@rohanpaul_ai:智能可能更关乎更好的知识结构,而非更大的模型。本文认为,当前……

X AI KOLs Timeline 论文

摘要

本文认为,生物智能之所以高效,是因为它围绕目标和情境组织意义,而非依赖语言模式;为此提出“合成智能”概念,利用结构化语义知识和非对称信息解析模型。

智能可能更关乎更好的知识结构,而非更大的模型。 本文认为,当前人工智能主要建立在网络数学之上,而非知识理论之上。 人脑能以大致相当于一盏昏暗灯泡的功率做出快速、自适应的决策,而前沿AI往往以巨额计算量换取能力。 论文指出,生物智能之所以高效,或许是因为它围绕目标、情境和决策来组织意义,而非主要依靠搜索语言模式。 它将心智活动区分为物理认知、情感认知、心智认知和智能,其中智能指的是在情境仍具有意义时做出有用决策的能力。 提出的解决方案是“合成智能”,它将使用结构化语义知识(即与目的相连的信息),而非仅仅依赖语法、统计或神经网络权重。 论文采用非对称信息解析模型来展示知识如何被组织成决策图谱,并辅以一个简单的捕食者-猎物示例,其中每个状态仅有少数几种可能动作。
查看原文
查看缓存全文

缓存时间: 2026/06/25 21:27

智能或许更关乎更好的知识结构,而非更大的模型。

本文认为,当前人工智能主要建立在网络数学之上,而非知识理论之上。

人脑仅以昏暗灯泡般的功率便能做出快速、自适应的决策,而前沿AI往往用庞大的计算量换取能力。

该论文指出,生物智能之所以高效,或许是因为它围绕目标、情境和决策来组织意义,而非主要依赖于搜索语言模式。

它将心智活动分为物理认知、情绪认知、心智认知和智能,其中智能指的是在情境仍具意义时做出有用决策的能力。

提出的解决方案是Synthetic Intelligence,它将使用结构化的语义知识,即与目的相关的信息,而非仅仅依赖语法、统计或神经网络权重。

该论文使用Asymmetric Information Resolution模型来展示如何将知识组织成决策图,并通过一个简单的捕食者-猎物示例加以说明,其中每个状态仅有少数几种可能的行动。

相似文章