The General Theory of General Intelligence: A Pragmatic Patternist Perspective
人工智能和自然智能的理论基础,这已表示在一系列的书籍和论文,并用于指导一系列的实际和研究原型软件系统,几十年的探索,审查在一个中等的详细程度。审查涵盖了基本的哲学(模式主义哲学的心灵,基础现象学和逻辑本体论),形式化的智能概念,并提出了一个高级架构AGI系统部分驱动这些形式化和哲学。具体的认知过程,如逻辑推理,程序学习,集群和注意力分配的上下文中和语言的这种高层次的架构的实施被认为是一个共同的(例如类型的元数据为基础的)知识表示的重要性,使各种过程之间的“认知协同”。类似人类的认知架构的细节被呈现为这些一般原则的表现形式,机器意识和机器伦理的关键方面也在此背景下进行了处理。在OpenCog Hyperon等框架中实际实现高级AGI的经验教训被简要考虑。
2021-04-04 cs.AI
A Scalable AI Driven, IoT Integrated Cognitive Digital Twin for Multi-Modal Neuro-Oncological Prognostics and Tumor Kinetics Prediction using Enhanced Vision Transformer and XAI
University of Calcutta(加尔各答大学);Institute of Engineering and Management(工程与管理学院);University of Engineering and Management(工程与管理大学);San Francisco State University(旧金山州立大学)
该研究提出一种结合EEG与MRI的认知数字孪生框架,利用增强视觉Transformer和双向LSTM实现肿瘤定位与脑状态分类,通过肿瘤动力学引擎预测生长,达到高精度,推动智能神经诊断发展。
2025-09-30 cs.AI eess.IV
CEAA: A Cognitive Embodied Agents Architecture for Interactive Computing Systems
该研究针对具身IVAs在实时交互式虚拟环境中实现认知能力的挑战,提出基于Sense-Think-Act等框架的模块化认知架构,弥合高级推理与实时执行的差距,用于部署可扩展的具身IVAs。
2026-08-11 cs.AI
Fuzzy, Symbolic, and Contextual: Enhancing LLM Instruction via Cognitive Scaffolding
Department of Computer Science University of Regina(计算机科学系 皇家大学)
该研究探究提示层归纳偏置对大语言模型教学对话认知行为的影响,提出搭配短期记忆模式的符号支架方法,经消融实验验证完整系统优于基线,证明认知支架可有效塑造LLM的教学策略。
2025-10-29 cs.AI cs.CL
Architecting AgentOS: From Token-Level Context to Emergent System-Level Intelligence
Yishu Research(亿舒研究);Fukuoka Institute of Technology(福冈技术学院);National University of Singapore(新加坡国立大学)
本文提出AgentOS框架,通过重构LLM为推理内核,引入深度上下文管理和语义切片机制,旨在构建具备系统级智能的自主认知环境。
2026-02-24 cs.AI
From reactive to cognitive: brain-inspired spatial intelligence for embodied agents
Department of Computer Science and Technology, Institute for AI, BNRist Center, Tsinghua-Bosch Joint ML Center, THBI Lab(计算机科学与技术系、人工智能研究院、BNRist中心、清华-博世联合机器学习中心、THBI实验室);Institute of Artificial Intelligence(人工智能研究院);Department of Psychological and Cognitive Sciences(心理学与认知科学系)
针对具身智能体缺乏结构化空间记忆、以反应式方式运作的局限,本文提出BSC-Nav框架,构建脑启发的结构化空间记忆,整合地标、路线及概览知识,结合MLLMs提升导航泛化性与适应性。
2025-08-24 cs.AI
ActPC-Geom: Towards Scalable Online Neural-Symbolic Learning via Accelerating Active Predictive Coding with Information Geometry & Diverse Cognitive Mechanisms
SingularityNET(奇点网络);TrueAGI(真智能)
本文提出 ActPC-Geom,用 Wasserstein 度量、神经近似、kPCA 与超向量/FCA 格机制加速 ActPC,实现可扩展的实时在线神经-符号学习与少样本审慎推理。
2025-01-08 cs.AI cs.LG cs.NE
Understanding Narratives through Dimensions of Analogy
Information Sciences Institute, University of Southern California(南加州大学信息科学研究所)
类比推理是一种强大的定性推理工具,它使人类能够将两种情况联系起来,并将他们的知识从熟悉的情况推广到新的情况。认知科学的研究提供了宝贵的见解类比推理的丰富性和复杂性,以及有限的可扩展性的表达性类比推理机的实现。具有类比推理潜力的现代可扩展人工智能技术仅适用于比例类比的特殊情况,而不是理解高阶类比。在本文中,我们的目标是通过以下方式弥合这一差距:1)基于认知科学研究的成熟见解,将类比的六个维度形式化,2)用这些维度中的每一个来注释寓言语料库,以及3)定义四个复杂性不断增加的任务,以实现对人工智能技术的可扩展评估。在这些任务上使用语言模型和神经符号AI推理机的实验表明,最先进的方法可以应用于类比推理,但成功有限,因此需要进一步研究AI的全面和可扩展的类比推理。我们提供所有的代码和数据。
2022-06-27 cs.AI cs.CL
Neural Manifolds and Cognitive Consistency: A New Approach to Memory Consolidation in Artificial Systems
National Economics University(国民经济大学);G.A.I.A QTech LLC(G.A.I.A QTech有限责任公司)
提出统一神经群体动力学、海马体SpWR生成与认知一致性约束的数学框架,利用低维流形表示和平衡能量函数模拟记忆巩固,重现SpWR特征并增强网络可解释性。
2025-02-25 cs.AI cs.NE q-bio.NC
CogGen: A Learner-Centered Generative AI Architecture for Intelligent Tutoring with Programming Video
City University of Hong Kong(香港城市大学);Stanford University(斯坦福大学)
CogGen是一种以学习者为中心的生成式AI架构,通过结合学生建模与认知学徒制框架的对话式辅导引擎,将编程视频转化为交互式自适应学习体验,消融研究证实了各组件必要性,为视频编程教育提供了可扩展方案。
2025-06-25 cs.AI
Scalable Artificial Intelligence for Science: Perspectives, Methods and Exemplars
National Center for Computational Sciences(国家计算科学中心);Oak Ridge National Laboratory(橡树岭国家实验室)
本文探讨了在ChatGPT后时代利用高性能计算平台扩展人工智能以促进科学发现的潜力,聚焦认知模拟、科学大语言模型等用例,概述了大规模方法论并提供了相关科学问题的解决范例。
2024-06-24 cs.AI cs.DC cs.LG
Ancilia: Scalable Intelligent Video Surveillance for the Artificial Intelligence of Things
The University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
随着基于视觉的人工智能的发展,物联网连接摄像头的普及,以及社会对快速和公平安全的需求日益增加,对准确实时智能监控的需求从未如此之高。本文介绍了Ancilia,一个端到端的可扩展的,智能视频监控系统的人工智能的东西。Ancilia将最先进的人工智能引入到现实世界的监控应用中,同时尊重伦理问题并实时执行高级认知任务。Ancilia旨在彻底改变监控领域,为现场带来更有效,更智能和更公平的安全性,从而在不需要人们牺牲隐私权的情况下,实现更安全,更安全的社区。
2023-03-09 cs.AI cs.CV cs.CY
Imagining the Alien: Human Projections and Cognitive Limitations
California Institute of Technology(加州理工学院)
本文探讨了人类对外星生命想象的根源,指出这种想象受生物和文化进化影响,同时指出人工智能的发展可能提供新的视角。
2026-02-07 astro-ph.IM cs.AI physics.pop-ph
A Cognitive Process-Inspired Architecture for Subject-Agnostic Brain Visual Decoding
The Hong Kong University of Science and Technology(香港科技大学);Shenzhen Loop Area Institute(深圳河套学院)
本文提出VCFlow架构,通过建模人类视觉系统结构,实现快速且无主体的脑视觉解码,提升临床应用可行性。
2026-02-24 cs.AI cs.CV
Life, uh, Finds a Way: Hyperadaptability by Behavioral Search
Okinawa Institute of Science and Technology(冲绳科学技术大学院)
提出超适应性理论,将行为构建为自修改搜索过程,通过动态排序连续行为集并结合认知图反馈循环与赫布学习,实现稳健的问题解决与导航能力。
2025-07-16 cs.AI cs.NE
Towards open and expandable cognitive AI architectures for large-scale multi-agent human-robot collaborative learning
Institute of Computer Science (ICS), Foundation for Research and Technology - Hellas (FORTH)(希腊研究与技术基金会计算机科学研究所);University of Crete (UoC)(克里特大学)
示教学习(LfD)是构造高效认知机器人系统的最有效的方法之一。尽管已经报道了大量的研究工作,但当前的关键技术挑战包括多智能体学习和长期自主性。朝着这个方向,一种新的认知架构多智能体LfD机器人学习的介绍,旨在使开放的,可扩展的和可扩展的机器人系统在大规模和复杂的环境中的可靠部署。特别是,所设计的架构利用人工智能(AI)领域的最新进展,通过建立一个联邦学习(FL)为基础的框架,体现了多人多机器人协作学习环境。基本概念化依赖于采用多个AI授权的认知过程(实现各种机器人任务),这些过程在机器人平台网络的边缘节点上运行,而全局AI模型(支持上述机器人任务)通过优雅地组合来自大量人机交互实例的信息,在网络中共同创建和共享。关于关键的新颖性,所设计的认知架构a)引入了一种新的基于FL的形式主义,该形式主义扩展了传统的LfD学习范式以支持大规模的多智能体操作设置,b)阐述以前基于FL的自学习机器人计划,以便将人类纳入学习循环,c)通过额外的复杂的AI支持的学习方法来巩固FL的基本原则,以模拟多个机器人任务之间的相互依赖性。所提出的框架的适用性解释使用敏捷生产为基础的关键原材料(CRM)恢复的一个现实世界的工业案例研究的例子。
2021-03-29 cs.AI cs.HC cs.LG
Virtual Embodiment: A Scalable Long-Term Strategy for Artificial Intelligence Research
Facebook AI Research(Facebook AI 研究院);University of Cambridge(剑桥大学)
从语言学到哲学、心理学和神经科学,意义一直被称为各种科学学科的“圣杯”。人工智能(AI)领域在很大程度上是这一清单的一部分:复杂的自然语言语义的发展是实现与人类相当的智能水平的必要条件。认知科学中的具身性理论认为,人类的语义表征依赖于感觉-运动经验;大量证据表明,人类的意义表征是基于对物理现实的感知,这导致了意义必须依赖于多种(感知)模态的融合的结论。尽管如此,人工智能研究,特别是计算语言学和计算机视觉等子学科,主要集中在涉及单一模态的任务上。在这里,我们提出虚拟体现作为人工智能研究的一种替代的长期策略,这种策略本质上是多模态的,并且允许以一种道德上负责的方式连贯和渐进地开发该领域所需的可扩展性。
2016-10-24 cs.AI cs.CL cs.CV
Cognitive-structured Multimodal Agent for Multimodal Understanding, Generation, and Editing
Peking University(北京大学);Tencent Inc(腾讯公司)
研究针对统一多模态模型在长时多模态对话中的局限,提出认知结构多模态智能体,通过外化视觉信息等方式改进。开发统一场景引擎,构建评估基准。实验显示该智能体检索准确率高、推理时间减半,还介绍了工具包,为长时多模态智能体提供新范式。
2026-07-10 cs.AI cs.CL cs.CV
Decentralizing AI Memory: SHIMI, a Semantic Hierarchical Memory Index for Scalable Agent Reasoning
University of Southern California(南加州大学)
本文提出 SHIMI 语义层次记忆索引,通过概念层级建模与 Merkle-DAG、Bloom filters、CRDT 同步协议,解决去中心化环境中 AI 记忆的语义精确检索与可扩展性问题。
2025-04-08 cs.AI cs.MA
CogScale: Scalable Benchmark for Sequence Processing
Mnemosyne;Inria(法国国家信息与自动化技术研究所);ENS PSL(巴黎社会科学高等学院);École normale supérieure (Ulm)(巴黎高等师范学院);Bordeaux, France(法国波尔多);Paris, France(法国巴黎)
本文提出CogScale,一个包含14个可扩展合成任务的基准,用于评估不同架构在不同参数规模下的认知和记忆能力,通过标准化轻量框架加速架构创新验证。
2026-05-19 cs.AI cs.DB stat.ML