Jan, 2022

在受限环境中结合快速和慢速思考实现类人和高效导航

PDF
TL;DR本文提出了一种基于快速 / 慢速求解器和元认知组件的通用架构，意在通过现有认知人类决策理论对 AI 系统的一些重要人类能力进行提升，并在此基础上尝试应用于基于有限环境下导航决策等方面，实验结果表明，这种决策策略组合可以大大提高系统的决策质量、资源消耗和效率。
ai systemscognitive theoriesdecision makingarchitecturefast/slow solvers
发现论文，激发创造
  • 人工智能中的快思慢想

    本研究提出借鉴认知理论以推进 AI 的研究方向，通过嵌入因果组件来获得适应性、推理能力、常识理解等人类决策能力，以期激发 AI 技术研究，进而更好地理解人类和机器智能。

    Oct, 2020

  • 快速与缓慢规划

    通过建立一个灵感来自 Thinking Fast and Slow 的认知理论的系统架构 SOFAI，该系统可以在不同情境下解决计划问题， 实现快速和慢思维，并且最终证明这种新的智能系统在问题的广泛性、解决时间和解决方案准确性等方面具有更好的表现。

    Mar, 2023

  • 快与慢的决策：认知偏见在 AI 辅助决策中的作用

    利用认知科学的知识建立数学模型并提供了一个普遍的框架，用于理解认知偏差和人工智能精度之间的相互作用，特别是锚定偏差，通过一项有效的时间分配策略，成功提高了人工智能的协作性能。

    Oct, 2020

  • 混合思维树：快速思考与缓慢思考相结合的多跳视觉推理

    利用大型语言模型（LLM）生成类似代码的计划来进行复杂推理任务，提出一种集成单次推理和思维树的层次化计划搜索算法，平衡效率和性能需求，在多跳视觉推理任务方面表现出优越性能和效率。

    Aug, 2023

  • 基于价值观的快慢 AI 推动

    本文提出并讨论了一种基于价值观的人工智能 - 人类协作框架，其中 AI 系统通过提出决策建议来引导人类进行决策，该框架将价值观视作特定决策情境下要实例化的参数。

    Jul, 2023

  • 快慢思维的语言条件下的机器人操作

    通过模仿人类认知结构，我们引入了一种名为 RFST 的框架，该框架利用语言指令对任务进行分类并基于指令类型做出决策，包含指令鉴别器和一个与策略网络相匹配的精调视觉语言模型，可以识别用户意图或执行推理任务，我们的实验结果验证了我们的方法在需要意图识别和推理的复杂任务中的出色表现。

    Jan, 2024

  • DynaThink：快还是慢？一个用于大型语言模型的动态决策框架

    通过引入动态决策框架，将大型语言模型 (Large language models, LLMs) 自主选择快速和缓慢推理方法，以优化效率和有效性，实验结果表明 DynaThink 相较基线方法在五个常见推理基准上更优越。

    Jul, 2024

  • 仿真人脑思考：一种具有快速和慢速推理以及过滤规则的神经符号链接预测模型

    FaSt-FLiP 是一种新颖的神经逻辑模型，旨在结合逻辑和神经模型，以提高链接预测的性能，并生成更可靠的解释。

    Oct, 2023

  • 学习，快与慢：面向动态环境的目标导向基于记忆的方法

    本研究针对基于模型的下一状态预测和状态价值预测收敛缓慢的问题，使用并行内存检索系统进行基于模型的规划，使用神经网络指导代理的行为，通过基于目标的探索在线训练，取得了 92% 的解决率，显示出 RL 模型应用于目标和子目标规划的未来。

    Jan, 2023

  • BIASeD: 将非理性引入自动化系统设计

    本文主张人工智能系统需要模拟、理解、甚至复制人类的认知偏差，在人机协作中扮演更加重要的角色，并提出了关于人类认知偏差和人工智能之间相互作用的研究议程及三个感兴趣的广泛领域，并为具有更好对人类偏见的人工智能系统的设计方向提出了研究方向。

    Oct, 2022