生物智能涌现的三等价性

生物生物智能的表征具有挑战性。本文考察的是在神经系统中进化而来的智能算法。数学分析揭示了标准神经网络、部分可观测马尔可夫决策过程下的变分贝叶斯推断以及可微型图灵机之间存在一种自然等价性，通过表明它们最小化共享的Helmholtz能量来实现。因此，标准神经网络可以生物学上可信地为图灵机提供能力，并能对环境中外部图灵机进行变分贝叶斯推断。在物种层面应用Helmholtz能量最小化，有助于推导自然选择中内在的主动贝叶斯模型选择，从而导致自适应算法的涌现。特别地，具有两个精神动作的标准神经网络可以分别记忆多个外部图灵机的转换映射，以形成通用机器。这些命题通过算法实现和神经网络演化的数值仿真得到了证实。这些概念以贝叶斯模型选择和信念更新的术语，为生物智能在进化中的涌现提供了一种通用表征。