@rohanpaul_ai:本文认为,智能是让罕见但有效的未来更有可能出现的能力。因此,一个智能系统……
摘要
本文提出了一种热力学智能度量,将智能定义为让罕见但有效的未来更有可能出现的能力。它引入了一个名为“罕见有效提升”的度量,用于量化系统相较于被动基线,产生罕见但可接受结果的频率提高了多少。
查看缓存全文
缓存时间: 2026/06/24 01:56
本文认为,智能是让罕见但有效的未来更有可能发生的能力。
因此,当某个系统利用信息与控制,使一个罕见但有效的结果变得远更可能发生时,该智能系统被称为具有“热力学智能”。
大多数现有的智能度量只评判任务是否成功,但并未解释大脑、大语言模型、控制器以及物理信息引擎之间的共同点。
论文给出的答案是:一个智能系统会对包含自身在内的世界进行建模,然后利用该模型选择能够改变未来概率分布的行动。
只有当某个未来在正常被动行为下罕见且仍然有效时,才算数,因此随机产生的离奇结果不计入智能。
作者将这一概念转化为一种名为“罕见有效提升”的度量方法,它衡量一个系统产生那些本不可能发生但可接受的未来的频率,相较于被动基线提升了多少。
他们证明,除非系统能够准确识别罕见的有效未来,否则不可能实现高提升;而当系统能够良好行动时,高识别准确率几乎就能带来高提升。
核心观点是:智能本质上是一个物理概率转移过程,而不仅仅是测试分数或人类行为标签。
链接:arxiv.org/abs/2606.20231
标题:“Thermodynamic Measure of Intelligence”
相似文章
智能的热力学度量
本文提出了一种智能的热力学度量,定义为'rare-valid lift',并论证了递归自模拟对于高热力学智能是必要且近乎充分的,从而使智能可以在通用尺度上衡量。
@rohanpaul_ai:智能可能更关乎更好的知识结构,而非更大的模型。本文认为,当前……
本文认为,生物智能之所以高效,是因为它围绕目标和情境组织意义,而非依赖语言模式;为此提出“合成智能”概念,利用结构化语义知识和非对称信息解析模型。
超越人类尺度的智能测量
本文提出了一种新的范式,用于测量超越人类能力的智能,采用对抗性心理测量评分系统,其中模型生成挑战以区分其他系统,从而实现与AI能力同步扩展的评估。
@rohanpaul_ai: 前谷歌高管 Mo Gawdat 定义智能。"如果我们承认智能本身并非物理属性,……"
前谷歌高管 Mo Gawdat 讨论了智能的本质,指出智能并非物理属性,可以在不同的基质上产生,包括运行AI的硅基硬件。
@lateinteraction: 这项努力最意想不到的副作用之一是,它首次为我们提供了一个可衡量的智能体“智能”定义,让我感到满意
Jacob X. Li 讨论了人工智能持续学习的新视角,强调从文档库中培养专业知识,并指出这为智能体的智能提供了可衡量的定义。