一种用于通用人工智能的元模型与框架

人工智能系统能否表现出超人类性能，却在关键方面缺乏甚至单细胞生物的智能？对于狭义 AI 系统，答案显然是“能”。动物、植物乃至单细胞生物都能学会可靠地避开危险并趋向食物。这是通过一个自主生成有用世界模型的知识保持元模型实现的。我们假定，保持知识结构对于管理越来越高抽象层次的高级智能（无论人类或人工）至关重要。这是将 AGI 子系统应用于需要持续学习与适应的复杂现实问题时得出的关键经验。本文中，我们介绍深度融合推理引擎（DFRE），它实现了一种用于构建应用型 AGI 系统的知识保持元模型与框架。DFRE 元模型展现出若干重要的基础知识保持特性，例如对称与反对称关系的清晰区分，以及创建能明确划分抽象层次的分层知识表示的能力。融合了这些能力的 DFRE 元模型展示了该方法如何以特定方式惠及 AGI，例如管理组合爆炸并实现累积式、分布式与联邦式学习。我们的实验表明，所提框架在无监督目标检测与识别上平均达到 94% 的准确率。本工作受最先进的 AGI 方法、近期有志于 AGI 的研究、粒计算社区以及 Alfred Korzybski 的普通语义学启发。