Jul, 2023

现在的机器能够思考吗？

PDF
TL;DR本文探讨了生成式人工智能技术的应用领域和能力，重温了图灵关于 “思考机器” 的概念，分析了机器智能测试的重要性，同时指出人工智能机器展示了智能的多个方面，但也存在相应的疑虑和后果。
generative aithinking machinesturing testcognitive capabilitiesintelligence
发现论文，激发创造
  • 建造像人类一样学习和思考的机器

    本文综述认知科学的进展，提出了人工智能领域需要实现的目标和面临的挑战，即建立支持解释和理解的世界因果模型，以及将学习基于物理和心理直觉理论，使用组合性和学习来学习以适应新的任务和情况

    Apr, 2016

  • 一种评估生成型人工智能思考质量的框架

    通过 MAGE 框架，本研究旨在探索 LLM ChatGPT4 应用的能力，为教育工作者提供一个方法，以在其学科背景中系统地评估其评估的脆弱性，并提供特定和针对性的问题脆弱性指示，以评估关键思维技能的基础。

    Jun, 2024

  • 脑启发和自我基础的人工智能

    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

  • 面向目标驱动的人工智能综述

    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

  • 生成模型的统计图灵测试

    通过统计模式识别语言提供了一个框架，量化了针对评估上下文的人类生成内容和机器生成内容之间的差异，描述了当前的方法并演示了如何使用该框架评估生成模型在向人类能力逼近的过程中的进展。

    Sep, 2023

  • 人还是机器：关于图灵测试在日常生活中的思考

    本文中，我们回顾了 Turing 测试及其变体，并关注了更简单的人机交互问题，探究能够可靠地识别人机交互的方法。我们认为，这个问题的研究不仅可以促进计算机系统发展方法的创新，而且可以提高我们对人类行为的理解。

    May, 2023

  • 教学生成智能体的认知评估：需要更好的心灵理论能力

    本研究通过数学方式刻画了人类引导他人通过自然语言有效沟通所需的认知能力，并展示了基于神经网络的指导生成代理具有类似的认知能力，通过提升这些代理与听众之间的心理模型可显著提升指导质量，但是在与人类引导者的对比中还存在相当的差距，因此需构建更好的人类行为模型以更好地协同 AI 代理人。

    Dec, 2022

  • 面向 AI 支持的知识发展环境的思想生成和测试

    通过使用机器学习和大型语言模型，本论文介绍了一种知识工作者系统 Generate And Search Test，该系统能够高效地创建以前需要专家合作才能完成的解决方案。同时探讨了生成型人工智能和搜索引擎如何提供创意和验证事实、逻辑和语境，以消除人为偏见。

    Jul, 2023

  • 与机器合作

    通过创新的信号生成和操作机制，结合最先进的机器学习算法，实现了计算机在人机互动博弈中与人类合作的能力，无需复杂的对手建模或心灵理论。

    Mar, 2017

  • 人工智能系统是否具有理解能力？

    本文旨在探讨 “智能机器” 是否有能力理解人类语言，其中涉及了语法和语义之间的关系，指出了语义对于讨论建立 “有意识的机器” 这一问题的不可避免性，并得出结论：在当前技术发展的状态下，将智能视为一种任务解决工具，无需将理解归于机器。

    Jul, 2022