Beyond Turing Machines
Kurt Ammon
本文讨论的“计算”系统能够“计算”功能不计算的预定义的图灵机，如果系统没有从他们的环境隔离。粗略地说，这些系统可以通过与环境的交互来改变它们的有限描述。
This paper discusses "computational" systems capable of "computing" functions not computable by predefined Turing machines if the systems are not isolated from their environment. Roughly speaking, these systems can change their finite descriptions by interacting with their environment.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Are there intelligent Turing machines?
本文介绍了一种新的计算模型，该模型是基于协调机器之间的协作的图灵机。与通用图灵机一样，编排机器也被设计为模拟图灵机，但它们也可以修改所包含的图灵机的原始操作，以创建某种集体行为的新层。利用这个新模型，我们可以定义一些与图灵机合作能力有关的有趣概念，如图灵机的智商或情绪智商。
A Formalization of the Turing Test
本文给出了图灵测试的数学形式化。这种形式化使得有可能建立某些图灵机将通过图灵测试的条件和每个图灵机（或特殊类的每个图灵机）将不能通过图灵测试的条件。
Theoretical Robopsychology: Samu Has Learned Turing Machines
从程序员的角度来看，机器人心理学是开发人员为实现其机器学习应用程序而进行的活动的同义词。这种机器人心理学方法提出了机器学习的一些基本理论问题。我们对这些问题的讨论仅限于图灵机。阿兰·图灵给出了一个算法（又名图灵机）来描述算法。如果它被用来描述它自己，那么这就把我们带到了图灵的通用机器的概念。在本论文中，我们研究的算法写算法。从教育学的角度来看，这种编写程序的方式可以被认为是通过听和做来学习的结合，因为它是基于应用代理技术和机器学习。作为主要结果，我们介绍了学习问题，然后我们表明，它不能很容易地在现实中处理，因此，它是合理的使用机器学习算法学习图灵机。
Evolutionary Turing in the Context of Evolutionary Machines
演化计算的根源之一是图灵关于无组织机器的想法。这项工作的目标是发展演化计算的基础，连接图灵的思想和当代演化计算的艺术状态。为了实现这一目标，我们开发了一个通用的方法来计算环境中的进化过程，建立数学模型的计算系统，其功能是基于进化过程，并研究这些系统的属性。操作与进化机器的描述，它是探讨当某些类的进化机器是封闭的基本操作与这些机器。我们还研究了进化机及其类的语言等价性和功能等价性，以及进化机及其类的计算能力，并将进化机与传统的自动机如有限自动机或图灵机进行了比较。
A Distributed Extension of the Turing Machine
图灵机有两个隐含的属性，这取决于它的基本计算概念：格式是完全确定的，计算是信息保持的。分布式表示缺乏这些属性，并且不能被图灵的标准模型完全捕获。为了解决这个问题，本文介绍了一个分布式扩展的图灵机。在扩展机中，函数和抽象被扩展地表示，计算是熵的。本机适用于定义一个联想存储器，用其对应的存储器寄存器进行识别和检索操作。对该存储器进行了手写数字存储和识别实验，结果令人满意。这个实验可以被看作是一个概念的证明，即信息可以使用符号但不完全确定的格式以高度分布式的方式有效地存储和处理。这台新机器增强了符号计算模式，对丘奇命题的理解产生了影响。本文最后讨论了扩展机对人工智能和认知的一些影响。
Moving Beyond the Turing Test with the Allen AI Science Challenge
鉴于最近在人工智能方面的成功（例如，AlphaGo在围棋比赛中战胜李世石（Lee Sedol），评估人工智能系统与人类水平的智能有多接近变得越来越重要？本文描述了Allen AI科学挑战赛-实现这一目标的方法，这导致了一场独特的Kaggle竞赛，它的结果，吸取的教训，以及我们的下一步。
Compiling Turing Machines into Storage Modification Machines
自从Schönhage首次证明了epp机的图灵完备性以来，人们都知道Schönhage的存储修改机（SMM）可以模拟图灵机（TM）。我们提出了一个简单的转换TM到SMM，设置一个简单的TM到SMM编译器的基础。
The Meta-Turing Test
我们提出了一种替代图灵测试，消除了图灵的原始模仿游戏中人类和机器之间固有的不对称性。在这个新的测试中，人类和机器都在互相评判。我们认为，这使得测试更强大的简单欺骗。我们还提出了少量的改进，以进一步提高测试。这些改进也可以应用于图灵的原始模仿游戏。
What can we learn from universal Turing machines?
在本论文中，我们构建了一个教学通用图灵机。我们试图理解，从它的编码和运作中，可以推导出哪些与生物现象的比较。
Towards a Self-Replicating Turing Machine
本文基于三种简单构建块和最小假设，部分实现了von Neumann的通用构造器与复制器，并利用相同原理构造图灵机，最终提出一种允许突变并配有简单描述语言的自复制图灵机方案。
Mirrored Language Structure and Innate Logic of the Human Brain as a Computable Model of the Oracle Turing Machine
本文提出了一种可计算Oracle图灵机模型的镜像语言结构（MLS）和由该结构确定的四条逻辑规则。MLS具有相当大的生物学和计算意义的新功能。提出了一种关系学习与识别（RLR）算法，使确定性计算机能够模拟Oracle图灵机的机制，即数学术语中的P = NP。
Beyond Turing: Intelligent Agents Centered on the User
大多数关于智能代理的研究都集中在代理上，而不是用户。我们看看以代理为中心的研究插槽填充，游戏和聊天机器人代理的起源。因此，我们认为更关注用户是很重要的。在回顾相关文献后，提出了一些创建和评估以用户为中心的系统的方法。
'Viral' Turing Machines, Computation from Noise and Combinatorial Hierarchies
交互式计算范式进行审查，并通过一个特定的例子扩展到形成一个计算过程的随机模拟，通过转录的最小图灵机到一个等效的异步元胞自动机与指数等待时间分布的有效过渡。此外，一个特殊的工具箱的重要统计和其他数量的递归关系的分析推导引入的形式归纳组合层次。
Faith in the Algorithm, Part 1: Beyond the Turing Test
自从图灵测试在1950年首次由艾伦·图灵提出以来，人工智能的主要目标就建立在计算机模仿人类行为的能力上。然而，计算机的大多数用途可以说是超出了人类能力的范围，而正是在这个领域之外，计算机已经证明了它们对智能的最大贡献。人工智能的另一个目标不是基于人类的模仿，而是基于人类的放大。本文调查了有助于人类和社会智能进步的各种系统。
Passed the Turing Test: Living in Turing Futures
该研究指出当前基于预训练模型、Transformer的生成式AI已能通过图灵测试，我们已进入图灵式未来，并对比了当前AI与图灵设想的受人类皮层启发、如孩童般养育的“儿童机器”的差异。
Turing's First Imitation Game: Design Concepts and a Human-Approximates-Machine Reading
本文研究图灵1948年《智能机器》报告，识别其首个模仿游戏的设计概念，提出限制人类参赛者为棋艺较差者可使人类行为更近似机器，拓展了模仿游戏框架的应用场景。
A short note on the decision tree based neural turing machine
图灵机和决策树独立发展了很长时间。近年来随着可微模型的发展，它们之间出现了交叉。神经图灵机（NTM）为记忆网络打开了大门。它采用微分注意力机制来读写外部存储体。可微森林给经典决策树带来了可微的性质。在这个简短的说明中，我们展示了这两个模型之间的深层联系。即：可微森林是NTM的一个特例。可区分森林实际上是基于决策树的神经图灵机。基于这种深层联系，我们提出了一个响应增强差分森林（RaDF）。RaDF的控制器是可微森林，外部存储器是响应向量，可由叶子节点读写。
A Relative Church-Turing-Deutsch Thesis from Special Relativity and Undecidability
从1950年图灵的开创性工作开始，人工智能提出意识可以用图灵机来模拟。这意味着一种潜在的万物理论，宇宙是计算机上的模拟，这就引出了一个问题，即我们是否可以证明我们存在于模拟中。在这项工作中，我们构建了一个相对的计算模型，其中一个可计算的\textit{local}机模拟的\textit{global}，经典的图灵机。我们表明，问题的本地机器计算\textbf{simulation properties}的全球模拟器是不可判定的停机问题在同一意义上。然后，我们表明，计算的时间，空间，或误差累积的全球模拟器的模拟性能，因此是不可判定的。这些模拟性质引起了特殊的相对论效应的相对模型，我们用它来构建一个相对的教会图灵-德意志论文，其中一个全球性的，经典的图灵机计算量子力学的本地机器具有相同的恒定时间的本地计算复杂性在我们的宇宙中经历。
The Human-or-Machine Matter: Turing-Inspired Reflections on an Everyday Issue
本文受图灵测试启发，探讨日常互动中“人还是机器”的问题，反思其重要性与实际意义，并主张近期探索该问题有助于改进计算机化系统开发方法及理解人类行为基本特征。
Structured Memory for Neural Turing Machines
神经图灵机（NTM）包含模拟大脑中的“工作记忆”的记忆组件，以存储和检索信息，从而简化简单的算法学习。到目前为止，只提出了线性组织的记忆，在实验中，我们观察到该模型并不总是收敛，并且在处理某些任务时很容易过拟合。我们认为记忆成分是NTM某些错误行为的关键，更好地组织记忆成分可以帮助解决这些问题。在本文中，我们为NTM提出了几种不同的记忆结构，并且我们在实验中证明了我们提出的两种结构记忆NTM可以在复制任务和关联回忆任务的速度和预测准确性方面带来更好的收敛性（Graves et al. 2014）。
Can machines perform a qualitative data analysis? Reading the debate with Alan Turing
本文通过图灵的思想重新审视LLMs在定性分析中的应用，强调应关注LLMs生成分析结果与人类分析师的可比性，而非单纯探讨机器能否进行定性分析。
Infinite Time Turing Machines and their Applications
本文利用无限时间图灵机分析深度学习系统的根本局限，并提出通用状态机（USM）这一新型计算范式，以实现模块化、可解释且资源高效的可扩展人工智能系统。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。