在十七世纪,德国天文学家约翰内斯·基布尔(Johannes Kibler)再次发现了运动定律,使我们有可能在阳光下旋转时太阳系的行星在天空中出现在天空中。但是,这只是几十年来,艾萨克·牛顿(Isaac Newton)制定了全球重力定律,这些定律被理解为基本原则。尽管它受到开普勒法律的启发,但它们走得更远,并可以将相同的格式应用于从炮弹路径到潮汐控制的潮汐云的所有事物,或者如何从地球到月球或行星表面发射卫星。 如今,先进的人工智能系统已经在做出类似Kepler轨道预测的这种特定预测方面变得非常出色。但是,他们知道为什么这些预测有效,并具有从牛顿法律等基本原则中产生的深刻理解?由于世界取决于这些类型的人工智能系统,因此研究人员努力试图衡量他们的工作方式以及对现实世界的理解深度。 现在,马萨诸塞州科技研究所的信息系统和决策研究所(LID)和哈佛大学创造了一种新方法来评估其主题中这些预测系统的加深,以及他们是否可以将知识从一个领域应用于稍微不同的群体。通常,在他们研究的示例中,这个阶段的答案并不多。 结果是在上个月在不列颠哥伦比亚省温哥华举行的国际自动学习会议上介绍的。 该研究的主要作者法瓦说:“人们一直都能够从良好的预测到全球模型的过渡。”因此,他们的团队正在对待的问题是:“我们有大赦国际的机构能够实现从预测到全球模型的发展?他说。 彼得·德·弗洛雷斯(Peter de Florez)教授莫利纳森(Molinathan)说:“我们知道如何测试该算法是否很好。但是我们需要的是一种测试我是否理解的方法。”…