大语言模型与认知架构的协同集成用于鲁棒AI：探索性分析
人工智能
2023-09-29 v3
摘要
本文探讨用于开发展现智能行为的人工智能体的两个AI子领域的集成：大语言模型（LLMs）与认知架构（CAs）。我们提出三种集成方法，每种均基于理论模型并获初步实证支持。模块化方法引入四种具不同集成度的模型，利用思维链提示，并受增强型LLM、通用认知模型与认知模拟理论启发。智能体方法受心智社会理论与LIDA认知架构推动，提出形成在微观与宏观认知层面交互的智能体集合，由LLM或符号组件驱动。神经符号方法受CLARION认知架构启发，提出一种模型，其中自底向上学习从LLM层提取符号表示，自顶向下引导利用符号表示指导LLM层中的提示工程。这些方法旨在利用LLM与CA两者的优势，同时缓解其弱点，从而推进更鲁棒AI系统的发展。我们讨论与各方法相关的权衡与挑战。
引用
@article{arxiv.2308.09830,
title = {Synergistic Integration of Large Language Models and Cognitive Architectures for Robust AI: An Exploratory Analysis},
author = {Oscar J. Romero and John Zimmerman and Aaron Steinfeld and Anthony Tomasic},
journal= {arXiv preprint arXiv:2308.09830},
year = {2023}
}
备注
AAAI 2023 Fall Symposium