天生的归纳能力、缺陷和偏见:归纳推理 5.5.a 示例:代表性启发式 5.6 天生的演绎能力、缺陷和偏见:演绎推理 5.6.a 演绎推理的资源难度 5.6.b 演绎推理中的内容和上下文效应 5.7 上下文相关推理策略 4.7.a 示例:条件推理 4.7.b 示例:概率 作业 5.8 章节摘要 5.9 一些关键术语 5.10 参考书目
决定难民申请是一个固有不确定性判断和预测练习的典型案例。然而,难民身份决策者可能低估了其决策中固有的不确定性。人工智能 (AI) 最新进展的一个特点是能够使不确定性变得可见。通过向难民身份决策者明确他们的预测有多么不确定,AI 可以帮助降低他们对其结论的信心。从目前的情况来看,这只会伤害申请人,因为世界各国都设计了难民身份确定系统来解决决策不确定性,而牺牲了申请人的利益。因此,不确定性的增加会导致错误拒绝。然而,如果国际难民法承认联合国难民公约规定的义务,即以有利于申请人的方式解决决策疑虑,正如埃文斯·卡梅伦最近所倡导的那样,那么通过使不确定性变得显而易见,人工智能可以帮助确保更少的难民被错误地剥夺他们所需的保护。此外,在世界许多国家,难民申请是在归纳推理的逻辑支配下的法律程序中决定的,这种推理形式严重扭曲了风险评估。根据埃文斯·卡梅伦提出的难民身份决策风险评估模型,该模型基于溯因推理而非归纳推理,人工智能使不确定性变得显而易见的能力确实有助于以有利于申请人的方式解决疑虑,正如公约起草者的意图。
动机探索了结合归纳和演绎推理的过程,我们对研究机器学习和本体论的整合的文章进行了系统的文献综述。目的是确定纳入归纳推理(通过机器学习执行)和演绎推理(由本体学执行)的多种技术。我们的评论包括对128项研究的分析,使我们能够确定机器学习和本体学之间的三个主要杂交类别:学习增强的本体论,语义数据挖掘以及学习和推理系统。我们对所有这些类别进行了全面的检查,强调了研究中使用的各种机器学习算法。此外,我们将我们的分类与混合AI和神经符号方法领域的最新作品进行了比较。
基本声纳操作员检测、跟踪和分类水面和水下接触点;对大型声纳系统、测深设备和其他辅助设备进行小规模维护并操作它们;并执行拖曳阵列处理演进。国防部关系 O*NET 关系组标题国防部代码职业名称 SOC 代码职位类别声纳,通用 113000 空中交通管制员 53-2021.00 运输和物料搬运技能能力复杂问题解决信息排序操作监控演绎推理批判性思维闭合灵活性数学归纳推理设备选择问题敏感性操作和控制听觉注意系统评估数学推理设备维护闭合速度技术设计感知速度主动学习书面理解
写这篇文章有什么特别的动机吗?我发现,关于非稳健特征的争论经常陷入一个简单的二分法:它们反映的是信号还是噪声。有趣的是,人工制品的概念介于这两个极端之间。人工制品捕捉信号源中的真实模式,这些模式可能很有用,但它们也可能导致错误的推断,因为它们会扭曲或夸大这些模式。这些扭曲对于某些目的来说可能是无害的,甚至是有益的,但对于其他目的来说却是灾难性的。我特别感兴趣的是,这个问题是如何与过去两个世纪科学哲学中最深刻的问题之一相交叉的:是什么让一个特征在归纳推理中“真实”或“可投射”到未来的案例中?最近,深不可测的深度学习取得了成功,这表明这个问题可能不再受人类认知局限性的支配。但这提出了一个令人不安的可能性,即科学进步从定义上来说并没有扩展人类对自然世界的理解。
与当前的通信理论不同,该理论将信息量视为消息统计稀缺性的度量,概述了语义信息理论,其中给定语言系统中句子所携带的信息概念被视为与该句子的内容同义,以某种方式规范化,语义信息量的概念通过该内容的各种度量来阐明,所有度量均基于涵盖内容的逻辑概率函数。绝对度量和相对度量是有区别的,因此 D 函数适用于仅与演绎推理相关的环境,而 I 函数适用于归纳推理足够的环境。在研究的两种主要信息量类型中,一种是 cont,对于内容排他性的句子是加性的,另一种是 inf,对于归纳独立的句子是加性的。后者在形式上类似于传统的信息度量函数。研究了各种信息量估计函数,从而得到了当前传播理论中概念和定理的广义语义相关性。初步定义了语义噪声的概念,以及语言系统概念框架的效率和冗余性。建议语义信息是一个比其传播对应概念更容易应用于心理学和其他研究的概念。
文章分类:观点 目的— 自 2020 年 5 月以来,印度和中国一直陷入边境对峙。 即使两军进行了 14 轮边界谈判,仍看不到解决的迹象。 本文旨在概述事件的进展情况,追踪世界各国的反应,并分析中国袭击背后的理由。 设计、方法、方法— 本文采用归纳推理形式,从特殊到一般。 我们关注并分析了双方国家元首和重要人物在数字平台上的声明。 我们查阅了一手和二手文献资料,以概述危机的进展情况。 发现— 加勒万危机是中印关系史上的分水岭,对地区和全球稳定具有影响。由于中国在国际舞台上拥有经济和政治影响力,中国不断崛起并对自由民主的西方世界构成挑战,印度等国家必须认识到中国周围的新现实,并相应地调整其外交政策。例如,对于印度来说,通过关注在与中国发生危机期间与印度站在一起的国家,了解如何重新调整与中国的关系变得至关重要。实际意义——对国际关系学生和印度与中国关系研究有用
系统设计师在决策过程中使用不同程度的人工智能,例如在整体解决方案中使用“决策自动化”、“决策增强”或“决策支持”方法[1]。无论采用哪种方法,人工智能部分都是要获得做出决策合理结论所需的推理能力。人工智能使用演绎和归纳推理来解决问题,它包括启发式算法、概率算法、机器学习方法等。一些算法得出确定的结果,而另一些算法则得出相关的概率。现实世界中的机器人面临着与人类在决策过程中面临的挑战类似的挑战。但机器人缺乏人类的进化优势和大量的先验信息。机器人依靠系统设计师传递的知识,或者必须从通过它们拥有的各种传感器接收到的数据中提取有用的信息。人工智能模型有助于利用“传递的先验知识”以及“从传感器中理解原始数据”。在目前的人工智能技术水平下,所有决策都无法完全自主。系统开发人员需要将人类纳入其中,并在自主性方面做出妥协,以提高解决方案的有效性。根据适合机器人解决方案的人为干预水平和性质,系统开发人员有一系列概念选择。其中一些概念如下[2]。
文章分类:观点目的— 自 2020 年 5 月以来,印度和中国一直陷入边境对峙。 即使两军进行了 14 轮边界谈判,仍看不到解决的迹象。 本文旨在概述事件的进展情况,追踪世界各国的反应,并分析中国袭击背后的理由。 设计、方法、方法— 本文采用归纳推理形式,从特殊到一般。 我们关注并分析了双方国家元首和重要人物在数字平台上的声明。 我们查阅了一手和二手文献资料,以概述危机的进展情况。 发现— 加勒万危机是中印关系史上的分水岭,对地区和全球稳定具有影响。由于中国在国际舞台上拥有经济和政治影响力,其地位不断上升,对西方自由民主世界构成挑战,印度等国家必须认识到中国周边的新现实,并据此调整其外交政策。例如,对印度来说,通过关注在与中国的这场危机中与其站在一起的国家,了解如何重新调整与中国的关系变得至关重要。实际意义——对国际关系专业的学生和围绕中印关系的研究很有用。关于这场危机的文献,无论是在数字领域还是其他领域,都很复杂。本文将填补这一空白。原创性、价值——本文详细介绍了危机如何展开、目前的情况、世界各国如何应对以及潜在的影响。