[kaggle竞赛笔记]Abstraction and Reasoning Challenge (I）赛题背景&数据集使用说明

赛题背景

抽象与推理的挑战
计算机能从几个例子中学习复杂、抽象的任务吗?
当前的机器学习技术需要大量的数据，而且很脆弱——它们只能理解以前看到的模式。使用当前的方法，一个算法可以通过接触大量数据来获得新的技能，但是可以广泛应用于许多任务的认知能力仍然难以捉摸。这使得创建能够处理现实世界的可变性和不可预测性的系统变得非常具有挑战性，比如家用机器人或自动驾驶汽车。

然而，其他的方法，比如归纳式编程，提供了更多类似于人类的抽象和推理的可能性。抽象与推理语料库(ARC)为衡量人工智能对未知任务的技能获取提供了一个基准，其约束条件是只有少数演示能够学习复杂的任务。它提供了一个未来的一瞥，在那里人工智能可以很快学会自己解决新问题。Kaggle抽象与推理挑战邀请您尝试将这个未来带到现在!
本次比赛由Keras的创建者Francois Chollet主持。Chollet关于测量智力的论文提供了ARC基准背后的背景和动机。
在这次比赛中，你将创造一个人工智能，它可以解决以前从未见过的推理任务。每个ARC任务包含3-5对列车输入和输出，以及一个测试输入，您需要使用从列车示例中学习到的模式预测相应的输出。

The Abstraction and Reasoning Corpus

抽象推理语料库(ARC)

这个存储库包含ARC任务数据，以及一个基于浏览器的界面，供人们尝试手工解决任务。

“ARC可以被视为一个通用的人工智能基准，作为一个程序合成基准，或作为一个心理测量智能测试。它的目标是人类和人工智能系统，目的是模拟类似人类的一般流体智能。”

完整的数据集描述，它的目标，和它的底层逻辑，可以在这里找到: The Measure of Intelligence.<