源自演算法資訊理論的認知科技

認識論狀態：壓縮的格言。

這篇文章不包含任何算法信息論（AIT）的闡述，僅包含我過去幾年研究 AIT / AIXI 所（認為自己）學到的理性教訓。其中許多並非 AIT 定理的直接翻譯，而是由 AIT 啟發的思考框架。在某些情況下，它們甚至完全超出了該學科的範疇（特別是當 AIT 清晰的視角讓我能看清相關領域的本質時）。

預序問題 (Prequential Problem)：後驗預測分佈在序列預測中屏蔽了後驗，因此建立一個強大的預測模型比理解其本體論更容易。

獎勵假設（或詛咒）(Reward Hypothesis (or Curse))：簡單的第一人稱目標會激勵出複雜但未必符合預期的智能行為，因此建立一個智能體比對齊一個智能體更容易。

編碼定理 (Coding Theorem)：多個好的解釋意味著一個更好的（集成）解釋。

蓋克斯分離 (Gacs' Separation)：預測與壓縮非常接近，但並不完全相同。

極限可計算性 (Limit Computability)：智能算法總是可以被改進。

M 的下半可計算性 (Lower Semicomputability of M)：思考得越久，你應該感到越不驚訝。

蔡廷智慧數 (Chaitin's Number of Wisdom)：知識從外部看就像噪聲。

交錯執行 (Dovetailing)：每個元認知愛好者都會重新發明列文/胡特搜索（Levin/Hutter search），通常還會加上額外的均輪（epicycles）。

不確定性之塵（克倫威爾法則）(Grain of Uncertainty (Cromwell's Rule))：任何具有有限描述的事物都會獲得非零概率。

真理之塵（反射先知）(Grain of Truth (Reflective Oracles))：完美地理解對手需要更高的智能或共同點。

無知之塵（半測度損失）(Grain of Ignorance (Semimeasure Loss))：你無法思考足夠長的時間來確定你不需要再思考更久。

索羅門諾夫界限 (Solomonoff Bound)：貝葉斯序列預測在對數損失（log loss）方面具有頻率論保證。

信息距離 (Information Distance)：不存在對立面。

選定比特的預測 (Prediction of Selected Bits)：根據不可預測的事物進行更新，可能會損害你對可預測事物的信念。

沃夫克技巧 (Vovk's Trick)：自我反思允許部分模型（partial models）的存在。