AIXI एक सैद्धांतिक गणितीय स्वरूपण है जो कृत्रिम सामान्य बुद्धिमत्ता के लिए है, जो सोलोमोनॉफ प्रेरण को अनुक्रमिक निर्णय सिद्धांत के साथ जोड़ता है। पहली बार मार्कस हटर द्वारा 2000 में प्रस्तावित, इसे उनकी 2005 की पुस्तक यूनिवर्सल आर्टिफिशियल इंटेलिजेंस में विस्तृत किया गया था। AIXI एक सुदृढीकरण अधिगम एजेंट है जिसका उद्देश्य अपने पर्यावरण के बारे में हर संगणनीय परिकल्पना पर विचार करके अपेक्षित कुल पुरस्कारों को अधिकतम करना है, जिसे ओकाम के उस्तरे के अनुसार एल्गोरिदमिक जटिलता द्वारा भारित किया जाता है।
यह स्वरूपण एक आदर्श एजेंट को परिभाषित करता है जो प्रत्येक समय चरण पर, भविष्य की अनुभूतियों और पुरस्कारों की भविष्यवाणी करने के लिए एक सार्वभौमिक ट्यूरिंग मशीन पर सभी संभावित प्रोग्रामों का मूल्यांकन करता है, फिर उच्चतम अपेक्षित भविष्य के पुरस्कारों के योग वाली क्रिया का चयन करता है। चूंकि यह व्यवहार में असंगणनीय है, AIXI मुख्य रूप से इष्टतम अनुक्रमिक निर्णय लेने के लिए एक सैद्धांतिक मानदंड के रूप में कार्य करता है, न कि सीधे लागू करने योग्य एल्गोरिदम के रूप में।
व्युत्पत्ति
हटर के अनुसार, 'AIXI' नाम की कई व्याख्याएँ हैं। यह 'सोलोमोनॉफ वितरण पर आधारित AI' के लिए खड़ा हो सकता है, जहाँ ग्रीक अक्षर xi (ξ) सोलोमोनॉफ पूर्व को दर्शाता है। वैकल्पिक रूप से, इसे 'AI' को प्रेरण (I) के साथ पार (X) करने के रूप में पढ़ा जा सकता है, जो कृत्रिम बुद्धिमत्ता को आगमनात्मक अनुमान के साथ पार करने का प्रतीक है। अन्य व्याख्याएँ भी मौजूद हैं, लेकिन ये दोनों साहित्य में सबसे अधिक उद्धृत की जाती हैं।
औपचारिक परिभाषा
AIXI एक अज्ञात लेकिन संगणनीय पर्यावरण μ के साथ सीमित जीवनकाल m में अंतःक्रिया करता है। प्रत्येक समय चरण t पर, एजेंट एक समुच्चय 𝒜 से एक क्रिया a_t चुनता है और पर्यावरण से एक अनुभूति e_t = (o_t, r_t) प्राप्त करता है, जहाँ o_t एक अवलोकन है और r_t एक पुरस्कार है। पर्यावरण को क्रियाओं और अनुभूतियों के पूर्ण इतिहास पर सशर्त अनुभूतियों पर एक प्रायिकता वितरण μ के रूप में मॉडल किया जाता है, इसलिए कोई मार्कोव धारणा नहीं बनाई जाती है। पर्यावरण संगणनीय है: इसकी प्रतिक्रियाओं को एक ट्यूरिंग मशीन पर चलने वाले प्रोग्राम द्वारा अनुकरण किया जा सकता है।
एजेंट का लक्ष्य कुल पुरस्कार ∑_{t=1}^{m} r_t को अधिकतम करना है। समय t पर, AIXI उस क्रिया a_t का चयन करता है जो अभिव्यक्ति को अधिकतम करती है:
at := arg max_at ( ∑_{o_t r_t} ... max_{a_m} ∑_{o_m r_m} [r_t + ... + r_m] ∑_{q: U(q, a_1...a_m) = o_1 r_1...o_m r_m} 2^{-length(q)} )
यहाँ, U एक मोनोटोन सार्वभौमिक ट्यूरिंग मशीन है, और q उन सभी नियतिवादी प्रोग्रामों पर विस्तार करता है जो, पूर्ण क्रिया अनुक्रम को देखते हुए, अनुभूति अनुक्रम उत्पन्न करते हैं। भार 2^{-length(q)} एक सरलता पूर्व को कूटबद्ध करता है: छोटे प्रोग्राम अधिक संभावित माने जाते हैं। सहज रूप से, AIXI अपने अतीत के अनुरूप हर संगणनीय पर्यावरण पर विचार करता है, प्रत्येक को उसकी जटिलता द्वारा भारित करता है, और वह क्रिया चुनता है जो अपेक्षित कुल भविष्य के पुरस्कार को अधिकतम करती है।
पैरामीटर
प्रमुख पैरामीटर सार्वभौमिक ट्यूरिंग मशीन U और एजेंट का जीवनकाल m हैं। जीवनकाल पैरामीटर को एक छूट कारक शुरू करके हटाया जा सकता है, जैसा कि हटर ने चर्चा की है। U का चुनाव पर्यावरणों के सटीक भारण को प्रभावित करता है लेकिन आवश्यक इष्टतमता गुणों को नहीं।
इष्टतमता गुण
AIXI को कई मजबूत इष्टतमता मानदंडों को संतुष्ट करने के लिए सिद्ध किया गया है। यह पारेतो इष्टतम है: कोई अन्य एजेंट सभी पर्यावरणों में कम से कम उतना ही अच्छा प्रदर्शन नहीं करता है और कम से कम एक में सख्ती से बेहतर नहीं करता है। यह संतुलित पारेतो इष्टतम भी है, जो अवधारणा को पर्यावरणों के भारित योगों तक विस्तारित करता है। इसके अलावा, AIXI कुछ वर्गों के पर्यावरणों के लिए स्व-अनुकूलन कर रहा है: जैसे-जैसे एजेंट का जीवनकाल अनंत की ओर बढ़ता है, उसका प्रदर्शन उन पर्यावरणों के लिए सैद्धांतिक अधिकतम की ओर पहुँचता है। ये परिणाम AIXI को सुदृढीकरण अधिगम एजेंटों के लिए एक सैद्धांतिक ऊपरी सीमा के रूप में स्थापित करते हैं।
अन्य AI दृष्टिकोणों से संबंध
AIXI व्यावहारिक मशीन अधिगम विधियों, जैसे गहन अधिगम और बड़े भाषा मॉडल, से भिन्न है, जो सीमित डेटा और अनुमानित अनुमान पर निर्भर करते हैं। जबकि वे विधियाँ उदाहरणों से सामान्यीकरण करने के लिए तंत्रिका नेटवर्क और ट्रांसफॉर्मर वास्तुकला का उपयोग करती हैं, AIXI असीमित गणना और सभी संगणनीय पर्यावरणों पर सटीक बायेसियन अनुमान मानता है। यह एक औपचारिक आदर्श प्रदान करता है जिसे व्यावहारिक सिस्टम अनुमानित करते हैं लेकिन पूरी तरह से प्राप्त नहीं कर सकते।
यह स्वरूपण AGI अनुसंधान से निकटता से संबंधित है, क्योंकि इसका उद्देश्य कार्य-विशिष्ट प्रदर्शन के बजाय सार्वभौमिक बुद्धिमत्ता को पकड़ना है। हालाँकि, इसकी असंगणनीयता इसे एक इंजीनियरिंग खाका के बजाय एक सैद्धांतिक मार्गदर्शक बनाती है। शोधकर्ता अक्सर AIXI का उपयोग संसाधन बाधाओं के तहत इसके निर्णय नियम का अनुमान लगाने वाले अधिक व्यावहारिक एल्गोरिदम विकसित करने के लिए एक वैचारिक आधार के रूप में करते हैं।
संगणना संबंधी चुनौतियाँ
AIXI की परिभाषा में सभी प्रोग्रामों और सभी संभावित भविष्यों पर योग और अधिकतमीकरण शामिल हैं, जो सामान्य रूप से असंगणनीय है। प्रोग्रामों पर सार्वभौमिक परिमाणन एजेंट के निर्णय समस्या को अनिर्णनीय बना देता है, क्योंकि इसे मनमाने प्रोग्रामों के लिए रुकने की समस्या को हल करने की आवश्यकता होती है। हटर ने कहा है कि सरलीकृत संस्करण भी दुर्गम हैं, और संगणनीय अनुमानों को खोजने में महत्वपूर्ण प्रयास किया गया है, जैसे AIXItl, जो प्रोग्राम लंबाई और समय क्षितिज को सीमित करता है।
दार्शनिक निहितार्थ
AIXI एक पूर्ण रूप से तर्कसंगत एजेंट को अज्ञात पर्यावरण का सामना करने पर क्या करना चाहिए, इस प्रश्न का एक औपचारिक उत्तर शामिल करता है। सोलोमोनॉफ प्रेरण पर इसकी निर्भरता ओकाम के उस्तरे को औपचारिक बनाती है, और इसका निर्णय-सैद्धांतिक ढांचा सुदृढीकरण अधिगम सिद्धांत से जुड़ता है। एजेंट मानता है कि सच्चा पर्यावरण संगणनीय है, जो चर्च-ट्यूरिंग थीसिस के साथ संरेखित है। आलोचकों का तर्क है कि संगणनीयता की धारणा और एक सार्वभौमिक पूर्व का उपयोग वास्तविक दुनिया के तर्क के सभी पहलुओं को पकड़ नहीं सकता है, लेकिन यह स्वरूपण सार्वभौमिक बुद्धिमत्ता की चर्चाओं के लिए एक मानदंड बना हुआ है।
प्रभाव और स्वागत
2000 में प्रस्ताव के बाद से, AIXI ने कृत्रिम बुद्धिमत्ता और सुदृढीकरण अधिगम में सैद्धांतिक अनुसंधान को प्रभावित किया है। हटर की 2005 की पुस्तक यूनिवर्सल आर्टिफिशियल इंटेलिजेंस एक मानक संदर्भ बनी हुई है। इस अवधारणा को AGI सुरक्षा और निर्णय सिद्धांत की चर्चाओं में उद्धृत किया गया है, और इसने विविधताओं और अनुमानों को प्रेरित किया है। हालाँकि, इसकी प्रत्यक्ष कार्यान्वयन की कमी ने लागू सिस्टम में इसके उपयोग को सीमित कर दिया है। फिर भी, यह AI की सैद्धांतिक नींव में एक प्रमुख अवधारणा बना हुआ है।