狐狸，刺猬和对人工智能的追求-研究论文

人工通用智能仍然难以捉摸，部分原因是因为它只关注范围很小的问题，这些问题都可以描述为路径问题。 研究人员设置目标，优化方法和问题参数，这些目标确定机器可以学习的潜在解决方案。 机器学习是找到解决问题的正确参数值的过程。 象棋或围棋之类的形式路径问题，由其规则和当前状态充分描述。 可以将它们视为纯粹的数学过程，而与任何物理实例无关。 其他不太正式的问题，例如如何在繁忙的道路上驾驶汽车，则取决于其实例化的物理属性以及来自物理世界的反馈。 路径问题定义明确，相对容易评估指标，但它们并不是一般智能代理需要解决的唯一问题。 其他称为洞察力问题的问题，要求求解器不仅要评估定义明确的函数，还要创建这些函数。 无法识别解决多种类型问题的必要性使人们相信，计算机将在某一时刻能够使自己变得任意智能（技术上的奇异性），从而有可能损害人类的生存。 路径问题解决为特殊目的的问题解决者提供了一个很好的模型，但对于一般智能却没有提供。 正如古希腊诗人阿奇洛丘斯所言，“狐狸知道很多事，而刺猬却知道一件事”。 人工智能研究人员已经能够建造非常复杂的刺猬，但狐狸仍然难以捉摸。 狐狸知道如何解决洞察力问题。