自主认知实体的概念框架
利用符号人工智能的代理设计历史,我们提出了一种新的认知语言代理的蓝图,即 Cognitive Architectures for Language Agents (CoALA) 框架,这个框架将大型语言模型与外部资源或内部控制流结合起来,以实现基于语言模型的推理、概念化、学习和决策。通过 CoALA 框架,我们强调了目前语言代理的不足,并提出了未来发展更强大的语言代理的具体方向。
Sep, 2023
本文介绍了一种基于认知创造力理论的计算模型,旨在实现人造智能代理学习使用和生成易于迁移的表征,并通过梯度强化学习获取目标导向和时间信息的双重记忆系统,以及进行反射推理和融合等认知处理来提高人造智能的足够抽象度,以期在人工通用智能领域迈出更大的步伐。
May, 2022
本文提出了一种新的认知模型,作为 AGI 代理的主要组成部分,并包括操作模型和意图。该模型基于全面的双重原则,提出了以可重用性和简单性为形式的 AGI 设计和认知下的约束或效率。最终的认知模型是多个模型实例的动态操作记忆。
Jan, 2023
近期关于应用于复杂实际知识工作的对话人工智能工具(如由大型语言模型驱动的聊天机器人)的研究表明,这些工具在推理和多步问题解决方面存在限制,且现有聊天机器人模拟浅层推理和理解,在问题复杂度增加时容易出错。本文介绍了认知人工智能(Cognitive AI)的一个高层框架,用于在大型语言模型之外实现可编程定义的神经符号认知,提出了一个双层功能架构,可用于执行复杂多步知识工作的人工智能系统的路线图,认为 Cognitive AI 是实现更高级别的人工智能(如 AGI)的必要前提,并明确指出仅凭概率方法无法实现 AGI。最后讨论了大型语言模型、AI 采用周期和商业认知人工智能开发的影响。
Mar, 2024
该研究论文旨在提出一种新的认知架构来实现通用人工智能的能力,并介绍了一个包含多个功能模块的框架。其中,知识表示是该架构的关键解决方案之一,能够在单一知识库中结合多种形式化和非形式化的知识表示方法。论文还探讨了使用 Archigraph 模型来组合和结构化各种知识片段的方法。此外,该研究还提及了该认知架构的其他组成部分,包括机器意识、机器潜意识、与外部环境的交互模块、目标管理模块、情感控制系统、社交交互模块、反思模块、伦理和世界观模块、学习模块、监测模块、陈述和问题解决模块、自组织和元学习模块。
Jan, 2024
通过将现实解读为信息源,并将其转化为计算框架,我们提出了一种新颖的建模方法,从而接近于人工通用智能。该框架可以以流动可扩展的分层方式构建经典的认知架构元素,如长期记忆和工作记忆。
Jun, 2024
本论文提出一种基于概念依赖的通用框架,强调所涉及的表征必须是显式认知和概念性的,并且必须包含涉及事件和过程的因果特征,并使用完全基于参考的概念结构。论文还介绍了一种描述性表征语言,并描述了许多其使用示例。
Jun, 2022