AIGenC：一种经由创造力的AI泛化模型
人工智能
2023-06-22 v5
摘要
受创造力认知理论启发，本文提出一种计算模型（AIGenC），其阐明了使人工智能体能够学习、使用并生成可迁移表示所必需的组件。与仅依赖原始感官数据的机器表示学习不同，生物表示融合了关系与联想信息，嵌入了丰富且结构化的概念空间。AIGenC模型提出一种分层图架构，由不同组件获取多个层次与类型的表示。第一个组件“概念处理”从感官输入中提取对象与可供性，并将其编码入概念空间。所得表示存储于双记忆系统中，并通过强化学习获得的目标导向与时间信息得以丰富，创建更高层次的抽象。另两个组件并行工作，分别用于检测恢复相关概念与创造新概念，该过程类似于认知中的反思推理与概念混合。反思推理单元通过匹配过程（计算当前状态与记忆图结构间的相似度值）从记忆中检测并恢复与任务相关的概念。匹配交互结束后，奖励与时间信息被加入图中，构建进一步抽象。若反思推理处理未能提供合适解，则启用混合操作，通过组合过往信息创造新概念。我们讨论了该模型使人工智能体获得更好分布外泛化的能力，从而推进通向通用人工智能（AGI）的进程。
引用
@article{arxiv.2205.09738,
title = {AIGenC: An AI generalisation model via creativity},
author = {Corina Catarau-Cotutiu and Esther Mondragon and Eduardo Alonso},
journal= {arXiv preprint arXiv:2205.09738},
year = {2023}
}