基于世界模型世界的通用人工智能探索 -刘志毅.pdf

1、DataFunCon#2024基于世界模型的通用人工智能探索人工智能进入大模型时代1950s-1990s符号学习1990s-2000s统计学习2010-2017深度学习2018-至今大规模预训练模型超大规模预训练模型 GPT-3 可以通过学习少量 样例完成十余种文本生成 任务，入选2021年 MIT 科技评论10大突破性技术包括美国三院院士 Li Fei-Fei、美国文理学院院士 Christopher Manning 和 Dan Jurafsky 在内的斯坦福大学100多位学者联名发表长达160页的观点文章，提出超大规模预训练模型将是实现通用人工智能的“基础模型”基础模型通过“预训练-微调”

2、来支持下游任务智能问答模型 ChatGPT通用控制模型 Gato图片生成模型 DALLE代码生成模型 CoPilot 语言塑造了人类复杂思维模式和知识体系，成为了跨领域知识交流的纽带；不同知识背景的专家通过语言交流，精确地理解信息、传递知识和达成共识，从而推动了有效解决方案的形成；在团队合作的过程中，不同专业间的知识壁垒以及成员的非全时参与性是普遍存在且难以避免的问题。智能的定义Wangs Definition智能是信息系统在知识与资源不足时适应环境的能力。(P.Wang,2018)信息系统 其外延包含所有的计算机系统和机器人设备，以及许多动物，但不包含比如岩石和河流。由任务或问题驱动，通过行

3、动(actions)完成或解决 任务、行动之间的关系是系统的知识或信念 信息处理活动是选择合适的行动完成已有任务会消耗计算资源（时间和空间资源）知识与资源不足 指定了系统的工作条件 知识充足意味着系统知道合适的算法解决问题 资源充足意味着系统有足够的时间和空间资源将算法应用于解决问题 知识与资源不足有三个约束条件有限性：系统的信息处理能力是常数开放性：任务只要能被系统识别就能被处理实时性：新的任务随时可能出现而非等到系统空闲时适应环境 适应性是系统总结过去的经验，据此预测未来的情况，并用有限的资源应对无限需要的机制。这里的适应性是智能的高级形式，与遗传算法不同，这里的适应性需要根据过去的经验。

4、这里的适应过程是终身的(life-long)、累积的(cumulative)、开放端的(open-ended)、多目标的(multi-objective)，而且不一定是收敛的。这里的适应性不仅意味着系统改变自己以满足环境的约束，也意味着系统改变环境以满足系统的需要。这里的适应性是系统的尝试和努力而非结果。只有当未来与过去经验一致时系统的表现得更好。一些推论1.由于系统的适应性，问题求解过程不是精确可重复的。2.系统的设计应当关注解决问题的单元步骤，以及将其组织起来的机制。3.由于知识与资源不足，推理不再是由真（公理）到真（定理）的推理。调研(D.Monett,et al,2018)：“受访者来

5、自48个国家和131个不同的机构（学术界77%，产业界21.3%）。受访者主要是研究人员(75.3%)、教育工作者(36%)、开发人员或工程师(16.8%)，来自计算机科学(58%)、心理学或认知科学(9.3%)和工程学(8.5%)。”（17个中）“最被接受的机器智能的定义是Wang的：224(56%)受访者表示同意或强烈同意。”1 Wang,P.(2018).On Defining Artificial Intelligence.Journal of Artificial General Intelligence,10(2),137.2 Monett,D.,&Lewis,C.W.P.(201

6、8).Getting Clarity by Defining Artificial IntelligenceA Survey.In V.C.Mller(Ed.),Philosophy and Theory of Artificial Intelligence 2017(pp.212214).Springer International Publishing.定义通用人工智能人类智能动物智能人造生物的智能生物计算机的智能经典计算机的智能量子计算机的智能生物智能人工智能自然的人工的 智能是 从一个角度来看，智能是信息系统利用有限资源适应环境的能力。从另一个角度来看，智能是一种表征相互作用的原理。当