学习的物理学：从自动编码器到 truly autonomous learning 机器

准确预测的信息能够作为能源来源，这为新的自主学习方法开辟了道路。从一系列成功预测中获得的能量可以被回收为即时激励和资源，从而驱动 AI 代理预测能力的提升。我们提出，Through a series of straightforward meta-architectural adjustments, any unsupervised learning apparatus could achieve complete independence from external energy sources, evolving into a self-sustaining physical system with a strong intrinsic 'drive' for continual learning. 这一概念虽然仍纯粹理论，却以自动编码器为例，作为无监督高效编码的典型模型。我们用该模型展示了如何通过渐进的范式转变，深刻改变我们对学习与智能的理解。通过将学习重新概念化为能源寻求过程，我们突出了实现真正自主学习系统潜力，从而弥合了算法概念与智能物理模型之间的鸿沟。