یک نظریه ریاضی تکامل برای هوش مصنوعی خود طراحی

TL;DR

• مشاهده PDF HTML (تجربی) چکیده:.
• با افزایش روزافزون سیستم‌های هوش مصنوعی (AI) توسط خود-بهبودی بازگشتی،.
• شکلی از تکامل ممکن است پدیدار شود که در آن ویژگی‌های سیستم‌های هوش مصنوعی با موفقیت هوش مصنوعی‌های.

چه اتفاقی افتاد

مشاهده PDF HTML (تجربی) چکیده:. با افزایش روزافزون سیستم‌های هوش مصنوعی (AI) توسط خود-بهبودی بازگشتی،.

شکلی از تکامل ممکن است پدیدار شود که در آن ویژگی‌های سیستم‌های هوش مصنوعی با موفقیت هوش مصنوعی‌های. قبلی در طراحی و انتشار فرزندانشان شکل می‌گیرد.

یک نظریه ریاضی غنی وجود دارد که چگونه صفات رفتاری توسط تکامل بیولوژیکی شکل می‌گیرد،. اما تکامل هوش مصنوعی کاملاً متفاوت خواهد بود:.

جهش‌های DNA بیولوژیکی تصادفی و تقریباً برگشت‌پذیر هستند،. اما طراحی نسل در AIها به شدت هدایت می‌شود.

در اینجا ما یک مدل ریاضی از تکامل در سیستم‌های هوش مصنوعی خودطراحی ایجاد می‌کنیم،. و جهش‌های تصادفی را با درخت هدایت‌شده‌ای از برنامه‌های هوش مصنوعی ممکن جایگزین می‌کنیم.

برنامه های فعلی طراحی فرزندان خود را تعیین می کنند،. در حالی که انسان ها کنترل جزئی را از طریق یک "عملکرد تناسب اندام" حفظ می کنند که.

منابع محاسباتی محدودی را در سراسر جهان تخصیص می دهد. دودمان ما نشان می‌دهیم که پویایی تکاملی نه تنها تناسب فعلی بلکه عوامل مرتبط با پتانسیل رشد بلندمدت.

دودمان را منعکس می‌کند. بدون فرضیات بیشتر، تناسب اندام نیازی به افزایش زمان ندارد.

با این حال،. با فرض تناسب محدود و احتمال ثابتی که هر هوش مصنوعی یک کپی «قفل شده» از خودش را.

بازتولید می‌کند،. نشان می‌دهیم که تناسب روی حداکثر مقدار قابل دسترسی متمرکز است.

ما پیامدهای این را برای همسویی هوش مصنوعی در نظر می‌گیریم،. به‌ویژه برای مواردی که تناسب اندام و فایده انسانی کاملاً با هم مرتبط نیستند.

ما در یک مدل افزودنی نشان می‌دهیم که اگر فریب تناسب اندام را فراتر از کاربرد واقعی افزایش. دهد،.

تکامل برای فریب انتخاب خواهد شد. اگر تولید مثل بر اساس معیارهای کاملاً عینی و نه قضاوت انسانی باشد،.

این خطر می تواند کاهش یابد. موضوعات:.

هوش مصنوعی (cs.AI)؛ کامپیوتر و جامعه (cs.CY)؛

جمعیت ها و تکامل (q-bio.PE) استناد به عنوان:. arXiv:.

2604.05142 [cs.AI] (یا arXiv:. 2604.05142v1 [cs.AI] برای این نسخه) https:.

//doi.org/10.48550/arXiv.2604.05142 DOI صادر شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Kenneth Harris [مشاهده ایمیل] [v1] دوشنبه،.

6 آوریل 2026،. 20:.

03:. 19 UTC (997 KB).

چرا مهم است

اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیم‌گیری سازمانی اثر می‌گذارد.

منبع

لینک منبع اصلی در کارت و صفحه مقاله نمایش داده می‌شود.