持续机器人学习中的自我意识的证据
机器人学
2026-04-27 v2 人工智能
机器学习
摘要
理解自我意识的关键挑战之一是以原则化方式量化智能系统是否具有"自我"概念，以及如何区分"自我"与其他认知结构。我们提出，"自我"可以通过寻求认知过程中不变部分来实现，该部分相对于更快获得的认知知识和技能的变化相对较小，因为我们的自我是我们经历中最持久的方面。我们利用这一原理来分析两个条件下机器人认知结构：一台机器人学习一个恒定任务，而另一台机器人在可变任务下进行持续学习。我们发现，接受持续学习的机器人会发展出一个不变的子网络，其稳定性显著高于对照组（p < 0.001），且该子网络也具有功能性：保持它有助于适应，而损坏它则损害性能。我们认为，这一原理可以为探索其他认知AI系统中的自我提供一个窗口。
引用
@article{arxiv.2603.24350,
title = {Evidence of an Emergent "Self" in Continual Robot Learning},
author = {Adidev Jhunjhunwala and Judah Goldfeder and Hod Lipson},
journal= {arXiv preprint arXiv:2603.24350},
year = {2026}
}
备注
43 pages, 22 figures, includes supplementary materials