A(G)I 的挑战：控制论在 Ouroboros 模型中复兴，作为适用于所有思维的一种算法

本文以一幅供 AI 理解的图画形式，提出了针对一般算法，特别是自动图像分类和生成的当前挑战。其次，AI 还面临根据口头描述产生类似内容的挑战。本文旨在突出当前人工智能方法的优势与不足，同时粗略勾勒前进方向。当前不足被归因于普遍缺乏包容性的符号嵌入以及（不仅限于）某种身体基础中的接地。随之而来的是概念层次组织的匮乏。作为对这些缺点的补救，建议大幅后退一步，重新纳入控制论和模拟控制过程的方面。据称，Ouroboros 模型提供了一个有前景的 overarching 视角，具有有效且通用的算法主干，适用于所有可及抽象层级和能力的一般认知。根据 Ouroboros 模型，现实、规则、真理和自由意志都是有用的抽象。逻辑演绎以及直觉猜测据称是基于一个用于图式的分区记忆和一个称为消耗分析的匹配（即监控）过程产生的。后者将注意力导向短期（即注意力本身）以及长期时间尺度（情感偏差）。在这种控制论方法中，期望与实际激活（例如感官知觉）之间的差异驱动了一般认知过程，同时引导新记忆条目的存储和适应。人脑中的专用结构根据这一方案协同工作。