理解感官输入的意义

本文试图回答无监督学习中的一个核心问题：对感官序列“理解其意义”意味着什么？在我们的形式化中，理解意义涉及构建一个符号因果理论，该理论既解释感官序列，又满足一组统一条件。统一条件要求因果理论的组成要素——对象、属性和规律——必须被整合为一个连贯的整体。在我们的论述中，理解感官输入是一种程序合成，但它属于无监督程序合成。我们的第二个贡献是一个计算机实现，即感知引擎（Apperception Engine），其设计旨在满足上述要求。由于统一条件提供了强烈的归纳偏置，我们的系统能够从极少量的数据中生成可解释、人类可读的因果理论。我们的系统所生成的因果理论能够预测未来的传感器读数、回溯更早的读数，并以任意组合填补缺失的感官读数。我们在多种不同领域中测试了该引擎，包括元胞自动机、节奏与简单的童谣、多模态绑定问题、遮挡任务以及序列归纳智力测试。在每个领域中，我们测试引擎预测未来传感器值、回溯更早传感器值以及填补缺失感官数据的能力。该引擎在所有这些领域均表现良好，显著优于神经网络基线。我们特别指出，在序列归纳智力测试中，我们的系统达到了人类水平的表现。这一点值得注意，因为我们的系统并非专为解决智力测试而设计的定制系统，而是一个旨在理解任意感官序列的通用系统。