유추는 의사 소통이 매우 강력합니다. 알려진 도메인에 매핑하기 만하면 도메인 지식이없는 사람들에게 복잡한 개념을 설명 할 수 있습니다. Hofstadter 는 그들이 중요하다고 말하고 Dijkstra는 그들이 위험하다고 말합니다. 어쨌든, 유추는 인간 커뮤니케이션에서 개념을 전달하는 강력한 방법으로 볼 수 있습니다 ( 전학 학습 이라고 말 할까요?).
Case-Based Reasoning 과 같은 레거시 작업을 알고 있지만 AI의 유추 메커니즘에 대한 최근 작업은 더 이상 없습니다.
AGI에 비유가 필요한지 아닌지에 대한 합의가 있으며, 얼마나 중요할까요?
구체적인 작업이나 출판물로 답을 뒷받침 해보십시오.
답변:
나는 "일반 지능"에 대한 엄격한 정의가 없기 때문에 실제 질문에 대한 진정한 대답을 줄 수는 없다고 생각합니다. 문맥 상 "필수"에 대한 명확한 정의도 없습니다.
그러나 ... 지능이 무엇인지, 그것이 중요하다는 것이 무엇인지에 대한 순진하고 직관적 인 이해에 의지한다면, 이것을 일반 정보 시스템이 유추 할 수있는 특정한 일을하기 위해 유추를해야하는 것으로 해석 할 수 있습니다. 그렇지 않으면? " 또는 다른 방법으로 "다른 방법으로는 복제 할 수없는 유 추적 추론으로 가능한 유용한 행동이 있습니까?"
가장 엄격한 의미에서, 나는 그 질문들 중 어느 하나에 대한 대답도 없지만, 그 대답이 "예"일 수 있음을 암시하는 최소한의 증거 가 있습니다. 참고 로 Hofstadter와 Mitchell 의 Copycat 논문 을 참조하십시오 . 내가 본 것에서 Copycat가 해결 하는 몇 가지 종류의 문제는 다른 접근법으로 해결 한 것과는 다릅니다. 아마도 아무도 그 문제를 해결하려고 시도하지 않았다는 우연의 일치 일 것입니다. "딥 러닝"또는 "규칙 유도"또는 "유전 알고리즘"이라고합시다. 아니면 그들은 가지고 있었고 나는 그 연구의 무리를 우연히 발견하지 못했습니다.
어쨌든 AI / ML에 비유를 사용하는 방법에 대한 연구는 여전히 진행 중이라고 덧붙입니다. 예를 들어 저자가 유추를 사용하는 것에 대해 이야기하지만 그들의 접근 방식을 "해석 추론"(이전의 "GOFAI 기간"에 정의 된 "해석 추론"과 다르다고 주장함)으로 정의하는 2017 년 7 월 의이 백서를 참조하십시오 . 2017 년 6 월 부터 다른 저자들이 비슷한 형태의 추론을 다루는 이 백서 도 있습니다 .
나는 어떤 형태의 유 추적 추론이 "비판적"인지 아닌지에 대한 합의가 없다고 생각하지만 그것은 여전히 연구되고있는 주제이다.
그리고 약간의 접선을 시작하려면 흥미로운 관련 질문은 "분석 작성"이 충분히 깊고 넓은 ANN의 출현 속성인지 아닌지 또는 그러한 시설을 설계하고 설계해야하는지 여부를 묻는 것입니다. 명시 적으로 코딩되었습니다.