人工智能中的封闭性和强封闭性——现有成果的能力边界、应用条件和伦理风险

被引：24

作者：

陈小平

机构：

[1] 中国科学技术大学计算机科学与技术学院

来源：

智能系统学报 | 2020年 / 15卷 / 01期

关键词：

人工智能; 封闭性; 强封闭性; 知识; 降射; 决策论规划; 推理; 深度学习;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对现有人工智能技术的两种代表性途径——暴力法和训练法,以及它们结合的一种典型方式,给出了规范化描述,AI研究中的知识被重新定义为从模型到现实场景的完闭降射,进而提出人工智能的封闭性准则和强封闭性准则。封闭性准则刻画了暴力法和训练法在理论上的能力边界;强封闭性准则刻画了暴力法和训练法在工程中的应用条件。两项准则还为开放性人工智能技术的进一步研究提供了新的概念基础。

引用

页码：114 / 120

页数：7

共 6 条

[1] 封闭性场景:人工智能的产业化路径 [J].

陈小平 .

文化纵横, 2020, (01) :34-42+142

[2] 人工智能伦理体系:基础架构与关键问题 [J].

陈小平 .

智能系统学报, 2019, 14 (04) :605-610

[3] 人工智能的历史进步、目标定位和思维演化 [J].

陈小平 .

开放时代, 2018, (06) :31-48+6

[4]

数理逻辑[M]. 中国科学技术大学出版社 , 汪芳庭, 2010

[5]

Planning and acting in partially observable stochastic domains[J] . Leslie Pack Kaelbling,Michael L. Littman,Anthony R. Cassandra. Artificial Intelligence . 1998 (1)

[6]

Queryefficient black-box adversarial examples (superceded) .2 ILYAS A,ENGSTROM L,ATHALYE A,et al. .

← 1 →