本章谈论狭义与广义AI的观点。
狭义AI常日被用来描述为特定的、有限的问题而构建的AI，例如AI电影推举系统。
广义AI描述理解决更繁芜和更普遍的问题的系统，一个玩各种棋盘游戏的AI系统，同时让玩家参与对话，将是广义AI的一个例子。

狭义AI与广义AI比较，对国防部来说非常主要，至少有两个缘故原由:首先，狭义AI的功能范围每每比广义AI更有限，许可更彻底的测试和更有限的缓解策略。

随着AI的扩展，它得到了更大的功能和更多的失落败办法。
为确保可接管的性能而进行的测试也会增加，如果涌现故障，所需的各种缓解计策也会增加。
第二个缘故原由是失落败 在须要广泛AI的任务类型中，Ure每每更主要，可能更难缓解。

例如，一个狭窄的AI系统操纵无人机到目标，而一个广泛的AI系统建议在战时情形下的行动方针。
在第一个失落败可能只会导致无人机的丢失，并很随意马虎通过冗余来减轻。
第二次失落败可能是灾害性的，无法挽回。
机器学习(ML)的概述，更详细地说，强化学习(RL)如下;这些领域的AI经历了最近的巨大的能力激增。

个中一个领域，即游戏，对付RL能否成功地办理繁芜的计策游戏并达到击败专家玩家的水平至关主要。
将RL在游戏中的成功作为其在国防部计策运用中运用的类比，谈论了将其运用于战斗管理系统的有效性和风险。

【报告领取办法见文末】

该份报告共计101页

如果您以为这份资料对您有帮助

希望获取完全的电子版内容参考学习

您可以关注+评论+转发

然后私信我：报告