Каков Соломонофф Индукшн?
Индукция Соломонофф - математически строгая, теоретическая форма индукции, то есть, предсказывая, что произойдет в будущем, основанном на предшествующих событиях. Это - часть алгоритмической информационной теории. Эта индукционная схема теоретически оптимальна, то есть, учитывая достаточно многие данные, она всегда будет в состоянии назначить вероятности на будущие события с максимальной возможной позволенной точностью. Единственная проблема с индукцией Соломонофф состоит в том, что это неисчислимо, то есть, это потребовало бы, чтобы компьютер с бесконечной вычислительной мощностью бежал. Однако, все успешные индуктивные схемы и механизмы - включая животных и людей - являются приближениями индукции Соломонофф.
Каждый словесный аргумент, содержащий совет для лучшей индукции, до такой степени, что это фактически работает, работы, уговаривая слушателя в изменение его или её индуктивной стратегии таким способом, которым это лучше приближает индукцию Соломонофф. Идея, что индукция может быть математически формализована таким образом, довольно глубока, и много генераций логиков, и философы сказали, что она не могла быть сделана. Индукция Соломонофф становилась бездействующей Реем Соломонофф, Андреем Кольмольгоровым, и Грегори Чэйтином в 1960 с. Их основное побуждение должно было формализовать теорию вероятности и индукцию, используя аксиомы, таким же образом та алгебра и геометрия были формализованы. Индукция Соломонофф основана на индуктивном правиле, названном теоремой Лаев, которая описывает точный математический способ обновить верования, основанные на поступающих данных.
Одна слабость в теореме Лаев - то, что она зависит от априорной вероятности для достоверного события. Например, вероятность Земли столкновения астероида за следующие 10 лет может быть дана на основе исторических данных о воздействиях астероида. Однако, когда объем выборки предшествующих событий низок, таков как число раз, нейтрино было обнаружено в ловушке нейтрино, становится очень трудным предсказать вероятность случая, происходящего снова базируемый исключительно на опыте прошлого.
Это - то, куда индукция Соломонофф прибывает дюйм Используя объективную меру сложности по имени сложность Кольмогорова, индукция Соломонофф может высказать образованное предположение о вероятности некоторого будущего появления событий. Сложность Кольмогорова основана на принципе под названием Минимальная Длина Описания (MDL), который оценивает сложность последовательности оспин, основанных на самом коротком алгоритме, который может выход та последовательность. Хотя сложность Кольмогорова первоначально относилась к bitstrings только, это может быть переведено, чтобы описать сложность событий и объектов.
Индукция Соломонофф интегрирует сложность Кольмогорова в рассуждение Bayesian, давая нам выравнивал priors для событий, которые, возможно, даже не произошли. Априорная вероятность случайного события оценена основанная на его полной сложности и специфике. Например, вероятность двух случайных капель дождя в шторме, поражающем тот же самый квадратный метр, довольно низка, но намного выше чем вероятность десяти или ста случайных капель дождя, поражающих тот квадратный метр.
Некоторые ученые изучили индукцию Соломонофф в контексте нейроанатомии, показывая, как оптимальная индукция - принцип организации в развитии животных, которые нуждаются в точной индукции для выживания. Когда истинный Искусственный интеллект будет создан, принципы индукции Соломонофф будут вероятным вдыханием, лежащим в основе его конструкции.