大脑编程原理的规范化

May, 2022

Formalization of the principles of brain Programming (Brain Principles Programming)

E.E. Vityaev, A.G. Kolonin, A.V. Kurpatov A.A. Molchanov

TL;DR该文是一篇关于强人工智能的论文，提出了基于类别论的 Brain Principles Programming（BPP）的形式化方法，并应用数学模型和算法对其进行描述和建模，最终得到了计算机实验演示算法操作的结果。

Abstract

In the monograph "strong artificial intelligence. On the Approaches to Superintelligence" contains an overview of general artificial intelligence (AGI). As an anthropomorphic research area, it includes Brain Principles Programming (BPP) -- the formalization of universal mechanisms (pri

strong artificial intelligence brain principles programming category theory mathematical models cognitive functions

发现论文，激发创造

大脑原理编程

该论文介绍了强人工智能领域中一个交叉学科的研究，提出了 “脑部原理编程” 的概念，运用数学模型和算法为 BPP 进行了建模，并提供了相关的计算机示例。

Feb, 2022

基于脑原理编程的决策认知体系结构

本论文描述了一种基于脑活动的五个原则实现的认知体系结构，包括逻辑 - 概率推理、概率形式概念和功能系统理论三个子系统，建立体系结构需要实现任务驱动方法，提供了基本本体论，以及可能的应用示例。

Feb, 2023

基于脑机制编程的决策认知架构

本文介绍了一种认知体系结构，其基于五个已确定的大脑活动原则，以三个子系统的实现为基础：逻辑概率推理、概率形式概念和功能系统理论。建立体系结构需要实现任务驱动方法，以允许将应用程序的目标函数定义为在应用本体中表达的任务，因此我们提供了一组基本本体用于一些实用应用程序以及基于该本体的主题域本体，并描述了提议的架构，并给出了这些应用程序在该架构中执行的可能示例。

Apr, 2022

当脑部启发式人工智能遇上人工通用智能

该篇文章从 AGI 的角度提供了大脑启发型人工智能的综合概述，包括当前大脑启发型 AI 的进展和其与 AGI 的广泛联系、人类智能和 AGI 的重要特征、实现 AGI 的重要技术以及 AGI 系统的演进，同时探讨了 AGI 的局限性和未来。

Mar, 2023

通过预测编码实现脑启发型计算智能

人工智能（AI）是本世纪迅速发展的关键技术之一。然而，使用误差反向传播学习算法训练的深度神经网络在 AI 领域取得的大多数成果已经凸显出一些重要限制，例如计算成本高、难以量化不确定性、缺乏鲁棒性、不可靠性和生物不可行性。解决这些限制可能需要受到神经科学理论启发和指导的方案。其中一种理论称为预测编码（PC），在机器智能任务中表现出有希望的性能，具有令人兴奋的特性，对机器学习社区具有潜在价值：PC 可以模拟大脑不同区域的信息处理，可用于认知控制和机器人学，并具有基于变分推断的坚实数学基础，为某类连续状态生成模型提供了强大的反演方案。希望通过调研有助于这一方向的文献，突出展示 PC 在机器学习和计算智能的未来中可能发挥的多种作用。

Aug, 2023

脑科学和认知心理学发现综述作为通往人工智能广泛智能的灵感可能性

该综述旨在通过研究神经科学和认知心理学的方法，为人工通用智能的追求做出贡献。尽管深度学习模型在各个领域取得了令人印象深刻的进展，但它们在抽象推理和因果理解方面仍然存在缺点。这些能力应该最终整合到人工智能系统中，以克服数据驱动的限制，并以更加接近人类智能的方式支持决策。本工作是一项纵向综述，试图广泛探索大脑功能的范围，包括从低层生物神经元、尖峰神经网络和神经元集合到更高层的概念，如脑解剖学、向量符号体系结构、认知和分类模型以及认知体系结构。希望这些概念能为人工通用智能的解决方案提供启示。

Jan, 2024

人工通用智能的方法：一项分析

分析了达到人工智能的几种方法，并得出综合认知结构是最有前途的方法，因为人类大脑模拟需要未来的技术支持，而综合认知结构具有较低的计算要求和合适的普适性。

Jan, 2022

构建人工神经电路实现领域通用认知：关于脑启发系统级架构的入门指南

本论文概述了生物神经网络为灵活认知所需的特征，讨论了神经网络体系结构的系统级通信和重复性以及短期拓扑变化对于机器学习模型的贡献，并说明人工系统中测试这些归纳偏见有助于理解领域通用认知的生物学原则。

Mar, 2023

脑启发和自我基础的人工智能

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

一种伦理分析脑启发式人工智能的方法

本文介绍了基于大脑启发的 AI 技术的概念、技术和伦理问题，并提出了一种启发式方法以识别和解决由大脑启发的 AI 产生的伦理问题。结果显示，相对于传统的 AI，大脑启发的 AI 提出了新的基础性和实际的伦理问题，加剧了传统 AI 提出的某些问题。

May, 2023