เรย์ โซโลมอนอฟ (25 กรกฎาคม 1926 – 7 ธันวาคม 2009) ^{[ 1 ] [ 2 ]}เป็นนักคณิตศาสตร์ชาวอเมริกันผู้คิดค้นความน่าจะเป็นเชิงอัลกอริทึม [ ^{3 ] ทฤษฎี}ทั่วไปของการอนุมานแบบอุปนัย (หรือที่รู้จักกันในชื่อการอนุมานแบบอุปนัยสากล) ^{[ 4 ]}และเป็นผู้ก่อตั้งทฤษฎีสารสนเทศเชิงอัลกอริทึม [ ^{5 ] เขา}เป็นผู้ริเริ่มสาขาปัญญาประดิษฐ์โดยอาศัยการเรียนรู้ของเครื่องการทำนาย และความน่าจะเป็นเขาเผยแพร่รายงานฉบับแรกเกี่ยวกับการเรียนรู้ของเครื่องที่ไม่ใช้ความหมายในปี 1956 ^{[ 6 ]}

โซโลมอนอฟได้อธิบายความน่าจะเป็นเชิงอัลกอริทึมเป็นครั้งแรกในปี พ.ศ. 2503 โดยตีพิมพ์ทฤษฎีบทที่นำไปสู่ความซับซ้อนของโคลโมโกโรฟและทฤษฎีสารสนเทศเชิงอัลกอริทึมเขาได้อธิบายผลลัพธ์เหล่านี้เป็นครั้งแรกในการประชุมที่Caltechในปี พ.ศ. 2503 ^{[ 7 ]}และในรายงานเดือนกุมภาพันธ์ พ.ศ. 2503 เรื่อง "รายงานเบื้องต้นเกี่ยวกับทฤษฎีทั่วไปของการอนุมานแบบอุปนัย" ^{[ 8 ]}เขาได้ชี้แจงแนวคิดเหล่านี้ให้ชัดเจนยิ่งขึ้นในงานตีพิมพ์ในปี พ.ศ. 2507 เรื่อง "ทฤษฎีอย่างเป็นทางการของการอนุมานแบบอุปนัย" ตอนที่ 1 ^{[ 9 ]}และตอนที่ 2 ^{[ 10 ]}

ความน่าจะเป็นเชิงอัลกอริทึมเป็นการรวมกันอย่างเป็นทางการทางคณิตศาสตร์ของ^{มีดโกน}ของอ็อกแคม [ ^{11 ] [ 12 ] [ 13 ] [ 14 ]}และหลักการของคำอธิบายหลายประการ^{[ 15 ]} เป็นวิธีการที่ไม่ขึ้นกับเครื่องจักรในการกำหนดค่าความน่าจะเป็นให้กับสมมติฐานแต่ละข้อ (อัลกอริทึม/โปรแกรม) ที่อธิบายการสังเกตที่กำหนด โดยสมมติฐานที่ง่ายที่สุด (โปรแกรมที่สั้นที่สุด) จะมีความน่าจะเป็นสูงสุด และสมมติฐานที่ซับซ้อนขึ้นเรื่อยๆ จะมีความน่าจะเป็นน้อยลงเรื่อยๆ

โซโลมอนอฟได้วางรากฐานทฤษฎีการอนุมานแบบอุปนัย สากล ซึ่งมีพื้นฐานมาจากปรัชญาที่มั่นคง^{[ 4 ]}และมีรากฐานมาจากความซับซ้อนของโคลโมโกโรฟและทฤษฎีสารสนเทศเชิงอัลกอริทึมทฤษฎีนี้ใช้ความน่าจะเป็นเชิงอัลกอริทึมใน กรอบงานแบบ เบย์เซียน ความน่า จะเป็นก่อนหน้าสากลจะถูกนำมาใช้กับคลาสของการวัดที่คำนวณได้ทั้งหมด ไม่มีสมมติฐานใดที่จะมีความน่าจะเป็นเป็นศูนย์ ซึ่งทำให้สามารถใช้กฎของเบย์ (ของสาเหตุ) เพื่อทำนายเหตุการณ์ถัดไปที่น่าจะเป็นไปได้มากที่สุดในชุดของเหตุการณ์ และความน่าจะเป็นของเหตุการณ์นั้น^{[ 10 ]}

แม้ว่าเขาจะเป็นที่รู้จักกันดีที่สุดในด้านความน่าจะเป็นเชิงอัลกอริทึมและทฤษฎีทั่วไปของการอนุมานแบบอุปนัยแต่เขาก็ได้ค้นพบสิ่งสำคัญอื่นๆ อีกมากมายตลอดชีวิตของเขา ซึ่งส่วนใหญ่มุ่งไปสู่เป้าหมายของเขาในด้านปัญญาประดิษฐ์ นั่นคือการพัฒนาเครื่องจักรที่สามารถแก้ปัญหาที่ยากโดยใช้วิธีการทางความน่าจะเป็น

เรย์ โซโลมอนอฟ เกิดเมื่อวันที่ 25 กรกฎาคม 1926 ที่เมืองคลีฟแลนด์ รัฐโอไฮโอเป็นบุตรชายของฟิลิป จูเลียส และซาราห์ แมชแมน โซโลมอนอฟ ผู้อพยพชาว รัสเซีย เชื้อสายยิว เขาเข้าเรียนที่ โรงเรียนมัธยมเกลนวิลล์และจบการศึกษาในปี 1944 ในปีเดียวกันนั้น เขาเข้าร่วมกองทัพเรือสหรัฐฯในตำแหน่งครูฝึกอิเล็กทรอนิกส์ ตั้งแต่ปี 1947 ถึง 1951 เขาเข้าศึกษาที่มหาวิทยาลัยชิคาโกโดยเรียนกับศาสตราจารย์ชื่อดัง เช่นรูดอล์ฟ คาร์แนปและเอนริโก เฟอร์มิและสำเร็จการศึกษาระดับปริญญาโทสาขาฟิสิกส์ในปี 1951

ตั้งแต่ยังเด็ก เขาได้รับแรงบันดาลใจจากความสุขอย่างแท้จริงของการค้นพบทางคณิตศาสตร์และความปรารถนาที่จะสำรวจในที่ที่ไม่มีใครเคยไปมาก่อน^{[ 16 ]}เมื่ออายุ 16 ปี ในปี พ.ศ. 2485 เขาเริ่มค้นหาวิธีการทั่วไปในการแก้ปัญหาทางคณิตศาสตร์

ในปี 1952 เขาได้พบกับมาร์วิน มินสกีจอห์น แมคคาร์ธีและคนอื่นๆ ที่สนใจในปัญญาประดิษฐ์ ในปี 1956 มินสกี แมคคาร์ธี และคนอื่นๆ ได้จัดงานประชุมวิจัยภาคฤดูร้อนด้านปัญญาประดิษฐ์ที่ดาร์ทมัธซึ่งโซโลมอนอฟเป็นหนึ่งในผู้ได้รับเชิญ 10 คนแรก—เขา แมคคาร์ธี และมินสกี เป็นเพียงสามคนที่อยู่ร่วมงานตลอดทั้งฤดูร้อน กลุ่มนี้เองที่ทำให้ปัญญาประดิษฐ์ได้รับการตั้งชื่อว่าเป็นวิทยาศาสตร์เป็นครั้งแรก ในเวลานั้น คอมพิวเตอร์สามารถแก้ปัญหาทางคณิตศาสตร์เฉพาะเจาะจงได้ แต่ทำได้เพียงเท่านี้ โซโลมอนอฟต้องการศึกษาคำถามที่ใหญ่กว่านั้น คือ จะทำให้เครื่องจักรฉลาดขึ้นได้อย่างไร และคอมพิวเตอร์จะใช้ความน่าจะเป็นเพื่อจุดประสงค์นี้ได้อย่างไร

เขาเขียนบทความสามฉบับ โดยสองฉบับเขียนร่วมกับAnatol Rapoportในช่วงปี พ.ศ. 2493–2595 ^{[ 17 ]}ซึ่งถือเป็นการวิเคราะห์ทางสถิติของเครือข่ายในยุคแรก

เขาเป็นหนึ่งในผู้เข้าร่วม 10 คนในโครงการวิจัยภาคฤดูร้อนของดาร์ทมัธในปี 1956 เกี่ยวกับปัญญาประดิษฐ์เขาเขียนและเผยแพร่รายงานในหมู่ผู้เข้าร่วม: "เครื่องอนุมานแบบอุปนัย" ^{[ 6 ]}รายงานนี้มองว่าการเรียนรู้ของเครื่องจักรเป็นแบบความน่าจะเป็น โดยเน้นความสำคัญของลำดับการฝึกอบรม และการใช้ส่วนหนึ่งของวิธีแก้ปัญหาในอดีตในการสร้างวิธีแก้ปัญหาทดลองสำหรับปัญหาใหม่ เขาตีพิมพ์ผลการค้นพบของเขาในปี 1957 ^{[ 18 ]} นี่เป็นเอกสารฉบับแรกที่เขียนเกี่ยวกับการเรียนรู้ของเครื่องจักรแบบความน่าจะเป็น

ในช่วงปลายทศวรรษ 1950 เขาได้คิดค้นภาษาเชิงความน่าจะเป็นและไวยากรณ์ที่เกี่ยวข้อง^{[ 19 ]} ภาษาเชิงความน่าจะเป็นจะกำหนดค่าความน่าจะเป็นให้กับสตริงที่เป็นไปได้ทุกสตริง

การขยายแนวคิดของไวยากรณ์เชิงความน่าจะเป็นนำไปสู่การค้นพบความน่าจะเป็นเชิงอัลกอริทึมและทฤษฎีทั่วไปของการอนุมานแบบอุปนัยในปี 1960

ก่อนทศวรรษ 1960 วิธีการคำนวณความน่าจะเป็นโดยทั่วไปจะอิงตามความถี่ โดยการนำอัตราส่วนของผลลัพธ์ที่เอื้ออำนวยต่อจำนวนการทดลองทั้งหมด ในงานเขียนของเขาในปี 1960 และโดยเฉพาะอย่างยิ่งในงานเขียนของเขาในปี 1964 โซโลมอนอฟได้แก้ไขนิยามของความน่าจะเป็นนี้อย่างจริงจัง เขาเรียกความน่าจะเป็นรูปแบบใหม่นี้ว่า "ความน่าจะเป็นเชิงอัลกอริทึม" และแสดงวิธีการใช้เพื่อการทำนายในทฤษฎีการอนุมานแบบอุปนัยของเขา ในส่วนหนึ่งของงานนี้ เขาได้วางรากฐานทางปรัชญาสำหรับการใช้กฎแห่งเหตุและผลของเบย์สเพื่อการทำนาย

ทฤษฎีบทพื้นฐานของสิ่งที่ต่อมาเรียกว่าความซับซ้อนของ Kolmogorovเป็นส่วนหนึ่งของทฤษฎีทั่วไปของเขา เขาเขียนในปี 1960 โดยเริ่มต้นว่า: "พิจารณาลำดับสัญลักษณ์ที่ยาวมาก ... เราจะถือว่าลำดับสัญลักษณ์ดังกล่าวเป็น 'ง่าย' และมีความน่าจะเป็นล่วงหน้าสูง หากมีคำอธิบายที่สั้นมากของลำดับนี้ โดยใช้วิธีการอธิบายที่กำหนดไว้แน่นอน กล่าวคือ หากเราใช้เพียงสัญลักษณ์ 0 และ 1 เพื่อแสดงคำอธิบายของเรา เราจะกำหนดความน่าจะเป็น 2 ^{− N}ให้กับลำดับสัญลักษณ์ หากคำอธิบายไบนารีที่สั้นที่สุดที่เป็นไปได้มี Nหลัก" ^{[ 20 ]}

ความน่าจะเป็นนี้อ้างอิงถึงเครื่องจักรทัวริงสากล เฉพาะเครื่องหนึ่ง โซโลมอนอฟได้แสดงให้เห็นและพิสูจน์ในปี 1964 ว่าการเลือกเครื่องจักร แม้ว่าจะเพิ่มปัจจัยคงที่ แต่ก็ไม่ได้เปลี่ยนแปลงอัตราส่วนความน่าจะเป็นมากนัก ความน่าจะเป็นเหล่านี้เป็นอิสระจากเครื่องจักร

ในปี 1965 นักคณิตศาสตร์ชาวรัสเซีย โคลโมโกโรฟ ได้ตีพิมพ์แนวคิดที่คล้ายคลึงกัน โดยอิสระเมื่อเขาทราบถึงงานของโซโลมอนอฟ เขาก็ได้ให้การยอมรับโซโลมอนอฟ และเป็นเวลาหลายปีที่งานของโซโลมอนอฟเป็นที่รู้จักในสหภาพโซเวียตมากกว่าในโลกตะวันตก อย่างไรก็ตาม ความเห็นพ้องโดยทั่วไปในแวดวงวิทยาศาสตร์คือการเชื่อมโยงความซับซ้อนประเภทนี้กับโคลโมโกโรฟ ซึ่งให้ความสำคัญกับความสุ่มของลำดับมากกว่า ความน่าจะเป็นเชิงอัลกอริทึมและการเหนี่ยวนำสากล (โซโลมอนอฟ) จึงถูกเชื่อมโยงกับโซโลมอนอฟ ซึ่งมุ่งเน้นไปที่การทำนาย — การคาดการณ์ล่วงหน้าของลำดับ

ต่อมาในสิ่งพิมพ์เดียวกันในปี 1960 โซโลมอนอฟได้อธิบายการขยายทฤษฎีรหัสสั้นที่สุดเดี่ยวของเขา นี่คือความน่าจะเป็นเชิงอัลกอริทึม เขากล่าวว่า: "ดูเหมือนว่าหากมีวิธีการอธิบายลำดับที่แตกต่างกันหลายวิธี แต่ละวิธีควรได้รับน้ำหนักในการกำหนดความน่าจะเป็นของลำดับนั้น" ^{[ 21 ]}จากนั้นเขาแสดงให้เห็นว่าแนวคิดนี้สามารถใช้เพื่อสร้างการแจกแจงความน่าจะเป็นล่วงหน้าสากลได้อย่างไร และมันทำให้สามารถใช้กฎของเบย์สในการอนุมานแบบอุปนัยได้อย่างไร การอนุมานแบบอุปนัย โดยการรวมการคาดการณ์ของแบบจำลองทั้งหมดที่อธิบายลำดับเฉพาะ โดยใช้น้ำหนักที่เหมาะสมตามความยาวของแบบจำลองเหล่านั้น จะได้การแจกแจงความน่าจะเป็นสำหรับการขยายลำดับนั้น วิธีการทำนายนี้ต่อมาได้กลายเป็นที่รู้จักในชื่อการเหนี่ยวนำของโซโลมอนอฟ

เขาได้ขยายทฤษฎีของเขา โดยตีพิมพ์รายงานจำนวนมากก่อนที่จะตีพิมพ์ผลงานในปี 1964 เอกสารในปี 1964 ให้คำอธิบายที่ละเอียดมากขึ้นเกี่ยวกับความน่าจะเป็นเชิงอัลกอริทึมและการเหนี่ยวนำของโซโลมอนอฟ โดยนำเสนอแบบจำลองที่แตกต่างกันห้าแบบ รวมถึงแบบจำลองที่นิยมเรียกว่าการแจกแจงสากล

นักวิทยาศาสตร์คนอื่นๆ ที่เข้าร่วมการประชุมฤดูร้อนดาร์ทมัธในปี 1956 (เช่นนิวเวลล์และไซมอน ) กำลังพัฒนาสาขาปัญญาประดิษฐ์ที่ใช้เครื่องจักรซึ่งควบคุมโดยกฎ "ถ้า-แล้ว" โดยอิงจากข้อเท็จจริง ส่วนโซโลมอนอฟกำลังพัฒนาสาขาปัญญาประดิษฐ์ที่เน้นเรื่องความน่าจะเป็นและการทำนาย มุมมองเฉพาะของเขาเกี่ยวกับปัญญาประดิษฐ์นั้นอธิบายถึงเครื่องจักรที่ควบคุมโดยการกระจายความน่าจะเป็นเชิงอัลกอริทึม เครื่องจักรจะสร้างทฤษฎีพร้อมกับความน่าจะเป็นที่เกี่ยวข้องเพื่อแก้ปัญหา และเมื่อปัญหาและทฤษฎีใหม่ๆ พัฒนาขึ้น ก็จะอัปเดตการกระจายความน่าจะเป็นของทฤษฎีเหล่านั้น

ในปี พ.ศ. 2511 เขาพบหลักฐานพิสูจน์ประสิทธิภาพของความน่าจะเป็นเชิงอัลกอริทึม^{[ 22 ]}แต่เนื่องจากขาดความสนใจทั่วไปในขณะนั้น เขาจึงไม่ได้เผยแพร่จนกระทั่ง 10 ปีต่อมา ในรายงานของเขา เขาได้เผยแพร่หลักฐานพิสูจน์ทฤษฎีบทการบรรจบกัน

ในช่วงหลายปีหลังจากที่เขาค้นพบความน่าจะเป็นเชิงอัลกอริทึม เขาได้มุ่งเน้นไปที่วิธีการนำความน่าจะเป็นนี้และการเหนี่ยวนำของโซโลมอนอฟมาใช้ในการทำนายและการแก้ปัญหา จริง สำหรับปัญญาประดิษฐ์ นอกจากนี้เขายังต้องการทำความเข้าใจนัยยะที่ลึกซึ้งยิ่งขึ้นของระบบความน่าจะเป็นนี้ด้วย

ลักษณะสำคัญประการหนึ่งของความน่าจะเป็นเชิงอัลกอริทึมคือ มันสมบูรณ์และไม่สามารถคำนวณได้

ในรายงานปี 1968 เขาแสดงให้เห็นว่าความน่าจะเป็นเชิงอัลกอริทึมนั้นสมบูรณ์กล่าวคือ หากมีรูปแบบที่สามารถอธิบายได้ในชุดข้อมูล ความน่าจะเป็นเชิงอัลกอริทึมจะค้นพบรูปแบบนั้นในที่สุด โดยต้องการเพียงตัวอย่างข้อมูลจำนวนเล็กน้อย ความน่าจะเป็นเชิงอัลกอริทึมเป็นระบบความน่าจะเป็นเพียงระบบเดียวที่ทราบว่าสมบูรณ์ในลักษณะนี้ ผลที่ตามมาโดยหลีกเลี่ยงไม่ ได้จากความสมบูรณ์ของมันคือ มัน ไม่สามารถคำนวณได้ ความไม่สามารถคำนวณได้เป็นเพราะอัลกอริทึมบางตัว—ส่วนย่อยของอัลกอริทึมที่เรียกซ้ำบางส่วน—ไม่สามารถประเมินได้อย่างสมบูรณ์เพราะจะใช้เวลานานเกินไป แต่โปรแกรมเหล่านี้อย่างน้อยก็จะได้รับการยอมรับว่าเป็นวิธีแก้ปัญหาที่เป็นไปได้ ในทางกลับกันระบบที่คำนวณได้ ใดๆ ก็ ไม่สมบูรณ์จะมีคำอธิบายอยู่นอกพื้นที่การค้นหาของระบบนั้นเสมอ ซึ่งจะไม่ได้รับการยอมรับหรือพิจารณา แม้กระทั่งในช่วงเวลาที่ไม่มีที่สิ้นสุด แบบจำลองการทำนายที่คำนวณได้จะซ่อนข้อเท็จจริงนี้โดยการละเลยอัลกอริทึมดังกล่าว

ในบทความหลายฉบับของเขา เขาได้อธิบายถึงวิธีการค้นหาแนวทางแก้ไขปัญหา และในช่วงทศวรรษ 1970 และต้นทศวรรษ 1980 เขาได้พัฒนาสิ่งที่เขาคิดว่าเป็นวิธีที่ดีที่สุดในการปรับปรุงเครื่องจักรให้ทันสมัย

อย่างไรก็ตาม การนำความน่าจะเป็นมาใช้ในปัญญาประดิษฐ์นั้นไม่ได้ราบรื่นไปเสียทั้งหมด ในช่วงแรกๆ ของปัญญาประดิษฐ์ ความสำคัญของความน่าจะเป็นนั้นเป็นปัญหา หลายคนในแวดวงปัญญาประดิษฐ์รู้สึกว่าความน่าจะเป็นไม่สามารถนำมาใช้ในงานของพวกเขาได้ แม้ว่าในด้านการรู้จำรูปแบบจะใช้ความน่าจะเป็นในรูปแบบหนึ่ง แต่เนื่องจากไม่มีทฤษฎีพื้นฐานที่ครอบคลุมเกี่ยวกับการนำความน่าจะเป็นมาใช้ในสาขาปัญญาประดิษฐ์ใดๆ สาขาอื่นๆ ส่วนใหญ่จึงไม่ได้ใช้ความน่าจะเป็นเลย

อย่างไรก็ตาม มีนักวิจัยบางคน เช่นเพิร์ลและปีเตอร์ ชีสแมน ที่โต้แย้งว่าความน่าจะเป็นสามารถนำมาใช้ในปัญญาประดิษฐ์ได้

ประมาณปี 1984 ในการประชุมประจำปีของสมาคมปัญญาประดิษฐ์แห่งอเมริกา (AAAI) ได้มีการตัดสินใจว่า ความน่าจะเป็นนั้นไม่มีความเกี่ยวข้องกับปัญญาประดิษฐ์แต่อย่างใด

กลุ่มประท้วงก่อตั้งขึ้น และในปีถัดมามีการจัดการประชุมเชิงปฏิบัติการในการประชุม AAAI ซึ่งอุทิศให้กับ "ความน่าจะเป็นและความไม่แน่นอนใน AI" การประชุมเชิงปฏิบัติการประจำปีนี้ยังคงดำเนินต่อไปจนถึงปัจจุบัน^{[ 23 ]}

ในระหว่างการประท้วงในการประชุมเชิงปฏิบัติการครั้งแรก โซโลมอนอฟได้นำเสนอเอกสารเกี่ยวกับวิธีการนำการกระจายสากลไปใช้กับปัญหาใน AI ^{[ 24 ]}นี่เป็นเวอร์ชันแรกของระบบที่เขาพัฒนามาตั้งแต่ตอนนั้น

ในรายงานนั้น เขาได้อธิบายเทคนิคการค้นหาที่เขาพัฒนาขึ้น ในปัญหาการค้นหา ลำดับการค้นหาที่ดีที่สุดคือ เวลาโดยที่คือเวลาที่จำเป็นในการทดสอบการทดลอง และคือความน่าจะเป็นของความสำเร็จของการทดลองนั้น เขาเรียกสิ่งนี้ว่า "ขนาดการกระโดดเชิงแนวคิด" ของปัญหา เทคนิคการค้นหาของ Levin ประมาณลำดับนี้^{[ 25 ]}ดังนั้น Solomonoff ซึ่งได้ศึกษาผลงานของ Levin จึงเรียกเทคนิคการค้นหานี้ว่า Lsearch ${\displaystyle T_{i}/P_{i}}$${\displaystyle T_{i}}$${\displaystyle P_{i}}$

ในบทความอื่นๆ เขาได้สำรวจวิธีการจำกัดเวลาที่จำเป็นในการค้นหาคำตอบ โดยเขียนเกี่ยวกับการค้นหาแบบจำกัดทรัพยากร พื้นที่การค้นหาถูกจำกัดด้วยเวลาที่มีอยู่หรือต้นทุนการคำนวณ แทนที่จะตัดพื้นที่การค้นหาออกไปเหมือนในวิธีการทำนายอื่นๆ เช่นความยาวคำอธิบายขั้นต่ำ (Minimum Description Length )

ตลอดอาชีพการงาน โซโลมอนอฟให้ความสำคัญกับประโยชน์และอันตรายที่อาจเกิดขึ้นจาก AI โดยได้กล่าวถึงเรื่องนี้ในรายงานที่ตีพิมพ์หลายฉบับ ในปี 1985 เขาได้วิเคราะห์วิวัฒนาการที่เป็นไปได้ของ AI โดยให้สูตรที่ทำนายว่า AI จะไปถึง "จุดอนันต์" เมื่อใด^{[ 26 ]} งานนี้เป็นส่วนหนึ่งของประวัติศาสตร์ความคิดเกี่ยวกับภาวะเอกภาพทางเทคโนโลยี ที่เป็นไป ได้

เดิมทีวิธีการอุปมานเชิงอัลกอริทึมนั้นใช้ในการคาดการณ์ลำดับของสตริง จึงจำเป็นต้องมีวิธีการอื่นในการจัดการกับข้อมูลประเภทอื่นๆ ด้วย

รายงานปี 1999 ^{[ 27 ]}ขยายทฤษฎีบทการแจกแจงสากลและทฤษฎีบทการบรรจบกันที่เกี่ยวข้องไปยังชุดสตริงที่ไม่มีลำดับ และรายงานปี 2008 ^{[ 28 ]}ไปยังคู่สตริงที่ไม่มีลำดับ

ในปี พ.ศ. 2540 ^{[ 29 ]}พ.ศ. 2546 และ พ.ศ. 2549 เขาได้แสดงให้เห็นว่าการคำนวณไม่ได้และความเป็นอัตวิสัยเป็นคุณลักษณะที่จำเป็นและพึงประสงค์ของระบบเหนี่ยวนำประสิทธิภาพสูงใดๆ

ในปี 1970 เขาได้ก่อตั้งบริษัทวิจัยของตนเองชื่อ Oxbridge Research และทำการวิจัยที่นั่น ยกเว้นช่วงเวลาที่ไปทำงานที่สถาบันอื่น ๆ เช่น MIT, มหาวิทยาลัยซาร์ลันด์ในเยอรมนี และสถาบัน Dalle Molle Institute for Artificial Intelligence ในเมืองลูกาโน ประเทศสวิตเซอร์แลนด์ ในปี 2003 เขาเป็นผู้ได้รับรางวัล Kolmogorov คนแรกจากศูนย์วิจัยการเรียนรู้ด้วยคอมพิวเตอร์ (Computer Learning Research Center) ที่ Royal Holloway มหาวิทยาลัยลอนดอนซึ่งเขาได้กล่าวปาฐกถา Kolmogorov ครั้งแรกด้วย ล่าสุด Solomonoff ดำรงตำแหน่งศาสตราจารย์รับเชิญที่ CLRC

ในปี 2006 เขาได้กล่าวสุนทรพจน์ใน งาน AI@50 "การประชุมปัญญาประดิษฐ์แห่งดาร์ทมัธ: ห้าสิบปีข้างหน้า" ซึ่งจัดขึ้นเพื่อรำลึกถึงครบรอบห้าสิบปีของกลุ่มศึกษาภาคฤดูร้อนดั้งเดิมของดาร์ทมัธ โซโลมอนอฟเป็นหนึ่งในผู้เข้าร่วมดั้งเดิมห้าคนที่เข้าร่วมงาน

ในเดือนกุมภาพันธ์ ปี 2008 เขาได้กล่าวปาฐกถาหลักในการประชุม "แนวโน้มปัจจุบันในทฤษฎีและการประยุกต์ใช้ศาสตร์คอมพิวเตอร์" (CTTACS) ซึ่งจัดขึ้นที่มหาวิทยาลัยนอเทรอดามประเทศเลบานอน หลังจากนั้นเขาก็ได้บรรยายในหัวข้อต่างๆ และเริ่มทำการวิจัยเกี่ยวกับการประยุกต์ใช้ความน่าจะเป็นเชิงอัลกอริทึมในรูปแบบใหม่ๆ

ความน่าจะเป็นเชิงอัลกอริทึมและการเหนี่ยวนำของโซโลมอนอฟมีข้อดีหลายประการสำหรับปัญญาประดิษฐ์ ความน่าจะเป็นเชิงอัลกอริทึมให้ค่าประมาณความน่าจะเป็นที่แม่นยำอย่างยิ่ง ค่าประมาณเหล่านี้สามารถแก้ไขได้ด้วยวิธีการที่เชื่อถือได้เพื่อให้ยังคงยอมรับได้ มันใช้เวลาในการค้นหาอย่างมีประสิทธิภาพมาก นอกจากค่าประมาณความน่าจะเป็นแล้ว ความน่าจะเป็นเชิงอัลกอริทึมยังมีคุณค่าที่สำคัญอีกประการหนึ่งสำหรับ AI นั่นคือ ความหลากหลายของแบบจำลองทำให้เรามีวิธีการมากมายในการทำความเข้าใจข้อมูลของเรา

รายละเอียดเกี่ยวกับชีวิตและผลงานของโซโลมอนอฟก่อนปี 1997 ปรากฏอยู่ในบทความเรื่อง "การค้นพบความน่าจะเป็นเชิงอัลกอริทึม" ในวารสาร Journal of Computer and System Sciences เล่มที่ 55 ฉบับที่ 1 หน้า 73–88 เดือนสิงหาคม 1997 บทความนี้ รวมถึงบทความอื่นๆ ส่วนใหญ่ที่กล่าวถึงในที่นี้ สามารถดูได้ในเว็บไซต์ของเขาที่หน้า สิ่งพิมพ์

ในบทความที่ตีพิมพ์ในปีที่เขาเสียชีวิต บทความในวารสารกล่าวถึงโซโลมอนอฟว่า: "นักวิทยาศาสตร์แบบดั้งเดิมเข้าใจวิทยาศาสตร์ของตนโดยใช้ 'กระบวนทัศน์ปัจจุบัน' เพียงอย่างเดียว ซึ่งก็คือวิธีการทำความเข้าใจที่เป็นที่นิยมมากที่สุดในปัจจุบัน นักวิทยาศาสตร์ที่มีความคิดสร้างสรรค์มากกว่าจะเข้าใจวิทยาศาสตร์ของตนในหลายๆ ด้าน และสามารถสร้างทฤษฎีใหม่ วิธีการทำความเข้าใจใหม่ๆ ได้ง่ายกว่า เมื่อ 'กระบวนทัศน์ปัจจุบัน' ไม่สอดคล้องกับข้อมูลปัจจุบันอีกต่อไป" ^{[ 30 ]}

ในปี 2011 ในฐานะส่วนหนึ่งของหนังสือที่ครอบคลุมเกี่ยวกับทฤษฎีสารสนเทศเชิงอั ลกอริทึม และปัญญาประดิษฐ์ —ความสุ่มผ่านการคำนวณ: คำตอบบางส่วน คำถามเพิ่มเติม^{[ 31 ]} —เขาได้ตีพิมพ์บทความสุดท้ายของเขาร่วมกับบุคคลสำคัญอื่นๆ ในสาขาเหล่านั้น เช่นGregory ChaitinหรือJürgen Schmidhuberซึ่งเขาได้สะท้อนถึงศักยภาพของความน่าจะเป็นเชิงอัลกอริทึมในการบรรลุAGIและปัญญาประดิษฐ์ที่แข็งแกร่ง^{[ 32 ]}

• Ming Li และPaul Vitanyi , An Introduction to Kolmogorov Complexity and Its Applications. Springer-Verlag, NY, 2008, ประกอบด้วยบันทึกทางประวัติศาสตร์เกี่ยวกับ Solomonoff รวมถึงคำอธิบายและการวิเคราะห์ผลงานของเขาด้วย
• ปัญญาประดิษฐ์สากลของมาร์คัส ฮัตเตอร์

• โฮมเพจของเรย์ โซโลมอนอฟฟ์
• สำหรับคำอธิบายโดยละเอียดเกี่ยวกับความน่าจะเป็นเชิงอัลกอริทึม โปรดดูบทความ"Algorithmic Probability"โดย Hutter, Legg และ Vitanyi ใน scholarpedia
• เรย์ โซโลมอนอฟ (1926–2009) การประชุมรำลึกครั้งที่ 85 เมลเบิร์น ออสเตรเลีย พฤศจิกายน/ธันวาคม 2011และรายงานการประชุม "ความน่าจะเป็นเชิงอัลกอริทึมและเพื่อน ๆ การทำนายแบบเบย์เซียนและปัญญาประดิษฐ์" สปริงเกอร์ LNAI/LNCS 7070
• ผู้บุกเบิกด้านการเรียนรู้ของเครื่องจักร ได้รับการยกย่องเมื่อวันที่ 14 ธันวาคม 2011