然而，目前仅在密切相关的知识转移方面取得了重大成果例如，有能够玩各种视频游戏的深度学习模型。 我们如何实现通用智能？ 增加您公司的潜力。一次一条消息。 加入社区 2. 抽象能力 然而，要从个体事件或个体能力中抽象出我们的知识，另一个关键要素是必要的：理解两个相关事件之间的因果关系。例如，如果你想了解雨是如何运作的，你需要知道雨是由云造成的。 然而，目前智能只能通过统计来确定云的存在和雨的存在之间存在相关性，但不知道原因是什么和结果是什么。
哥伦比亚大学智能因果实验
室主任Elias Bareinboim 解释说：“理解因果关系是成部分，而今天的智能系统完全无法做到这一点。”此外，正如前面提到的，对因果关系的理解 与抽象知识的需要完美地结合在一起，因为——巴林博伊姆解释说——“如果机器能够理解某些事物会 股东数据库 导致另一些事物，那么它们就不必每次都从头开始学习新东西”。 3. 常识 这就是计算机科学家 Yoshua Bengio 发挥作用的地方，他因在深度学习发展中发挥的基础性作用而于 2018 年获得图灵奖。
Bengio 的工作还关注一种称为
“元学习”的培训形式。然而，要理解它是什么，我们必须首先退后一步：为了教会机器区分跳舞的人和跑步的人，今天有必要向机器展示数十万张交替出现人的图像进行某项或其他活动。经过“反复试验”的过程，机器最终学会正确区分这两个动作。 我们不知道这两种活动的区别，只有统计能力能够在人们跳舞的图像和其他不同的跑步图像中找到相 卓越服务的十大原则 关性；从而学会将它们彼此分开。相反，本吉奥的目标是教会机器一些腿部动作导致跑步，另一些腿部动作导致跳舞。
然后可以应用相同的概念
来理解人们跳跃、行走或踢球总是要归功于腿。这将是理解因果关系以及知识概括的第一步。 “要实现通用智能，首先要实现的技术目标是能够 博茨瓦纳 电话号码 为其提供泛化、抽象和常识的能力。” 经验是深度学习需要考虑的因素吗？ 所提到的发展有时仍处于萌芽阶段对于深度学习和更广泛的智能领域取得质的进步至关重要。 然而，还有另一个方面需要考虑：我们人类像动物一样，在直接体验我们所生活的环境后学会执行某些行为。我们在空间中移动，我们触摸，我们看到：简而言之，我们与周围的事物和其他人产生联系。
