本文探讨了强数据中心人工智能的可行性，并提出了共同进化的混合智能的概念。通过分析现有的认知体系结构方法，将人类无缝地融入智能问题解决的循环中。详细探讨了将人类纳入智能数据处理流程的认知架构，并对开发智能系统的可行性做出了一般性结论。

Sep, 2022

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

研究论文讨论了解决当前基于 LLM 的 AI 系统局限性所需的内容，并认为将人类认知和心理学的见解作为基于计算的认知架构的一部分可以帮助开发能力更强、更可靠、更具人类特征的系统。它强调双过程架构和混合神经符号方法在解决当前 LLM 的局限性方面的重要性。与此相反，该论文还强调了需要彻底改变计算机认知架构以更好地反映人工智能和计算技术的进步的必要性。总的来说，该论文主张从多学科的、互利共赢的角度来开发更好的模型，既用于人工智能，也用于理解人类思维。

Jan, 2024

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

本研究探讨了开发认知机器人的架构研究挑战，提出了未来机器人设计和开发框架中需要考虑的替代性架构假设，针对虚拟数字平台上操作的软件机器人如何理解平台层面和表现出人类用户行为的问题。

May, 2023

本文研究了一种进化方法来创建具有认知功能的自主体的认知架构，采用功能核心产生自主体的智能功能，并介绍了基于构造主义理论的自主体认知能力的演化。

Jul, 2022

构建像人类一样学习和思考的机器不仅对认知科学至关重要，而且对于计算神经科学也是如此，其最终目标是理解认知如何在生物大脑中实现。新的认知计算神经科学应该建立认知级和神经级模型，理解它们的关系，并使用大脑和行为数据测试两种模型。

Nov, 2017

过渡到 “认知互联网” 时，我们在如何与技术和智能互动方面发生了重大转变。本文介绍了 “认知互联网” 的基础要素、特点、益处和产业影响，并强调了适应性人工智能基础设施和混合边缘云平台在支持这种转变方面的重要性。通过案例研究、展望性观点和实际应用支持，提供了对这一新兴范式的全面洞察。

Jan, 2024

利用符号人工智能的代理设计历史，我们提出了一种新的认知语言代理的蓝图，即 Cognitive Architectures for Language Agents (CoALA) 框架，这个框架将大型语言模型与外部资源或内部控制流结合起来，以实现基于语言模型的推理、概念化、学习和决策。通过 CoALA 框架，我们强调了目前语言代理的不足，并提出了未来发展更强大的语言代理的具体方向。

Sep, 2023

计算机科学和脑科学的历史紧密相连。两者间存在着类似和不同之处。该研究提出要研究脑科学与计算机科学的交界处，并探索其带来的新机遇和连接。在这个界面，还存在许多关键问题需要研究，同时也提供了 CISE 研究社区发挥战略作用的机会，以促进工作的进展。

Apr, 2020