通过证据的汇集，展示了自然智能是通过不同尺度的互动网络中的智能集体、社会关系和主要进化转变而产生的，这些过程通过种群压力、军备竞赛、马基雅维利选择、社会学习和积累文化等机制促进了新数据的产生，将这些机制整合到智能代理的视角中，表明通过持续的新数据生成实现类人复合创新的可能路径。
May, 2024
通过进化博弈理论的方法，研究发现无条件帮助所有人的 AI 智能体可以促进人类的合作水平，在缓慢发展的社会中，它可以比只帮助被认为值得合作的人群的歧视性 AI 更有效地促进合作。在快速发展的社会中，歧视性 AI 比 “撒玛利亚人” 智能体更能促进更高水平的合作。
Jun, 2023
人类创造了人工智能，而不是反过来。本文挑战这个观点，并通过比较神经网络和人类的狄拉克复杂性来探讨在进化驱动的世界中，神经网络或人类是否更可能首先进化。作者声称神经网络比人类要简单得多，并指出神经网络可能作为化学反应或酶反应的结果，在人类之前作为一种自然形成的物体出现。此外，作者还探讨了神经网络的进化是否能从纯粹的进化驱动到进化引导的模拟状态，指出神经网络的进化不涉及不可约复杂性，并且可以容易地允许不可约复杂性存在于进化引导的模拟中，这是一种可证伪的科学假设，与智能设计的问题无关。
Jan, 2024
讨论了设计人类感知人工智能系统面临的挑战，包括建模人类的心理状态、识别其愿望和意图、提供主动支持、展示可解释性行为、并引发信任等，并强调这种系统引出的伦理困境和推广真正跨学科合作的必要性。
Oct, 2019
通过仿真人脑，人工智能建立了具有学习能力和接近人类水平的智能任务执行能力的计算模型，同时证明了智能的本质是一系列数学功能过程，通过建立数据集之间的功能关系来最小化系统熵，并通过能量消耗的增强方式在人类和人工智能中实现。
Jul, 2023
本文简述了人工智能的近一个世纪发展历程，总结了发展趋势并发现了普遍规律，分析了过去失败和现在成功的原因，强调了哲学思维在理解和解决人工智能问题中的重要性以及重点发展方向应该是人机协作和以计算能力为核心的技术路径。
Mar, 2023
为了确保人工智能系统的安全性和长期代理的保留，应该将人工智能系统设计为优先考虑代理的保留而不是人类意图的一致性，并且应该在 “代理基础” 领域进行研究，以改进我们对人工智能与人类交互中代理的理解。
May, 2023
人类智能和人类增强的人工智能有着不同的激励，目前技术人员、商业和政策制定者都过分倾向于自动化，这种趋势可能导致失去经济权利和政治议价权，而研究开发人类增强的 AI 才有助于人类保持掌握营造价值的能力。
Jan, 2022
探讨了人类智能与人工智能在预测特定结果方面的优劣，提出了在未来几十年内的劳动分工典范可能是混合智能。这个概念旨在利用人类智能和人工智能的互补优势，以使它们能够比两者分别表现得更好，并探讨了其在组织上下文中的应用。
May, 2021
基于网络科学的多层人工智能与人类集体智能表征方式，探讨了人工智能与人类集体智能间的相互作用、多样性与互动对系统整体智能的影响，并分析了现实中的 AI 增强集体智能实例，最后讨论了 AI 增强集体智能面临的潜在挑战和未来发展方向。
Mar, 2024