🛌🏼 🧕 💌 सार्वभौमिक बुद्धिमत्ता के निर्माण के दृष्टिकोण का मूल आधार। भाग २ 💞 🏙️ 📂

मजबूत एआई के लिए मौजूदा तरीकों का एक संक्षिप्त विश्लेषण।

संज्ञानात्मक वास्तुकला।

एक मजबूत एआई बनाते समय, प्रजनन करना स्वाभाविक है, यदि मानव मस्तिष्क के काम का सभी विवरण नहीं है, तो कम से कम कार्य जो वह करता है। अन्यथा, यह सुनिश्चित करना बहुत मुश्किल है कि यह खुफिया है जो बनाया गया है। यह वास्तव में यह लक्ष्य है जो संज्ञानात्मक आर्किटेक्चर द्वारा पीछा किया जाता है जो सीखने, स्मृति, योजना, आदि जैसे कार्यों को जोड़ती है, जो कि, प्राकृतिक बुद्धिमत्ता में सभी (या लगभग सभी) है। यह संज्ञानात्मक आर्किटेक्चर को इतना आकर्षक और लोकप्रिय बनाता है।
हालांकि, अपने आप में सभी समान संज्ञानात्मक कार्यों के साथ एक कंप्यूटर को बंद करने की इच्छा जो किसी व्यक्ति को यह इंगित नहीं करती है कि यह कैसे सही तरीके से करना है। नतीजतन, कई संज्ञानात्मक आर्किटेक्चर आज तक विकसित किए गए हैं, जिनमें से कुछ को अक्सर एक मजबूत एआई के निर्माण के मार्ग के रूप में तैनात किया जाता है। इनमें विशेष रूप से, मजबूत एअर जैसे सोर और एसीटी-आर के ऐसे लोकप्रिय आर्किटेक्चर शामिल हैं।
कई आर्किटेक्चर अक्सर मानव मन के उच्च संज्ञानात्मक कार्यों की घटना पर निर्माण करते हैं। हालांकि, इन कार्यों की प्रकृति और उनके लिए आवश्यकताओं की पूरी समझ की कमी के कारण, उनका कार्यान्वयन काफी हद तक मनमाना है।
अक्सर इस तरह के आर्किटेक्चर का निर्माण पारंपरिक प्रतीकात्मक दृष्टिकोण के ढांचे के भीतर किया जाता है, जो केवल मानव सोच के "हिमशैल के टिप" को मॉडलिंग करता है। फिर भी, अक्सर ऐसे अट्रैट्रिट्स का निर्माण करने का प्रयास किया जाता है जो न केवल उच्च-स्तरीय, बल्कि निम्न-स्तरीय फ़ंक्शंस (तथाकथित आकस्मिक आर्किटेक्चर) को पुन: उत्पन्न करते हैं। इसके अलावा, AI शोधकर्ताओं को प्रतीकात्मक और उप-प्रतीकात्मक स्तरों और हाइब्रिड आर्किटेक्चर के विकास के साथ-साथ सन्निहित प्रणालियों (जो विशेष रूप से महत्वपूर्ण हैं, अवधारणाओं के लिए एक अर्थपूर्ण आधार प्राप्त करने की आवश्यकता है) के निर्माण की आवश्यकता के बारे में अच्छी तरह से पता है, जो विशुद्ध रूप से प्रतीकात्मक आर्किटेक्चर में लागू करने के लिए बहुत समस्याग्रस्त हैं (देखें) Duch et al।, 2008] एक समीक्षा के रूप में)।
हालांकि, यह नोट किया गया है [ड्यूच एट अल।, 2008] कि यह वास्तविक समस्याओं को हल करने के लिए बहुत ही अनैतिक रूप से उपयोग किया जाता है, न कि वास्तविक दुनिया में स्वायत्त व्यवहार के स्तर को बढ़ाने के लिए। तो क्यों संज्ञानात्मक आर्किटेक्चर मजबूत एआई के क्षेत्र में महत्वपूर्ण प्रगति के लिए नेतृत्व नहीं करते हैं? इस प्रश्न का उत्तर पहले से ही ऊपर दिया गया है।
इन प्रणालियों को गैर-सार्वभौमिकता के लिए सबसे अधिक संभावना है, क्योंकि उन्हें कमजोर घटकों से इकट्ठा किया जाता है। यह, जाहिरा तौर पर, ऐसी प्रणालियों पर लागू होता है, जिन्हें शुरू में नोवाएंटे (सामान्य विवरण प्रणाली के रूप में तैनात किया गया था (जिसका विवरण [गोएर्टज़ेल और पेनाचिन, 2007] में दिया गया है)। बेशक, एक या किसी अन्य वास्तुकला के विस्तार के रूप में सार्वभौमिकता की संपत्ति को पेश करने की संभावना से इनकार नहीं किया जाता है (अंत में, बुद्धि की सार्वभौमिकता को शायद ही अधिकांश जानवरों के लिए जिम्मेदार ठहराया जा सकता है, और इसलिए, यह खुफिया के अधिक विशिष्ट रूपों पर एक विकासवादी अधिरचना के रूप में प्रकट हुआ)। फिर भी, यह तरीका हमें अधिक श्रमसाध्य और कम इष्टतम लगता है।

संसाधन-आधारित दृष्टिकोण।

यह दृष्टिकोण पी। वांग [वांग, 2007] द्वारा दी गई निम्नलिखित परिभाषा पर आधारित है:
इंटेलिजेंस एक सिस्टम की क्षमता है जो अपर्याप्त ज्ञान और संसाधनों के साथ काम करते हुए अपने पर्यावरण के अनुकूल है, जहां अनुकूलन (अनुभव से सीखने की क्षमता) काफी सामान्य आवश्यकता है, जबकि दृष्टिकोण की मुख्य विशेषताएं संसाधनों और ज्ञान की कमी से उत्पन्न होती हैं (क्योंकि जब संसाधन और पर्याप्त जानकारी, काफी बुद्धिमान तरीकों का उपयोग नहीं किया जा सकता है)। नतीजतन, इस दृष्टिकोण के ढांचे के भीतर, ज्ञान की गूंज के लिए खाते के लिए श्रेणीबद्ध तर्क का एक प्रकार बनाया गया है, और एक वितरित ज्ञान हेरफेर प्रणाली प्रस्तावित है, जो सीमित कंप्यूटिंग संसाधनों को ध्यान में रखता है।
इसके अलावा, लेखक "बौद्धिक" और "प्रभावी रूप से बौद्धिक" की अवधारणाओं को अलग करने का प्रस्ताव करता है। ऐसा विभाजन काफी उचित लगता है और सहज धारणा को दर्शाता है, उदाहरण के लिए, "जानवर बल" विधि द्वारा काम करने वाला एक शतरंज कार्यक्रम एक बुद्धिमान शतरंज खिलाड़ी के रूप में एक ही अर्थ में बौद्धिक नहीं है।
यद्यपि कोई प्रभावी बुद्धि के बहुत सिद्धांत से सहमत हो सकता है, यह विशेष दृष्टिकोण शायद ही SRI के निर्माण का आधार बन सकता है: यह खुफिया के उन पहलुओं पर याद करता है जो सार्वभौमिक एल्गोरिथम मॉडल और संज्ञानात्मक आर्किटेक्चर में पहचाने जाते हैं। दूसरे शब्दों में, संसाधन सीमाओं की आवश्यकता के बारे में थीसिस यह इंगित नहीं करती है कि उन्हें सही तरीके से कैसे पेश किया जाए।
विशेष रूप से, यह इस तथ्य से देखा जा सकता है कि पी। वांग ने एक मौलिक सिद्धांत के रूप में एजेंट के ज्ञान की कमी को भी पेश किया। ज्ञान की कमी, ज़ाहिर है, महत्वपूर्ण है, लेकिन इसे पूरी तरह से सार्वभौमिक एल्गोरिथम खुफिया के वांग (आलोचना द्वारा) के मॉडल में ध्यान में रखा गया है, जिसमें न केवल कार्यों के स्थान में खोज शामिल है, बल्कि एक सार्वभौमिक प्रेरक निष्कर्ष भी है, जिसके लिए ज्ञान के फ़िज़नेस को ध्यान में रखना एक मूल सिद्धांत नहीं है, बल्कि केवल एक हेयुरिस्टिक सिद्धांत है। मॉडल की गणना को सरल बनाने के लिए (जिसका प्रदर्शन बाद में किया जाएगा)।
नतीजतन, इस दृष्टिकोण के ढांचे के भीतर, केवल एक निजी संज्ञानात्मक वास्तुकला विकसित की गई है, जिसमें दूसरों की तुलना में मौलिक लाभ नहीं हैं, हालांकि सीमित संसाधनों के सिद्धांतों के लिए एक व्यवस्थित पालन में महत्वपूर्ण विधर्मी शक्ति है।

यूनिवर्सल एल्गोरिथम खुफिया।

इस दृष्टिकोण का बहुत विचार लंबे समय से जाना जाता है, लेकिन इसे हाल ही में मुख्य रूप से [हटर, 2001], [श्मिटुबेर, 2003] और इन लेखकों के अन्य कार्यों के माध्यम से अपेक्षाकृत हाल ही में मान्यता प्राप्त हुई है। इसकी रूपरेखा के भीतर, मुख्य जोर सोलोमोनोव के सार्वभौमिक प्रेरण मॉडल पर है, जो कुछ मूल्यांकन फ़ंक्शन को अधिकतम करने के लिए पर्यावरणीय कार्रवाई चयन प्रणाली में शामिल हैं।
यहां, विश्लेषण एक साधारण सार्वभौमिक मॉडल से शुरू होता है जो संसाधन की कमी को लागू नहीं करता है। हमारे दृष्टिकोण का पहला चरण समान है, क्योंकि हम मानते हैं कि सार्वभौमिक एआई मॉडल में सार्वभौमिकता संपत्ति को तुरंत पेश करना और मॉडल विकसित करते समय इस संपत्ति को बनाए रखना बेहद वांछनीय है, जिसे संसाधन बाधाओं को लागू करके कार्यान्वित किया जाता है।
विचाराधीन दृष्टिकोण के आधुनिक संस्करणों में, संसाधन बाधाओं को भी पेश किया जाता है, लेकिन सार्वभौमिक एआई की अधिकतम निष्पक्षता के साथ, जो हमें आत्म-अनुकूलन के सामान्य मॉडल बनाने की अनुमति देता है।
संसाधन की कमी का ऐसा विचार, हालांकि, पर्याप्त पर्याप्त नहीं है। हम कह सकते हैं कि इसके लिए संपूर्ण विकास के पुनरुत्पादन की आवश्यकता है, जो बिना किसी पूर्व सूचना के एक सार्वभौमिक आत्म-अनुकूलन खोज के रूप में भी शुरू हुआ। यह स्पष्ट है कि इस तरह की एक सार्वभौमिक बुद्धि का गठन दूरदर्शितापूर्ण समय में किया जा सकता है, इसमें बाहरी दुनिया की संरचना के बारे में एक प्राथमिक जानकारी की पर्याप्त मात्रा में पर्याप्त मात्रा में बिछाने के लिए आवश्यक है, और मॉडल और कार्यों के प्रसार को कम करने के लिए अनुमान। इन अनुमानों को प्राकृतिक बुद्धिमत्ता के संज्ञानात्मक कार्यों की घटना से चमकाया जा सकता है। दूसरी ओर, एक मजबूत एआई में यह मैन्युअल रूप से विशिष्ट ज्ञान का बहुत अधिक भाग लेने के लिए तर्कहीन है कि यह अपने दम पर प्राप्त कर सकता है (जैसे कि इस तरह की परियोजनाओं, उदाहरण के लिए, साइक पाप)। जाहिर है, इन दोनों चरम सीमाओं के बीच एक इष्टतम समझौता हासिल करना आवश्यक है।
इसके अलावा, चर्चा के लिए एक अलग मुद्दा यह है कि क्या प्रस्तुत मॉडल वास्तव में सार्वभौमिक हैं। इसके लिए, मनुष्य की क्षमताओं के साथ इन मॉडलों की काल्पनिक संभावनाओं की सावधानीपूर्वक तुलना करना आवश्यक है। भाग में, इस तरह की तुलना की जाती है (उदाहरण के लिए, [हटर, 2005]), हालांकि उन्हें निर्विवाद या संपूर्ण नहीं कहा जा सकता है। फिर भी, इन मॉडलों की सच्ची सार्वभौमिकता के बारे में संदेह को सामने रखा जा सकता है, जो कि सार्वभौमिक एल्गोरिथम खुफिया के अपने स्वयं के मॉडल के विश्लेषण में दिखाया जाएगा।
अब हम केवल एक संदेह पर ध्यान देते हैं, जो कि बुद्धिमत्ता है, केवल शून्य सन्निकटन में, एक प्राथमिकता निर्दिष्ट उद्देश्य फ़ंक्शन को अधिकतम करने के लिए कम किया जा सकता है। आखिरकार, अगर, कहते हैं, बुद्धि का कार्य अस्तित्व को सुनिश्चित करना है, तो एक पूर्व निर्धारित निर्दिष्ट फ़ंक्शन (भावनात्मक अनुमानों पर आधारित, कहना) केवल जीवित रहने के लक्ष्य का एक मोटा अनुमानी अनुमान हो सकता है। इसका मतलब यह है कि विशेष तंत्र के अस्तित्व की आवश्यकता किसी भी तरह ओण्टोजेनेसिस में लक्ष्य फ़ंक्शन को स्पष्ट करती है। यहाँ हम शतरंज के साथ निम्नलिखित सादृश्य दे सकते हैं। बता दें कि एक बौद्धिक एजेंट केवल एक गेम खेल सकता है। सीमित कंप्यूटिंग संसाधनों के साथ, वह जीत या हार की भविष्यवाणी करने के लिए विकल्पों की पूरी तरह गणना नहीं कर सकता है। दुनिया के बारे में एक प्राथमिक ज्ञान के एक न्यूनतम के साथ पैदा होने के नाते, इसमें एक जटिल उद्देश्य फ़ंक्शन नहीं हो सकता है जो इसे गेम ट्री पर प्रभावी रूप से अप्रमाणित विकल्पों को काटने की अनुमति देगा। प्रारंभिक उद्देश्य फ़ंक्शन केवल कुछ सीधे कथित उत्तेजनाओं पर भरोसा कर सकता है, आंकड़े की कुल ताकत पर कहें (अपना आंकड़ा खोने या प्रतिद्वंद्वी के आंकड़े को खाने पर दर्द और खुशी की भावना देना)। बड़े होने (खेलने) की प्रक्रिया में, एजेंट अधिक जटिल अवधारणाओं का निर्माण कर सकता है, लेकिन अपने दम पर (पूरे जीवन जीने के बिना), वह सिद्धांत रूप में यह निर्धारित करने में सक्षम नहीं होगा कि इन अवधारणाओं के आधार पर उद्देश्य फ़ंक्शन को कैसे बेहतर बनाया जा सकता है। हालांकि, अन्य एजेंट उसे यह जानकारी दे सकते हैं, लेकिन केवल इस शर्त पर कि लक्ष्य फ़ंक्शन को संशोधित करने के लिए कुछ अच्छा तंत्र है। यह पहलू दोस्ताना एआई की समस्या से भी संबंधित है ...

लक्ष्य फ़ंक्शन दृष्टिकोण द्वारा सीखना।

वस्तुनिष्ठ कार्यों को सीखने की समस्या को कभी-कभी एक मजबूत एआई (या, अधिक सटीक रूप से, एक अनुकूल एआई [युडकोव्स्की, 2011]) के निर्माण में मौलिक माना जाता है। इस दृष्टिकोण के ढांचे के भीतर, यह काफी हद तक सही है कि एक प्राथमिक उद्देश्य फ़ंक्शन को अधिकतम करना कृत्रिम बुद्धिमत्ता के लिए सार्वभौमिक होने के लिए पर्याप्त नहीं है, विशेष रूप से सामाजिक पर्यावरण के साथ प्रभावी (और वांछनीय) बातचीत के संदर्भ में, जो भौतिक पर्यावरण के समान उद्देश्यपूर्ण तत्व है।
एआई को अपने स्वयं के उद्देश्य फ़ंक्शन को संशोधित करने की क्षमता देने की समस्या इस तथ्य के कारण अनौपचारिक है कि यह स्पष्ट नहीं है कि किसी अन्य उद्देश्य फ़ंक्शन (या कुछ अन्य प्राथमिकता तंत्र) के नियंत्रण के तहत उद्देश्य फ़ंक्शन को कैसे अनुकूलित किया जा सकता है। उद्देश्य फ़ंक्शन को संशोधित करने की संभावना का महत्व न केवल इस तथ्य से जुड़ा है कि एजेंट के लिए पूरी तरह से सार्वभौमिक होना आवश्यक है, बल्कि इस तथ्य के साथ भी है कि एआई एक प्राथमिक उद्देश्य समारोह को अधिकतम करने के लिए इस तरह के कार्यों को अच्छी तरह से पा सकता है जो इस फ़ंक्शन के दृष्टिकोण से इष्टतम हैं जो बेहद अवांछनीय होगा। लोगों के लिए [युडकोव्स्की, 2011]। यद्यपि इन पहलुओं का महत्व निर्विवाद है, सार्वभौमिक बुद्धिमत्ता के विशिष्ट मॉडलों के बाहर उनका विचार एक मजबूत एआई बनाने के लिए पथ को रेखांकित करने की अनुमति नहीं देता है (बल्कि इसके निर्माण के मार्ग पर कुछ सीमाएं निर्धारित करता है), इसलिए, इस दृष्टिकोण को अन्य दृष्टिकोणों का पूरक माना जाना चाहिए। उद्देश्य फ़ंक्शन को संशोधित करने की क्षमता को एक सार्वभौमिक बौद्धिक एजेंट की वास्तुकला के लिए प्रदान किया जाना चाहिए, हालांकि सामान्य तौर पर इसे अन्य संज्ञानात्मक कार्यों के समान स्तर पर माना जा सकता है, अर्थात्, "शिशु" एआई के स्तर पर "शिशु" एआई के विकास की दक्षता में वृद्धि के एक विशिष्ट अनुमानक के रूप में।

अनुकूली व्यवहार, स्व-संगठन और सामान्य रूप से बायोनिक।

बायोनिक दृष्टिकोण से संबंधित मजबूत एआई के क्षेत्र में अनुसंधान का एक बड़ा क्षेत्र है। प्रयास यहां किए गए हैं (उदाहरण के लिए, देखें, [गैरीस, 2007] [रेड'को, 2007]) विभिन्न स्तरों पर मस्तिष्क को मॉडल करने के लिए, अनुकूली व्यवहार को पुन: पेश करने के लिए, अपने सरलतम से अधिक जटिल रूपों तक, मॉडलिंग विकास, एक पूरे के रूप में स्वयं-संगठन। अक्सर यह दृष्टिकोण प्रकृति में अनुकरणीय होता है और एल्गोरिदमिक दृष्टिकोण के लिए काफी सख्त विरोध किया जाता है, यही कारण है कि यह पर्याप्त गहरा नहीं है। विशेष रूप से, विकास और आत्म-संगठन के विभिन्न सिमुलेशन मॉडल सरल कारण के लिए असीमित विकास का कारण नहीं बनते हैं कि उनके लेखक भी हल करने के लिए अनुकूलन समस्याओं की कम्प्यूटेशनल जटिलता से संबंधित मुद्दों पर विचार करने की कोशिश नहीं करते हैं और सैद्धांतिक रूप से व्यवहार की पूर्णता, जिसके परिणामस्वरूप हो सकता है। सिमुलेशन। इस वजह से, यह अत्यधिक संदिग्ध है कि अकेले बायोनिक दृष्टिकोण एक मजबूत एआई के निर्माण का कारण बन सकता है। हालांकि, एक ही समय में, यह उत्पादक विचारों के एक महत्वपूर्ण स्रोत के रूप में काम कर सकता है, जो उपेक्षा के लिए बहुत बेकार होगा।

निष्कर्ष।

जैसा कि आप देख सकते हैं, मजबूत एआई के लिए मौजूदा मौजूदा दृष्टिकोण एक-दूसरे के साथ इतना विरोधाभास नहीं करते हैं क्योंकि वे सार्वभौमिक एआई की समस्या के विभिन्न पहलुओं पर विचार करते हैं, और इसलिए उन्हें संयोजित करना आवश्यक है। स्वाभाविक रूप से, कई एकीकरण दृष्टिकोण हैं जो विभिन्न उपलब्ध प्रणालियों और विधियों को संश्लेषित करने की कोशिश करते हैं, इसलिए एक पूरे के रूप में एकीकरण का विचार नया नहीं है। हालांकि, अक्सर यह एकीकरण कमजोर तरीकों के संयोजन, या सार्वभौमिक एल्गोरिदम एआई मॉडल के आंशिक विस्तार तक सीमित होता है। एकीकरण की अपर्याप्त "गहराई" इस तथ्य से स्पष्ट है कि इन तरीकों के प्रस्तावक प्रतिस्पर्धी दृष्टिकोणों की कमियों की आलोचना करते हुए एक-दूसरे का विरोध करना पसंद करते हैं। यहां हम एक नए दृष्टिकोण के विकास के बारे में अधिक बात कर रहे हैं जो मुख्य पूर्व प्राप्त परिणामों और विचारों को बहुत गहराई से वैचारिक स्तर पर ध्यान में रखता है (हालांकि, यह सच है कि विभिन्न दृष्टिकोणों के बीच संबंध स्थापित करना हमेशा आसान होता है)।
असीमित संसाधनों के मामले में आपको सबसे सरल मॉडल के साथ शुरुआत करने की आवश्यकता है; उनकी सार्वभौमिकता सुनिश्चित करें या इसे प्राप्त करने के लिए पर्याप्त नहीं है, जो बाद में ध्यान में रखा जा सकता है। अगला, हमें कंप्यूटिंग संसाधनों पर एक सीमा के साथ सार्वभौमिक मॉडल पर विचार करना चाहिए। ऐसे मॉडल अपेक्षाकृत सरल भी हो सकते हैं, लेकिन इसमें स्व-अनुकूलन शामिल होना चाहिए। इसके बाद, दुनिया के गुणों के बारे में एक प्राथमिक जानकारी (जिसमें से सबसे आम संज्ञानात्मक वास्तुकला की विशेषताओं का निर्धारण करेगा) को एआई को स्वायत्त बनने में लगने वाले समय को कम करने के लिए पेश किया जाना चाहिए।

साहित्य।

(मैक्कार्थी, 2005) मेकार्थी जे। द फ्यूचर ऑफ एआई - ए मैनिफेस्टो // एआई मैगज़ीन। 2005.V 26. कोई 4.P 39।
(निल्सन, 2005 ए) निल्सन एनजे पुनर्विचार // एआई पत्रिका। 2005. वी। 26. नहीं 4. पी। 36–38।
(निल्सन, 2005 बी) निल्सन एनजे मानव-स्तरीय कृत्रिम बुद्धि? गंभीर रहो! // एआई पत्रिका। 2005. वी। 26. नंबर 4. पी। 68–75।
(Brachman, 2005) Brachman R. The Back Back to "The Very Idea" // AI पत्रिका। 2005. वी। 26. नहीं 4. पी। 48-50।
(Bobrow, 2005) Bobrow DG AAAI: इट्स टाइम फॉर लार्ज-स्केल सिस्टम्स // एआई मैगज़ीन। 2005. वी। 26. नहीं 4. पी। 40–41।
(कासिमेटिस एट अल।, 2006) कासिमैटिस एन।, म्यूएलर ईटी, विंस्टन पीएच इंटीग्रेटेड सिस्टम और रिसर्च // एआई पत्रिका के माध्यम से मानव-स्तर की खुफिया जानकारी प्राप्त करना। 2006. वी। 27. नंबर 2. पी। 12-14।
(लैंगली, 2006) लैंगली पी। संज्ञानात्मक आर्किटेक्चर और जनरल इंटेलिजेंट सिस्टम // एआई पत्रिका। 2006. वी। 27. नंबर 2. पी। 33-44।
(कासिमैटिस, 2006) कासिमैटिस एनएल ए संज्ञानात्मक सब्सट्रेट फॉर एचीविंग ह्यूमन-लेवल इंटेलिजेंस // एआई पत्रिका। 2006. वी। 27. नंबर 2. पी। 45-56।
(जोन्स और रे, 2006) जोन्स आरएम, रे-रे तुलनात्मक विश्लेषण ज्ञान-गहन बुद्धिमान एजेंटों के लिए // एआई पत्रिका। 2006. वी। 27. कोई 2. पी। 57-70।
(कोहेन 2005) कोहेन पीआर अगर नॉट ट्यूरिंग टेस्ट, तो क्या? // एआई पत्रिका। 2005. वी। 26. नहीं 4. पी। 61–67।
(हॉल, 2008) जे स्टोरस हॉल। इंजीनियरिंग यूटोपिया // फ्रंटियर्स इन आर्टिफिशियल इंटेलिजेंस एंड एप्लीकेशंस (प्रोक। फर्स्ट एजीआई कॉन्फ्रेंस)। 2008. वी। 171. पी। 460-467।
(पैंकोव, 2008) पैंकोव एस। AIXI मॉडल के लिए एक कम्प्यूटेशनल सन्निकटन // फ्रंटियर्स इन आर्टिफिशियल इंटेलिजेंस एंड एप्लीकेशंस (प्रोक। 1 एजीआई सम्मेलन)। 2008. वी। 171. पी। 256–267।
(डूक वगैरह, 2008) डुक डब्ल्यू।, ओन्टेरियो आरजे, पस्क्वायर एम। कॉग्निटिव आर्किटेक्चर्स: व्हेयर डू वी गो फ्रॉम हियर / फ्रंटियर्स इन आर्टिफिशियल इंटेलिजेंस एंड एप्लीकेशंस (प्रोक। फर्स्ट एजीआई कॉन्फ्रेंस)। 2008. वी। 171. पी। 122–136।
(युडकोव्स्की, 2011) युडकोव्स्की ई। कॉम्प्लेक्स वैल्यू सिस्टम एन फ्रेंडली एआई // प्रोक। आर्टिफिशियल जनरल इंटेलिजेंस - 4th इंटरनेशनल कॉन्फ्रेंस, एजीआई 2011, माउंटेन व्यू, सीए, यूएसए, 3-6 अगस्त, 2011। कंप्यूटर साइंस में लेक्चर नोट्स 6830। स्प्रिंगर। 2011. पी। 388-393।
(कुर्ज़वील, 2005) कुर्ज़वील आर। द सिंगुलैरिटी इज नियर। वाइकिंग, 2005।
(सोलोमनॉफ, 1964) सोलोमनॉफ आरजे आगमनात्मक आविष्कार का एक औपचारिक सिद्धांत: भाग 1 और 2. सूचना और नियंत्रण। 1964. वी। 7. पी। 1-22, 224–254।
(श्मिटुबेर, 2003) श्मिटुबेर जे। नया एआई: सामान्य और ध्वनि और भौतिकी के लिए प्रासंगिक। तकनीकी रिपोर्ट TR IDSIA-04-03, संस्करण 1.0, cs.AI/0302012 v1, IDSIA। 2003।
(हटर, 2001) हटर एम। एल्गोरिथम संभावना और अनुक्रमिक निर्णयों के आधार पर कृत्रिम बुद्धिमत्ता के एक सार्वभौमिक सिद्धांत की ओर इशारा करता है। प्रोक में। 12 वां यूरोपीय आत्मविश्वास। मशीन लर्निंग (ECML-2001) पर, LNAI, स्प्रिंगर, बर्लिन की मात्रा 2167। 2001।
(हटर, 2005) हटर एम। यूनिवर्सल आर्टिफिशियल इंटेलिजेंस। एल्गोरिथम संभावना / स्प्रिंगर के आधार पर अनुक्रमिक निर्णय। 2005.278 पी।
(वांग, 2007) वांग पी। द लॉजिक ऑफ इंटेलिजेंस // आर्टिफिशियल जनरल इंटेलिजेंस में। कॉग्निटिव टेक्नोलॉजीज, बी। गोएर्टज़ेल और सी। पेनाचिन (Eds।)। स्प्रिंगर। 2007. पी। 31–62।
(श्मिटुबेर, 2007) श्मिटुबेर जे। गोडेल मशीनें: आर्टिफिशियल जनरल इंटेलिजेंस में पूरी तरह से सेल्फ-रेफरेंशियल ऑप्टिमल यूनिवर्सल सेल्फ-इम्प्रूवर्स //। कॉग्निटिव टेक्नोलॉजीज, बी। गोएर्टज़ेल और सी। पेनाचिन (Eds।)। स्प्रिंगर। 2007. पी। 199–226।
(हटर, 2007) हंटर एम। यूनिवर्सल एल्गोरिथम इंटेलिजेंस: आर्टिफिशियल जनरल इंटेलिजेंस में एक गणितीय टॉप → डाउन अप्रोच //। कॉग्निटिव टेक्नोलॉजीज, बी। गोएर्टज़ेल और सी। पेनाचिन (Eds।)। स्प्रिंगर। 2007. पी। 227-290।
(गोएर्टज़ेल और पेनाचिन, 2007) आर्टिफिशियल जनरल इंटेलिजेंस में गोएर्टज़ेल बी। पेनाचिन सी। नोवमेंटे आर्टिफिशियल इंटेलिजेंस इंजन //। कॉग्निटिव टेक्नोलॉजीज, बी। गोएर्टज़ेल और सी। पेनाचिन (Eds।)। स्प्रिंगर। 2007. पी। 63–130।
(गरिस, 2007) ह्यूगो डी गेरिस। आर्टिफिशियल जनरल इंटेलिजेंस में कृत्रिम दिमाग //। कॉग्निटिव टेक्नोलॉजीज, बी। गोएर्टज़ेल और सी। पेनाचिन (Eds।)। स्प्रिंगर। 2007. पी। 159–174
(रेड’को, 2007) आर्टिफिशियल जनरल इंटेलिजेंस में रेडको वीजी द नेचुरल इंटेलिजेंस के लिए प्राकृतिक तरीका //। कॉग्निटिव टेक्नोलॉजीज, बी। गोएर्टज़ेल और सी। पेनाचिन (Eds।)। स्प्रिंगर। 2007. पी। 327–352।

सार्वभौमिक बुद्धिमत्ता के निर्माण के दृष्टिकोण का मूल आधार। भाग २