本文讨论了构建具有社交交互能力的具体化自主智能体是人工智能面临的主要挑战之一，并指出了目前在具体化语言使用方面的研究方向存在的局限性。作者认为，实现人类水平的人工智能需要更广泛的关键社交技能。最后，通过实验研究了一种近期最先进的深度强化学习方法的局限性。

Apr, 2021

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

人工智能系统在模拟或接近人类间的相互作用中，特别是在多层次环境中与不同实体进行的情况下，必须首先深入而细致地理解自己，以实现对人类认知的高质量理解。

Dec, 2023

提出自动内在动机代理 (autotelic agents) 的 Vygotskian 模型，通过对话语言和实体环境交互学习，实现自我生成目标和内化交互成为认知工具，进而形成人工认知功能，从而推进社会化学习的人工智能研究应用前景。

Jun, 2022

构建社交智能 AI 代理（Social-AI）是一个跨学科、多模态的研究目标，涉及创建能够感知、理解、推理、学习并回应其他代理（人类或人工）的情感、行为和认知的代理。过去十年，在自然语言处理、机器学习、机器人技术、人机交互、计算机视觉和语音等几个计算社区中，社交智能 AI 取得了进展。这篇立场论文中，我们确定了一组潜在的技术挑战和开放性问题，以促进社交智能 AI 的研究，并结合社交智能概念和以往的研究进展进行讨论。

Apr, 2024

通过分类功能和社交干扰以及探讨机器人架构的要求，本文旨在为人工智能代理提供处理不同类型交互干扰的能力，以实现在多方社交情境和用户个性化之外，对于为人工代理赋予社交能力的扩展。

Aug, 2023

最近的人工智能领域取得的进展，特别是随着大型语言模型（LLMs）的出现，引发了对人工通用智能可能性的重新思考。人工智能越来越接近人类能力，也引起了社会科学研究的关注，导致各种探索将这两个领域相结合。本文通过对先前在人工智能和社会科学结合方面的系统分类，将其分为两个方向，虽然共享相同的技术方法，但在研究目标上有所不同。第一个方向侧重于社会科学用于人工智能，其中人工智能被用作加强社会科学研究各个阶段的强大工具。而第二个方向是关于人工智能的社会科学，它将人工智能代理作为具有类似人类认知和语言能力的社会实体进行研究。通过全面回顾，特别是近期大型语言模型取得的实质性进展，本文引入了一个新的视角来重新评估人工智能和社会科学之间的关系，并提供了一个有序的框架，使研究人员能够理解社会科学用于人工智能和人工智能的社会科学之间的区别和联系，同时总结了促进这两个方向研究的最新实验模拟平台。我们相信随着人工智能技术的不断发展和智能代理在我们日常生活中的日益应用，人工智能和社会科学的结合的重要性将变得更加突出。

Jan, 2024

本文探讨了与人工智能进行的教育交流，不是作为提示和回应的序列，而是作为对话和探索的社交过程，在其中，学习者在互联网工具和资源的动态计算介质中不断与 AI 语言模型交谈。本文强调了构建用于教育的社交生成 AI 是需要开发强大的 AI 系统的，这些系统可以与人类以及彼此对话，构建如知识地图之类的外部表征，访问和贡献于互联网资源，并担任教师、学习者、导师和指南的角色。但人们也需要考虑将如何设计和约束这些社交生成 AI，以确保其意识到其限制、对学习者和互联网的尊重并尊重人类教师和专家的完整性的问题。

Jun, 2023

本研究论文旨在借助复杂系统、网络科学和人工智能的交叉领域构建社交人工智能的基础，并探讨了社交人工智能领域中的主要问题、可能出现的技术和科学挑战，以及未来的研究方向。

Jun, 2023

本文通过介绍开展儿童认知过程、与机器人和社会人工智能系统中儿童行为相结合的理论研究和探讨，揭示了在当前人工智能技术发展的状态下，开展儿童认知过程的研究存在的挑战和难点，以及所要求的跨学科研究的共同基础。

Oct, 2022