面向基于 Hyperon 与 PRIMUS 的 AGI 的离散主动预测编码目标导向算法化学：一种潜在认知内核
人工智能
2024-12-24 v1
摘要
我们探索了一种新范式（标记为 ActPC-Chem），用于以生物学方式启发的、以目标为导向的人工智能 (AI)，其中的离散主动预测编码 (ActPC) 在算法化学中的重写规则中运行。ActPC-Chem 被视为面向高级认知架构（如 OpenCog Hyperon 系统）的基础“认知内核”，该系统融合了 PRIMUS 认知架构的关键元素。核心论点是，在数据和模型均表示为 metagraph 重写规则的演化模式的系统中，以及预测误差、内在奖励和外在奖励、语义约束引导这些规则持续重新组织和细化的过程中，通用智能能力的认知结构和动力学可以涌现。在我们使用虚拟“机器虫”思想实验中说明了该系统如何自组织以处理涉及延迟和情境依赖奖励的挑战性任务，集成了因果规则推断 (AIRIS) 和概率逻辑抽象 (PLN) 以发现和利用概念模式和因果约束。接下来，我们描述了如何将处理噪声感知数据和运动控制信号方面表现突出的连续预测编码神经网络与离散 ActPC 基质相结合。最后，我们概述了这些想法如何扩展以创建类 Transformer 的架构，取代传统的反向传播，采用由 ActPC 引导的规则变换。该分层架构辅以 AIRIS 和 PLN，承诺提供结构化的、多模态的且在逻辑上一致的下一个标记预测和叙事序列。
引用
@article{arxiv.2412.16547,
title = {ActPC-Chem: Discrete Active Predictive Coding for Goal-Guided Algorithmic Chemistry as a Potential Cognitive Kernel for Hyperon & PRIMUS-Based AGI},
author = {Ben Goertzel},
journal= {arXiv preprint arXiv:2412.16547},
year = {2024}
}