会员服务
通用智能 · 人工智能 ·
2021 年 10 月 5 日
The Artificial Scientist: Logicist, Emergentist, and Universalist Approaches to Artificial General Intelligence
翻译：人造科学家:对人造一般情报采取逻辑学家、新学者和普世主义者办法
Michael Timothy Bennett,Yoshihiro Maruyama
Michael Timothy Bennett,Yoshihiro Maruyama
from arxiv, Accepted to the 14th Conference on Artificial General Intelligence

We attempt to define what is necessary to construct an Artificial Scientist, explore and evaluate several approaches to artificial general intelligence (AGI) which may facilitate this, conclude that a unified or hybrid approach is necessary and explore two theories that satisfy this requirement to some degree.


翻译：我们试图界定建立人工科学家所必要的条件,探讨和评价人造一般情报的若干办法,这些办法可能有助于这项工作,结论是,有必要采取统一或混合的办法,并探讨在某种程度上满足这一要求的两个理论。
1
下载
关闭预览

相关内容

【硬核书】数学博弈论与应用，431页pdf，Mathematical Game Theory and Applications
【硬核书】数学博弈论与应用，431页pdf，Mathematical Game Theory and Applications
专知会员服务
166+阅读 · 2020年4月18日
【北京智源大会2019】增强人类智能：从搜索引擎到智能任务助理（ Augmenting Human Intelligence: From Search Engines to Intelligent Task Assistants ）
【北京智源大会2019】增强人类智能：从搜索引擎到智能任务助理（ Augmenting Human Intelligence: From Search Engines to Intelligent Task Assistants ）
专知会员服务
17+阅读 · 2019年11月22日
【课程推荐】 人工普遍智能（Artificial General Intelligence）
【课程推荐】 人工普遍智能（Artificial General Intelligence）
专知会员服务
9+阅读 · 2019年11月10日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
人工智能 | 中低难度国际会议信息6条
人工智能 | 中低难度国际会议信息6条
Call4Papers
3+阅读 · 2019年4月3日
人工智能 | CCF推荐期刊专刊约稿信息6条
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
人工智能 | SCI期刊专刊信息3条
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议/SCI期刊约稿信息9条
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
计算机类 | 国际会议信息7条
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
A Markov Decision Process Approach for Managing Medical Drone Deliveries
Arxiv
0+阅读 · 2021年11月29日
A Survey of Deep Reinforcement Learning in Recommender Systems: A Systematic Review and Future Directions
Arxiv
14+阅读 · 2021年9月8日
Generalizing to Unseen Domains: A Survey on Domain Generalization
Arxiv
30+阅读 · 2021年3月10日
A Mathematical Introduction to Generative Adversarial Nets (GAN)
A Mathematical Introduction to Generative Adversarial Nets (GAN)
Arxiv
27+阅读 · 2020年9月1日
Reverse Engineering Configurations of Neural Text Generation Models
Arxiv
5+阅读 · 2020年4月13日
The Measure of Intelligence
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Neural Approaches to Conversational AI
Neural Approaches to Conversational AI
Arxiv
8+阅读 · 2018年12月13日
Learning to Separate Domains in Generalized Zero-Shot and Open Set Learning: a probabilistic perspective
Arxiv
4+阅读 · 2018年10月17日
Sem-GAN: Semantically-Consistent Image-to-Image Translation
Sem-GAN: Semantically-Consistent Image-to-Image Translation
Arxiv
4+阅读 · 2018年7月12日
Logically-Constrained Reinforcement Learning
Arxiv
5+阅读 · 2018年4月22日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
通用智能
人工智能
相关VIP内容
【硬核书】数学博弈论与应用，431页pdf，Mathematical Game Theory and Applications
【硬核书】数学博弈论与应用，431页pdf，Mathematical Game Theory and Applications
专知会员服务
166+阅读 · 2020年4月18日
【北京智源大会2019】增强人类智能：从搜索引擎到智能任务助理（ Augmenting Human Intelligence: From Search Engines to Intelligent Task Assistants ）
【北京智源大会2019】增强人类智能：从搜索引擎到智能任务助理（ Augmenting Human Intelligence: From Search Engines to Intelligent Task Assistants ）
专知会员服务
17+阅读 · 2019年11月22日
【课程推荐】 人工普遍智能（Artificial General Intelligence）
【课程推荐】 人工普遍智能（Artificial General Intelligence）
专知会员服务
9+阅读 · 2019年11月10日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
人工智能 | 中低难度国际会议信息6条
人工智能 | 中低难度国际会议信息6条
Call4Papers
3+阅读 · 2019年4月3日
人工智能 | CCF推荐期刊专刊约稿信息6条
人工智能 | CCF推荐期刊专刊约稿信息6条
Call4Papers
5+阅读 · 2019年2月18日
人工智能 | SCI期刊专刊信息3条
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
大数据 | 顶级SCI期刊专刊/国际会议信息7条
大数据 | 顶级SCI期刊专刊/国际会议信息7条
Call4Papers
10+阅读 · 2018年12月29日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
人工智能 | 国际会议/SCI期刊约稿信息9条
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
计算机类 | 国际会议信息7条
计算机类 | 国际会议信息7条
Call4Papers
3+阅读 · 2017年11月17日
相关论文
A Markov Decision Process Approach for Managing Medical Drone Deliveries
Arxiv
0+阅读 · 2021年11月29日
A Survey of Deep Reinforcement Learning in Recommender Systems: A Systematic Review and Future Directions
Arxiv
14+阅读 · 2021年9月8日
Generalizing to Unseen Domains: A Survey on Domain Generalization
Arxiv
30+阅读 · 2021年3月10日
A Mathematical Introduction to Generative Adversarial Nets (GAN)
A Mathematical Introduction to Generative Adversarial Nets (GAN)
Arxiv
27+阅读 · 2020年9月1日
Reverse Engineering Configurations of Neural Text Generation Models
Arxiv
5+阅读 · 2020年4月13日
The Measure of Intelligence
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Neural Approaches to Conversational AI
Neural Approaches to Conversational AI
Arxiv
8+阅读 · 2018年12月13日
Learning to Separate Domains in Generalized Zero-Shot and Open Set Learning: a probabilistic perspective
Arxiv
4+阅读 · 2018年10月17日
Sem-GAN: Semantically-Consistent Image-to-Image Translation
Sem-GAN: Semantically-Consistent Image-to-Image Translation
Arxiv
4+阅读 · 2018年7月12日
Logically-Constrained Reinforcement Learning
Arxiv
5+阅读 · 2018年4月22日
Top
微信扫码咨询专知VIP会员
Top