《AI长期游戏中的代理—值得信赖的混合 AI 的计算认知建模》

（P337页）

‍

‍

微盘地址（需审核，仅面向AI数字小巨人）：

https://drive.weixin.qq.com/s?k=AA0AKAefAA0390pir4‍

当前绝大多数 AI 完全依赖于机器学习 （ML）。然而，过去 30 年对这种范式的努力表明，尽管 ML 可以实现许多目标，但它并不是构建类人智能系统的万能解决方案。克服这一限制的一个希望是混合 AI：即将 ML 与基于知识的处理相结合的 AI。在《AI 漫长游戏的代理》中，Marjorie McShane、Sergei Nirenburg 和 Jesse English 介绍了混合 AI 的最新进展，特别强调了以内容为中心的计算认知建模、可解释性和开发方法。

目前，杂交通常涉及将知识撒入 ML 黑匣子中。相比之下，作者认为，混合**以相反的方式实现：通过在认知架构中构建代理，然后集成明智选择的 ML 结果。这种方法利用了 ML 的强大功能，而不会牺牲可解释性，从而增强社会对 AI 的信任。这本书展示了我们如何培养值得信赖的代理合作者，而这种合作者不是“单独的 ML”或“由知识散布的 ML”范式所解决的，以及为什么必须这样做。

人工智能最缺乏的是系统的可信度。许多公司仍然不确定使用 AI，尤其是代理实施来执行核心业务活动。这就是为什么本书提出了一种称为语言赋能智能代理 （LEIA） 的方法，这是一种将符号推理与数据驱动工具相结合的混合方法。在 Marjorie McShane、Sergei Nirenburg 和 Jesse English 撰写的《AI 长期游戏中的代理：可信混合 AI 的计算认知建模》中，我们将通过以下主题介绍这些概念：

• 语言赋权智能代理 （LEIA）

• 用于可信 AI 的符号推理和机器学习

• 认知建模

• 代理行为

• AI 中的可解释性和协作

• 通过构建更值得信赖的系统，您可以确保您的应用程序对业务有用。

更多AI前沿资讯、工具、实战，关注数字力公开课：

官方网站：www.addloo.com

视频号：数字力公开课

抖音号：数字力公开课

小程序：数字力公开课