波焦：AI 需要麥克斯威爾式理論
麻省理工的托馬索·波焦將當前 AI 比作麥克斯威爾之前的電學，由工程驅動而缺乏深層理論。他主張稀疏組合性——組合簡單低維函數——以實現智能系統的泛化。討論涵蓋從核機器到深度網路的學習理論。
Search
Tag: #ai-theory5 results
整合因果推論與強化學習
本文介紹了因果強化學習 (CRL)，這是一個連結因果推論與強化學習的框架。透過將環境建模為結構因果模型，使代理程式能夠進行反事實推理並更有效地優化策略。
超越 AI 訓練後的補救措施：邁向訓練動態科學
這篇立場論文主張 AI 研究必須從分析靜態模型轉向理解隨時間演變的訓練動態。文中提出了一個科學框架，旨在預測模型行為並設計更可靠的訓練流程。
機率概念的演變：人類理性的鏡像
本文探討了機率理論的歷史演變及其在塑造現代科學理性中的角色。文章強調了貝氏推論在處理概念模糊性方面的局限，並討論了模糊邏輯與深度學習如何補充傳統的機率模型。
🔬
「鋸齒智能」如何重塑AI辯論？
AI傳統上與人類智能比較可能誤導。「鋸齒智能」強調AI的不均勻優勢與弱點。此框架更準確預測AI可能取代的工作。