来自用户 刑无刀 的文献。
当前共找到 2 篇文献分享。
1.
刑无刀
(2022-08-26 19:19):
#paper Master Thesis,Business information technology Faculty of Electrical Engineering, Mathematics and Computer Science University Twente May 2016 , Applying Intelligence Amplification in Decision Making
Intelligence Amplification (IA，智力放大)最早是由Ashby在Introduction of Cybernetics中提出的一个概念，是研究如何用人工智能（AI）去提升人类智能的，类似概念也有Augmented Intelligence。本篇论文作者比较系统的研究了这一概念用于决策系统中。本文主要由三部分构成：首先较为系统的综述了这一领域的文献现状，也顺便说清楚了IA系统中人（Human）和智能体（Agent）的关系，第二部分详细描述了一个IA决策系统的框架及基本元素，最后介绍了如何评估这个系统，并评估了自己的方案。遗憾的是我才读一半，还没看到如何评估来。
Abstract:
This thesis proposes an intelligence amplification (IA) framework to apply IA in decision making. With this IA framework, IA is applied to solve planning problems of synchromodal transport in the …
>>>
This thesis proposes an intelligence amplification (IA) framework to apply IA in decision making. With this IA framework, IA is applied to solve planning problems of synchromodal transport in the simulated environment. Through the case study, the proposed IA framework shows its effectiveness in solving the task assignment to achieve the human-intelligent agent collaboration. Besides, this thesis proves IA's benefits in improving decision and shows that humans' decision making performance is enhanced by IA.
<<<
翻译
2.
刑无刀
(2022-02-20 22:57):
#paper arXiv:2010.06002 Thinking Fast and Slow in AI
这篇论文主要是为AI下一步发展提出了一个研究方向，灵感和思路来自认知科学领域著名的《思考，快与慢》，后者提出人的认知决策有两个系统，系统1是快速反应，下意识的感知层，系统2是需要经过理性计算、推理，综合更多信息后作出反应的慢系统。作者提出，AI应该是综合“快慢”两者才能更接近的通用智能，系统1对应感知算法，通过深度学习等方法，已经取得突破，而用于推理、计算、决策的慢系统，则需要借助符号系统等方法，有一定的时序性，两者结合，才能更接近真正能够“思考”的智能。基于上述设想，作者提出了10个可能的研究问题，简单列举几个如下：
1. 我们能够清晰地区分AI中的系统1和系统2的能力吗？他们各自的特征是什么？就只有这两类能力吗？还是会有更多能力？
2. 系统2的顺序性（表现为无法并行）是一个bug还是一个feature？我们
应该诉诸机器给系统2发展多线程推理能力吗？如果是这样，结合了机器强大的计算能力，是否能够补偿AI某些方面的缺陷？
3. 综合了系统1和系统2（机器学习和符号逻辑）的AI，用什么评价指标来度量其表现？这些指标应该因任务不同和组合方法不同而不同吗？
arXiv,
2020.
DOI: 10.48550/arXiv.2010.06002
Abstract:
No abstract available.