Ist eine Analogie zur künstlichen allgemeinen Intelligenz notwendig?

Analogien sind in der Kommunikation ziemlich mächtig. Sie ermöglichen es, Personen ohne Domänenkenntnisse komplexe Konzepte zu erklären, indem sie sie einfach einer bekannten Domäne zuordnen. Hofstadter sagt, dass sie wichtig sind , während Dijkstra sagt, dass sie gefährlich sind. Wie auch immer, Analogien können als eine wirkungsvolle Möglichkeit angesehen werden, Konzepte in der menschlichen Kommunikation zu übertragen (darf ich sagen, Transferlernen ?).

Mir sind Legacy-Arbeiten wie Case-Based Reasoning bekannt , aber keine neueren Arbeiten zum Analogiemechanismus in der KI.

Gibt es einen Konsens darüber, ob für AGIs eine Analogie erforderlich ist oder nicht, und wie kritisch wären sie?

Bitte erwägen Sie, Ihre Antworten mit konkreten Arbeiten oder Veröffentlichungen zu untermauern.

Ich glaube nicht, dass ich Ihnen eine echte Antwort auf die eigentliche Frage geben kann, da ich keine strenge Definition von "allgemeiner Intelligenz" habe. Ich habe auch keine solide Definition von "kritisch" im Kontext.

Aber ... wenn wir uns auf unser naives / intuitives Verständnis dessen stützen, was Intelligenz ist und was es bedeutet, kritisch zu sein, könnten Sie dies so übersetzen: "Würde ein allgemeines Nachrichtensystem Analogien benötigen, um bestimmte Dinge zu tun, die es nicht könnte?" t sonst? " Oder anders ausgedrückt: "Gibt es nützliche Verhaltensweisen, die durch analoges Denken ermöglicht werden und nicht auf andere Weise repliziert werden können?"

Im strengsten Sinne habe ich auch keine Antwort auf eine dieser Fragen, aber es gibt zumindest Hinweise darauf, dass die Antwort "Ja" sein könnte. Siehe als Referenz das Copycat-Papier von Hofstadter und Mitchell. Nach allem, was ich gesehen habe, unterscheiden sich einige der Probleme, die Copycat löst, von allem, was ich durch andere Ansätze gelöst habe. Vielleicht ist es nur ein Zufall, dass niemand versucht hat, diese Probleme mit "Deep Learning" oder "Regelinduktion" oder "genetischen Algorithmen" zu lösen. Oder vielleicht haben sie es und ich bin einfach nicht über dieses Forschungskorpus gestolpert.

Wie auch immer, ich werde auch hinzufügen, dass es noch laufende Forschungen zur Verwendung von Analogie für AI / ML gibt. Siehe zum Beispiel dieses Papier vom Juli 2017, in dem die Autoren über die Verwendung von Analogie sprechen, ihren Ansatz jedoch als "analoge Folgerung" definieren (was sich von dem "analogen Denken" unterscheidet, wie es in der früheren "GOFAI-Periode" definiert wurde). Es gibt auch dieses Papier vom Juni 2017, in dem sich eine andere Gruppe von Autoren mit einer Form des analogen Denkens befasst.

Ich glaube nicht, dass es einen Konsens darüber gibt, ob irgendeine Form von analogem Denken "kritisch" ist oder nicht, aber es ist definitiv ein Thema, das noch erforscht wird.

Und um ein wenig tangential vorzugehen - eine interessante verwandte Frage wäre, zu fragen, ob "Analogieherstellung" eine emergente Eigenschaft eines ausreichend tiefen / breiten ANN wäre oder ob eine solche Einrichtung entworfen werden müsste und explizit codiert.