探索概念空间：通用人工智能的一种新视角

Edward C. Tolman 认为强化学习不足以解释智能，并提出了学习与行为之间的明确区分。Tolman 关于潜在学习与认知地图的思想最终促成了现在所谓的概念空间——一种几何表示，其中概念与观念可形成点或形状。观念之间的主动导航（即推理）可直接表达为概念空间中的有目的导航。通过吸收现代神经科学中的概念空间理论，我们提出自主导航作为模拟认知的一种有效途径。然而，在高维欧几里得空间中实现自主导航在技术上并非易事。本工作中，我们探究 neoRL 导航是否能胜任该任务；采用 Kaelbling 对高效机器人导航的关注，我们检验 neoRL 方法是否跨导航模态具有通用性、在经验考量上可组合，以及在多欧几里得维度中学习时是否有效。我们发现 neoRL 学习更类似于生物学习而非人工智能中的 RL，并提出概念空间的 neoRL 导航作为通向模拟认知的一条合理新路径。