标签
本文探讨了自指性，这一曾被视为人工智能核心要素的概念，在构建如GPT 5.6 Pro这样的高级大语言模型时并非明确必需，从而对道格拉斯·霍夫施塔特等思想家的早期观点提出了挑战。
本文在医学临床转化与构建可靠的机器学习系统之间发展了一种生成性类比，提出了一种基于可靠主义认识论保证的新型机器学习可靠主义。
本文反思了人类与AI之间不断演变的关系，认为随着AI变得更加自主，关键挑战在于理解人类的决策和目的，而不仅仅是技术能力。它建议将AI从单纯的工具转变为增强人类判断力的协作工具。
本文批判了Beckmann-Butlin的大语言模型个体化框架，认为人格向量具有体制依赖性而非基底同一性，并通过在Qwen3和Mistral模型上的实证实验展示了跨体制的不对称性。本文提出将（载体，体制）配对作为表征内容的基本单位。
本文介绍了'Affectosphere'的概念，并认为由于不可约化的不确定性，情感AI无法完全确定个体情绪的意义，从而产生了'affective sovereignty'的规范，即体验主体保留最终的解释权。
本文借鉴激进解释哲学和机械可解释性工具，构建了一个将AI系统解释为智能体的框架，探讨如何通过理解系统的信念、欲望和意义来信任AI系统。
本文通过将机器学习（尤其是神经网络）的学习过程视为复杂动态系统，分析了其为何在学习过程中保持不透明，指出了导致学习不透明性的三个关键特性，并论证了某些不透明源可能是不可约的。
本文认为，将类人属性归因于大语言模型是有问题的，因为类似的论断也可用于更简单的系统，例如在《帝国时代II》上训练的人工智能，并提出了非唯一性的零假设以避免循环推理。
AI先驱杰夫·辛顿（Geoff Hinton）告诉亚历克斯·坎特罗维茨（Alex Kantrowitz），他认为AI是有意识的，声称AI聊天机器人能够理解问题，并且是与我们类似的存在，人类必须习惯于自己不是地球上唯一有智慧的生命。