基于晶体推理与流体生成的连续相互作用驱动智能：人类对齐的神经网络架构
人工智能
2025-04-15 v1
摘要
当前基于概率神经网络的AI系统，如大型语言模型 (LLM)，虽在生成能力方面取得了显著进展，但面临幻觉、不可预测性以及与人类决策不一致等关键挑战。这些问题根源于过度依赖随机（概率）神经网络——过于简化的生物神经网络模型——同时忽视了程序化推理（链式思维）在可信决策中的作用。鼓励人类认知中流体智力（灵活生成）与晶体智力（结构化知识）二元性的 inspired by 人类认知，本研究提出一种双通道智能架构，将概率生成（LLM）与白箱程序化推理（链式思维）相结合，以构建可解释、可持续学习且符合人类价值观的AI系统。具体而言，本工作：（1）将链式思维重新定义为可编程的晶体智力载体，通过多轮交互框架实现动态知识演化和决策验证；（2）引入任务驱动的模块化网络设计，明确界定随机生成与程序控制之间的功能边界，以解决垂直领域应用中的可信度问题；（3）表明多轮交互是智能涌现的必要条件，交互深度与系统人类对齐程度正相关。本研究不仅建立了可信AI部署的新范式，也为下一代人机协作系统提供了理论基础。
引用
@article{arxiv.2504.09301,
title = {Continuum-Interaction-Driven Intelligence: Human-Aligned Neural Architecture via Crystallized Reasoning and Fluid Generation},
author = {Pengcheng Zhou and Zhiqiang Nie and Haochen Li},
journal= {arXiv preprint arXiv:2504.09301},
year = {2025}
}