像儿童一样发展人工智能的哲学基础
人工智能
2025-10-15 v2
摘要
尽管在高级推理方面表现出色，当前的语言模型在真实场景中仍缺乏稳健性，并且在人类凭直觉即可解决的基础问题求解任务上表现不佳。本文论证了这两项挑战均源于人类与机器认知发展之间的核心差异。尽管两个系统都依赖于表征能力的增长，但核心知识（人类的基础认知结构）的缺失，阻碍了语言模型发展稳健且可泛化的能力，而这种能力要求复杂技能建立在各自领域内较简单技能的基础之上。本文探讨了人类核心知识的经验证据，分析了语言模型未能习得它的原因，并论证了这一局限并非固有的架构约束。最后，本文概述了一项可行的方案，即通过使用认知原型策略大规模生成合成训练数据，将核心知识系统地整合到未来的多模态语言模型中。
引用
@article{arxiv.2502.10742,
title = {The Philosophical Foundations of Growing AI Like A Child},
author = {Dezhi Luo and Yijiang Li and Hokin Deng},
journal= {arXiv preprint arXiv:2502.10742},
year = {2025}
}