AAAIMay, 2023

AAAI 2022 秋季研讨会：基于共同认知模型实现的系统 1 和系统 2

PDF
TL;DR本文旨在将关于 System-1 和 System-2 的双重系统描述引入人工智能领域，并通过将其置于认知共同模型中解决这一和其他问题。结果表明，被认为是 System-1 和 System-2 特征的不同性质实际上形成了一个认知属性光谱。共同模型提供了有关 System-1 和 System-2 所涉及的计算单元、其基本机制以及对学习、元认知和情感的影响的全面视野。
dual-system descriptionssystem-1system-2common model of cognitioncomputational units
发现论文，激发创造
  • 透过认知通用模型阐明系统 1 和 2

    该研究采用计算思维作为分析工具并运用认知共同模型来解决对 System-1 和 System-2 的双系统描述难以精确和滋生误解的问题，结果表明 System-1 和 System-2 的特点形成了认知属性的一种谱系，并阐明了其潜在机制、存在的误解及对元认知的影响。

    May, 2023

  • 双系统神经符号推理在神经序列模型中的一致性与连贯性改进

    通过在神经序列模型（System 1）中加入逻辑推理模块（System 2），提高模型的逻辑一致性和准确性。实验表明此方法可以提高故事生成和指令执行的一致性和准确性。

    Jul, 2021

  • 智能系统认知特征评估及预测能力评估

    本文提出了一种智能系统评估通用双轴刻度。该刻度考虑了智能系统在环境背景下随时间发展的特性，强调了预期能力对于其计算能力的调节影响，并讨论了解决问题的正确性和适当性如何与解决能力本身的正确使用联系起来。

    Sep, 2022

  • 走向新常识科学

    本篇论文讨论了人工智能中普遍存在的缺乏常识与人类智能的巨大差距，提出了从更广泛的角度考虑人工智能中的常识，处理完整的认知系统，并倡导对人工智能领域的常识知识进行全新的科学探索。

    Dec, 2021

  • 将生成网络与认知的共同模型相结合

    该文章提出了将认知通用模型调整为人工智能领域中的大型生成网络模型的理论框架。通过将通用模型中的模块重组为辅助于中心生产系统的阴影生成系统，可以实现这一目标，该中心生产系统基于阴影生成系统的输出进行高级推理。在通用模型中实现这种创新结构，可以实现认知体系结构和生成神经网络之间无缝的连接。

    Jan, 2024

  • 使用认知神经符号系统实现高层机器推理

    我们提出通过将认知架构与外部神经符号组件相结合，使人工智能系统能够进行高层次推理，讨论生成模型在最近和未来应用中的作用。

    Nov, 2023

  • 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

  • 通过赫布学习和自由能最小化的神经模仿实现普通认知模型

    使用神经生成模型构建 COGnitive Neural GENerative 系统，以优化变分自由能函数，并探讨其在认知科学中的应用。

    Oct, 2023

  • 共享意向性的计算机制，以及关于理性和意识的推测

    本研究利用 David Marr 的信息处理模型，提出了计算机代理间实现共享意图的基本机制，并探讨了这些机制如何应用于现代基于人工智能的机器人中。另外，作者还通过推测性的思考实验，将这些机制扩展到了人类，提出了 “共享意图第一理论”（SIFT）用以解释人类的理性和意识现象。

    Jun, 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