Qual é a relevância do AIXI na atual pesquisa em inteligência artificial?

Da Wikipedia:

AIXI ['ai̯k͡siː] é um formalismo matemático teórico para inteligência geral artificial. Combina a indução de Solomonoff com a teoria de decisão sequencial. O AIXI foi proposto pela primeira vez por Marcus Hutter em 2000 [1] e os resultados abaixo são comprovados no livro de Hutter de 2005, Universal Artificial Intelligence. [2]

Embora não computáveis, são possíveis aproximações, como AIXItl . Encontrar aproximações ao AIXI pode ser uma maneira objetiva de resolver a IA.

O AIXI é realmente um grande negócio em pesquisa artificial de inteligência geral ? Pode ser pensado como um conceito central para o campo? Se sim, por que não temos mais publicações sobre esse assunto (ou talvez tenhamos e não as conheço)?

A "pesquisa atual de inteligência artificial" é um campo bastante amplo. De onde eu estou, em uma área principalmente de CS, as pessoas estão focadas em inteligência restrita que pode fazer um trabalho economicamente relevante em tarefas restritas. (Ou seja, prever quando os componentes falharão, prever em quais anúncios um usuário clicará e assim por diante.)

Para esses tipos de ferramentas, a generalidade de um formalismo como o AIXI é uma fraqueza, em vez de uma força. Você não precisa fazer uma IA que, em teoria, possa computar qualquer coisa e treiná-la lentamente para se concentrar no que você deseja, quando você pode moldar diretamente uma ferramenta que é o espelho da sua tarefa.

Eu não estou tão familiarizado com a pesquisa da AGI, mas minha impressão é que o AIXI é, em certa medida, a idéia mais simples que poderia funcionar - ela pega toda a parte difícil e a empurra para a computação, então é apenas um desafio de engenharia . ' (Essa é a parte de 'encontrar aproximações para o AIXI'.) A questão então se torna: está começando no AIXI e tentando aproximar-se de um caminho de pesquisa mais ou menos proveitoso do que começar em algo pequeno e funcional e tentando construir?

Minha impressão é de que o último é muito mais comum, mas, novamente, vejo apenas um pequeno canto desse espaço.

O AIXI é realmente um grande negócio em pesquisa artificial de inteligência geral?

Sim, é uma grande contribuição teórica para a AGI. AFAIK, é a tentativa mais séria de construir uma estrutura ou fundamento teórico para a AGI. Trabalhos semelhantes são as máquinas Gödel de Schmidhuber e a arquitetura SOAR .

O AIXI é uma estrutura abstrata e não antropomórfica para a AGI que se baseia no campo da aprendizagem por reforço, sem algumas suposições usuais (por exemplo, sem as suposições de Markov e ergodicidade , que garantem que o agente possa se recuperar facilmente de quaisquer erros cometidos em o passado). Embora algumas propriedades de otimização do AIXI tenham sido comprovadas, ele é (Turing) incontestável (não pode ser executado em um computador) e, portanto, é de utilidade prática muito limitada. No entanto, no livro de Hutter, Inteligência Artificial Universal: Decisões Sequenciais Baseadas em Probabilidade Algorítmica(2005), onde várias propriedades do AIXI são rigorosamente comprovadas, também é descrita uma versão computável, mas intratável do AIXI, AIXItl. Além disso, no artigo A Monte Carlo AIXI Approximation (2009), de Joel Veness et al., É introduzida uma aproximação computável e tratável do AIXI. Portanto, houve algumas tentativas de tornar o AIXI praticamente útil.

O artigo O que é o AIXI? - Uma Introdução ao Aprendizado Geral de Reforço (2015), de Jan Leike, um dos colaboradores do desenvolvimento e evolução da estrutura AIXI, fornece uma introdução suave ao agente AIXI. Veja também A arquitetura AIXI na Enciclopédia Stanford de filosofia para uma introdução possivelmente mais suave ao AIXI.

Pode ser pensado como um conceito central para o campo?

Sim, a introdução do AIXI e pesquisas relacionadas contribuíram para a evolução do campo da AGI. Houve várias discussões e artigos publicados, após sua introdução em 2000 por Hutter no artigo A Theory of Universal Artificial Intelligence baseado na Complexidade Algorítmica .

Veja, por exemplo, a seção 7, "Exemplos de superinteligências", do artigo Artificial General Intelligence e Human Mental Model (2012), de Roman V. Yampolskiy e Joshua Fox. Consulte também https://wiki.lesswrong.com/wiki/AIXI, que contém uma discussão sobre alguns problemas relacionados ao AIXI, que precisam ser resolvidos ou possivelmente evitados em futuras estruturas AGI. Além disso, consulte também este e este artigo.

Se sim, por que não temos mais publicações sobre esse assunto (ou talvez tenhamos e não as conheço)?

Houve várias publicações, principalmente por Marcus Hutter e pesquisadores associados. Você pode ver as publicações de Marcus Hutter na seguinte página da Web: http://www.hutter1.net/official/publ.htm .

Se você estiver interessado em contribuir com essa teoria, existem várias maneiras. Se você é matematicamente bem educado, pode tentar resolver alguns dos problemas descritos aqui (que também são mencionados no livro de Hutter, de 2005, mencionado acima). Além disso, você também pode contribuir para novas aproximações ou melhorias das aproximações existentes do agente AIXI. Por fim, você pode construir sua nova estrutura AGI, evitando os problemas associados à estrutura AIXI. Veja também projetos promovidos por Hutter . Pode ser uma boa idéia também levar em consideração, por exemplo, Gödel Machines e trabalhos relacionados, antes de tentar introduzir uma nova estrutura (desde que você seja capaz disso).

Eu acho que essa teoria não atraiu mais pessoas, provavelmente porque é altamente técnica e matemática (portanto, não é muito fácil de entender, a menos que você tenha uma formação muito sólida em aprendizado por reforço, teoria das probabilidades etc.). Eu também acho que a maioria das pessoas (na comunidade da IA) não está interessada em teorias, mas é principalmente guiada por resultados práticos e úteis.

AIXI é realmente uma estrutura conceitual. Todo o trabalho duro de realmente comprimir o ambiente ainda permanece.

Para discutir melhor a questão levantada na resposta de Matthew Graves: dado nosso atual nível limitado de capacidade de representar ambientes complexos, parece-me que não faz muita diferença prática se você começa com o AIXI como definindo o 'topo' de o sistema e o funcionamento (por exemplo, por métodos de compactação supostamente generalizados) ou inicie na parte inferior e tente resolver problemas em um único domínio por métodos específicos de domínio que (você espera) possam ser abstraídos posteriormente para fornecer compactação entre domínios.