概念人工智能:来自设计理论的启示
本文介绍了一种由 Jean Piaget 启发的 AI 建构主义,描述和调查了 Frank Guerin,并由 Gary Drescher 作为代表性的实现来创建算法和知识结构,以通过感知动作交互使代理能够获得,维护和应用对环境的深入理解。它旨在增加对建构主义 AI 实现的认识,以鼓励机器实现终身学习。
Feb, 2023
这篇论文提出了一种基于大脑和自我概念的人工智能 (BriSe AI) 范式,强调自我在塑造未来人工智能中的关键作用,通过自我感知、自体建模、自主交互、社交互动和概念理解等多层次的自我层次框架,增强了 BriSe AI 对信息的有意识理解和对复杂环境的灵活适应,使其向着真正的人工通用智能迈进。
Feb, 2024
该论文旨在提出一种 “基础” 的视角,启发人工智能的进步,包括 “基于感知 - 动作循环的体现、嵌入、延伸和实践认知” 的研究方向,以及运用逐步发展的技能促进逐步的语言发展、逐渐适应物理和社会环境的智能代理等几个具体的组成部分,以建立人类一样的语言能力。
Jan, 2022
本文综述了人类学习、推理和适应新领域的关键能力 —— 概念抽象和类比制定,以及通过符号方法、深度学习和概率编程归纳等多种途径构建具有这些能力的 AI 系统的优势和局限性,最后提出了设计挑战任务和评估指标的几点建议,以在此领域取得量化和可推广的进展。
Feb, 2021
本文介绍了一种基于认知创造力理论的计算模型,旨在实现人造智能代理学习使用和生成易于迁移的表征,并通过梯度强化学习获取目标导向和时间信息的双重记忆系统,以及进行反射推理和融合等认知处理来提高人造智能的足够抽象度,以期在人工通用智能领域迈出更大的步伐。
May, 2022
当前人工智能的最新技术在语言方面非常出色,但在数学推理方面则相对不足。本文以数学家的思维方式为参考,建立在当前深度学习在直觉和习惯性行为等方面取得成功的基础上,指出其在推理和稳健性不确定性估计等方面仍存在重要缺陷。文中以信息论的观点探讨了什么样的数学陈述是有趣的,这可能为塑造高级数学家人工智能的未来工作提供指导。重点不是证明给定的定理,而是发现新奇的猜想。核心假设是,一个有用的定理组应更好地总结所有可证陈述的集合,例如通过具有较小的描述长度,同时在推导步骤的数量上接近许多可证陈述。
Mar, 2024
本研究探讨了创意和人工智能之间的关系,研究了人工智能在艺术创作中的应用,并考虑了人工智能对意识研究、兴趣和决策能力的潜在影响和伦理问题,以刺激人们对人工智能在创意领域中使用和伦理问题的思考。
Jun, 2023
该研究提出了将智能视为计算的特定概念化,旨在为所有智能研究学科提供统一的视角,并解决了现有观点之间的差异。该概念化将智能视为不同范式计算的组合,提出了多学科研究议程,旨在实现智能科学的统一。
May, 2024
本文综述认知科学的进展,提出了人工智能领域需要实现的目标和面临的挑战,即建立支持解释和理解的世界因果模型,以及将学习基于物理和心理直觉理论,使用组合性和学习来学习以适应新的任务和情况
Apr, 2016
文章介绍了学习体系如何获得和利用抽象概念结构的能力,并提供了一种最小体系结构的示例,展示了这些抽象概念结构在先前获得知识的应用中的操作有效性。
Oct, 2019