人工智能在几个关键方面仍然比人类智能有限，如在理解上下文、言外之意和微妙线索方面的能力。本文展望了可能用于缩小人类智能与机器智能差距的机器智能候选方法，重点讨论了当前人工智能技术的不足，以及层次规划和能量基、潜变量方法以及联合嵌入预测架构方法如何帮助弥合这一差距。

Aug, 2023

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

通过提供关于智能的纯功能性黑盒定义以及对相关概念的区分，本研究在人工智能领域提供了一个可观察的、概念上可测试的连续性定义，并指出了在可量化测量方面所面临的挑战。

Dec, 2023

该研究介绍了智能系统自识别反馈信号的必要性，提出了基于算法信息理论的智能定义，阐明了人工智能基准测试的重要性，介绍了一个使用人类内在先验近似设计的基准测试集 ——ARC，用于度量具有高通用流体智能的人工智能系统与人类的综合智能的比较。

Nov, 2019

当前和近期 AI 系统是否会具备意识是一个受到科学界关注和公众担忧的话题。本报告提出并举例了一种严格的和以实证为基础的 AI 意识研究方法，即在我们最有支持的神经科学意识理论的指导下，对现有 AI 系统进行详细评估。我们调查了几个著名的科学意识理论，包括循环处理理论、全局工作空间理论、高阶理论、预测处理和注意图式理论。根据这些理论，我们以计算术语阐明了意识的 “指示性属性”，从而可以评估 AI 系统是否具备这些属性。我们利用这些指示性属性评估了几个最近的 AI 系统，并讨论了未来系统如何实现它们。我们的分析表明目前没有任何 AI 系统具备意识，但也表明建立意识的 AI 系统并没有明显的障碍。

Aug, 2023

本文探讨了人工智能在伦理、决策制定等方面引发的一些问题和讨论，并重点讨论 AI 代理人中的 “自我” 认知和其在决策制定方面的作用。作者旨在提倡建立拥有更强自我认知的 AI 代理人的研究。

Jan, 2022

本文根据神经遗传结构主义理论，反对可意识的 AI 的合理性，主张具有真正意识的复杂大脑是必要条件。

Dec, 2022

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

评估人工系统是否存在意识的问题日益成为关注焦点，而严格的心理测量框架对于评估大型语言模型在此方面的重要性至关重要。本文通过将人类和动物大脑的信息耦合、人类认知发展、新兴能力和心理表征发展与大型语言模型的类似现象进行比较，以心理测量智力的方式，间接估计意识体验的程度。相较于广泛的科学与形而上学意识理论，本文认为所有系统在心理测量上拥有一定程度的意识，智力的心理测量可能用于衡量异类系统（无论是人工还是人类）之间意识体验的相对相似性。

Aug, 2023

本文探讨了意识和智能之间的联系，发现意识与人类领域普适智能有密切关系。对比三种当代意识功能理论与人类的认知能力，作者将结论应用到人工智能领域，提出了一种将三种理论相结合的可实现的模型，并以人类的心理时间旅行为例，提出进行人工智能研究的前景和目标。

Mar, 2022