Mar, 2023

快速与缓慢规划

PDF
TL;DR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。
artificial intelligencethinking fast and slowplanning problemssofaimetacognitive module
发现论文，激发创造
  • 在受限环境中结合快速和慢速思考实现类人和高效导航

    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。

    Jan, 2022

  • 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

  • 人工智能与人类智能在灾害响应规划中的协同

    通过提出受到二元过程理论（DPT）启发的基于注意力机制的认知架构，结合快速启发式（类似人类）反应和机器智能的优化规划能力，我们展示了如何通过评估其在多个不同属性上的表现，动态决定二者的参与度以优化任务目标，并在动态环境中的轨迹规划中验证了该框架有效地管理复杂任务并优化多个任务目标。

    Apr, 2024

  • 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

  • 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

  • 推理、规划和工具调用的新兴 AI 代理架构概览

    这篇综述性论文研究了 AI 代理实现的最新进展，重点关注它们在实现需要增强推理、规划和工具执行能力的复杂目标方面的能力。该研究的主要目标是：a) 传达现有 AI 代理实现的当前能力和局限性，b) 分享我们在实际运行这些系统中获得的见解，c) 提出 AI 代理设计未来发展的重要考虑因素。我们通过提供单一代理和多代理架构的概述，确定设计选择中的关键模式和差异，并评估它们对完成特定目标的总体影响，实现了这一目标。我们的贡献概述了在选择代理架构时的关键主题，领导对代理系统的影响，代理的沟通风格，以及规划、执行和反思的关键阶段，从而实现强大的 AI 代理系统。

    Apr, 2024

  • 理解现实世界的人工智能规划领域：一个概念框架

    研发了一个概念框架，用于识别和分类真实世界规划领域，特别以可持续建筑作为应用领域，该框架能够影响 AI 规划系统在真实世界应用领域的设计、开发和适用性。

    Jul, 2023

  • 可解释规划

    该论文探讨了人工智能的交互问题，提出了一种基于模型的 AI 规划方法，以实现人类与智能系统的有效沟通和协同解决问题的目标。

    Sep, 2017

  • 通信网络中使用系统化人工智能解决人工智能任务

    在人工智能的快速发展中，解决复杂的人工智能任务是智能移动网络中的关键技术。为了应对这一挑战，我们提出了系统性人工智能（SAI），它是一个利用大型语言模型（LLMs）和基于 JSON 格式意图的输入连接自设计的模型库和数据库来解决人工智能任务的框架。

    Oct, 2023