MIRI研亚博体育官网究助理Vanessa Kosoy发表了一篇关于归化归化问题的论文:使用不完全模型进行预测”。文摘:
我们考虑的任务是根据一些过去的观测数据来预测未来观测的无限序列，其中生成观测数据的概率测度被“怀疑”满足一组不完整模型中的一个或多个，即概率测度空间中的凸集。
这个设置在某种意义上介于可实现的设置(概率度量来自于一些已知的概率度量集)和不可实现的设置(概率度量是完全任意的)之间。
我们演示了一种预测方法，它保证，无论什么时候真实概率测度满足一个不完全模型在给定的可数集合，预测收敛到相同的不完全模型(适当的归一化)Kantorovich-Rubinstein度量。这类似于贝叶斯推理的观点合并，除了坎托罗维奇-鲁宾斯坦度量的收敛比总变差的收敛弱。
Kosoy的工作建立在逻辑电感的基础上，为复杂环境建模创建了一个干净的(纯粹的学习理论)形式，表明在“逻辑归纳”中发展的方法对于与逻辑无关的经典序列预测应用是有用的。
“使用不完全模型进行预测”还表明，“不完全”或“部分”模型的直观概念具有与奈特不确定性相关的优雅和有用的形式化。此外，Kosoy还指出，使用不完整模型来推广贝叶斯推理，可以让agent对环境做出预测，这些环境可能和agent本身一样复杂，也可能比经典贝叶斯推理更复杂。
要了解更多Kosoy的研究，请参见“亚博体育官网最优多项式时间估计”和智能代理基金会论坛．
注册获取MIRI新技术成果的更新
每次有新的技术论文发表时都得到通知。
