本文介绍了 COGnitive Neural GENerative 系统（CogNGen），它是一种认知架构，将两种神经生理学可信的计算模型：预测性处理和高维 / 矢量符号模型相结合。CogNGen 的表现与 ACT-R 和 Spaun/Nengo 相当，为设计能够不断从不同任务学习并模拟人类在更大尺度上表现的代理人奠定了基础。本文在四个迷宫学习任务上测试了 CogNGen，并发现其与深度强化学习模型相当，并在测试记忆的任务上超过了它们的表现。

Mar, 2022

通过从绘画中理解和从语言描述中生成类似的东西的挑战，本文旨在突出当前人工智能方法的优点和不足，提出结合控制理论和模式匹配的新的方法

Mar, 2024

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

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

自从 20 年前 AGI（人工通用智能）一词诞生以来，对其几乎没有取得可观的进展。尽管统计人工智能方面取得了极大突破，如 AlphaZero、ChatGPT 和 Stable Diffusion，但这些项目都没有明确的 AGI 路径。为了加快 AGI 的发展，了解和确定人类智能与 AGI 的核心要求至关重要。通过这样可以梳理出实现 AGI 所需的特定开发步骤以及哪些是分散注意力的因素。这种分析强调了对认知人工智能方法的需求，而不是目前受青睐的统计和生成式方法。具体而言，它确定了概念在类人认知中的核心角色。在这里，我们概述了一种架构和开发计划，以及一些初步结果，提供了一条更直接的实现全面人类级 AI（HLAI）/ AGI 的路径。

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

我们提出了一个人工通用智能（AGI）模型及其前身的能力和行为分类框架，该框架引入了 AGI 性能、广泛性和自治程度的级别。希望这个框架类似于自动驾驶的级别，通过提供一个共同的语言来比较模型、评估风险并在 AGI 的道路上衡量进展。我们分析了现有的 AGI 定义，提炼出了一个有用的本体论所应具备的六个原则。这些原则包括关注能力而非机制；分别评估广泛性和性能；以及定义沿着 AGI 路径的阶段，而不是专注于终点。基于这些原则，我们提出了基于能力的 “AGI 级别”，并思考当前系统如何符合这个本体论。我们讨论了未来基准的挑战性要求，以便对这些级别的 AGI 模型的行为和能力进行量化。最后，我们讨论了这些 AGI 级别与自治和风险等部署考虑因素的相互作用，并强调了在负责任和安全地部署高度能力的 AI 系统时，谨慎选择人机交互范例的重要性。

Nov, 2023

分析了达到人工智能的几种方法，并得出综合认知结构是最有前途的方法，因为人类大脑模拟需要未来的技术支持，而综合认知结构具有较低的计算要求和合适的普适性。

Jan, 2022

本研究探讨了多学科方法在测试和调整人工通用智能（AGI）和 LLMs 方面的潜力。通过在虚拟现实框架中采用基于模拟的多智能体系统，模拟真实世界环境中的复杂社会结构和相互作用，通过应用社会学、社会心理学、计算机科学、物理学、生物学和经济学等领域的各种理论，展示了实现更具人类对齐和社会责任的 AGI 的可能性。该研究旨在为 AGI 的开发和改进做出贡献，强调社会、伦理和理论维度的整合以供未来研究参考。

Dec, 2023

该论文介绍了自主认知实体（ACE）模型，一种新型的认知架构，通过在人工认知架构中引入了抽象层的概念，充分发挥了生成式人工智能技术的能力，构建了自主、主动的系统，并提出了实施策略，旨在更易于理解和应用。

Oct, 2023