面向AI系统的自我与他人理解：基于人类认知多样性与世界模型对齐的多阶段推理框架
人工智能
2026-05-29 v1 计算机与社会
人机交互
摘要
当代社会的相互误解，仅仅是因为人们持有不同的意见或价值观，而非根本原因。即便在相同的观察下，不同的主体也可能形成不同的推理目标、状态表征、预测误差和更新优先级。为此，本文提出一种多阶段推理框架，并定义其核心内部机制为多阶段推理机制（Multi-Phase Inference Mechanism, MIM）。MIM通过阶段形成空间、前景场、主体特定的特征状态以及状态表征之间的对齐图谱，正式化异构世界模型的形成过程。基于此，本文将世界模型对齐问题重新框定为使异构表征彼此可处理的问题，而非迫使达成一致或收敛于单一价值体系。进一步地，本文将该形式主义与哲学争议、认知类型学、社会碎片化以及AI对齐等联系起来。其目标是为AI系统提供一种建设性词汇，帮助人类通过显现、比较和可转换的方式，使意义、价值和预测误差的差异更加可被理解、可被比较和可被转化。
引用
@article{arxiv.2605.29930,
title = {Toward AI Systems That Understand Self and Others: A Multi-Phase Inference Framework for Human Cognitive Diversity and World-Model Alignment},
author = {Toru Takahashi},
journal= {arXiv preprint arXiv:2605.29930},
year = {2026}
}
备注
50 pages, including appendices