---

Когнитивная архитектура AIXI разрабатывается под руководством Маркуса Хаттера (Marcus Hutter) в Колледже вычислительной техники (Department of Computer Science, College of Engineering and Computer Science) Австралийского национального университета (Australian National University - ANU), расположенного в Канберре, Австралия.

Общие сведения
AIXI - одна из моделей ИИ, основанная на теории алгоритмов. Позиционируется как абсолютный ИИ (Universal Artificial Intelligence - UAI), так как может извлечь максимум информации из заданной последовательности данных. Однако он при этом невычислимый, то есть вычисление этого максимума потребует бесконечно много вычислительных операций.

Теоретическая агентная модель, основанная на общей задаче обучения с подкреплением.
- Агент взаимодействует со средой, совершая действия и получая восприятия вместе с величинами подкрепления.
- Агенту не известно ничего, кроме истории взаимодействия.
- Задача заключается в конструировании агента, который с течением времени получит насколько возможно много подкрепления

Модель/выбор действия
UAI подходит к решению общей задачи с помощью ее декомпозиции на:
- Задачу построения модели окружающей среды, и
- Задачу выбора оптимального действия на основе этой модели.

---

Hutter’s [Hutter, M. (2000)] AIξ (or AIXI) is a theoretical algorithm for solving all computable problems of (artifi­cial) intelligence.

Hutter’s AIξtl is a computable approximation to AIξ that uses the same search procedure but en­forces computability by imposing time and space bounds when testing candidate programs. Though AIξtl is theoretically computable, solutions to even trivial problems would require computational resources vastly exceeding real computer systems.

Marcus Hutter’s research at ANU/NICTA/IDSIA was centered around Universal Artificial Intelligence (UAI), which is a mathematical top-down approach to AI, related to Kolmogorov complexity, algorithmic probability, universal Solomonoff induction, Occam's razor, Levin search, sequential decision theory, dynamic programming, reinforcement learning, and rational agents. (See Universal AI Book).

Recently, effective approximations of AIXI have been derived and experimentally investigated in JAIR paper (Veness et al. 2011). This practical breakthrough has resulted in some impressive applications, finally muting earlier critique that UAI is only a theory.

---