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
本文旨在将心理学的社会认知能力引入到人工智能的社交互动代理中,并提出了一个名为 SocialAI school 的工具,用于进行与社会性和认知能力有关的实 现实验的参数化环境。
Jul, 2023
本文旨在探讨反思式 AI 的概念,并提出了一种基于反思概念的 AI 代理架构,以及相关的前行方向。
Jan, 2023
本文提出了一种基于内省的代理机制,通过考虑代理自身的能力与环境背景相结合来实现任务目标,以增加现有体验智能机制的功能和实时适应性。
讨论了设计人类感知人工智能系统面临的挑战,包括建模人类的心理状态、识别其愿望和意图、提供主动支持、展示可解释性行为、并引发信任等,并强调这种系统引出的伦理困境和推广真正跨学科合作的必要性。
Oct, 2019
该研究旨在探讨人类探索行为与人工智能自主性和适应性的联系,并将认知心理学范例应用于机器学习方法中。研究表明,与人类对应的人工智能代理可以通过内部状态与探索行为之间的因果关系来学习并自我发展,这对于人类认知研究和人工智能的发展都具有重大意义。
Feb, 2023
通过自描述提供研究 AI 系统是否具有道德意义的内在状态,讨论了自描述在当前系统和人类中的适用性,并提出了培训模型回答关于自身的问题以实现内省式能力的方法,同时探讨了评估这些技术成功程度的方法和相关挑战。
Nov, 2023
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
该论文介绍了利用深度网络来模拟人类心智状态,并在多智能体环境中进行信念预测和强化学习的初步实验结果。
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