具身智能：彌合認知與行動之間的鴻溝
深圳市人工智能與機器人研究院的丁寧探討了具身智能如何融合物質科學與計算科學，以實現「知行合一」。
Search
Tag: #cognitive-science28 results
利用代理驅動的理論發現自動化認知科學研究
auto-psych 是一個基於 AI 的系統，透過生成假設、設計實驗並利用群眾外包收集人類數據，實現了科學研究流程的自動化。該系統在認知心理學實驗中，表現出優於現有文獻理論的預測能力。
🔬
大腦「認知樂高」揭示人類學習效率之謎
普林斯頓大學研究人員發現，大腦利用模組化的「認知樂高」神經模式來組合既有知識以應對新任務，這為解決 AI 的災難性遺忘問題提供了潛在藍圖。
🤖
如何用AI提效，又不把腦子用廢？
本文探討了用戶在思考任務中過度依賴AI而產生的「認知投降」現象。文章建議應將AI作為深度探索的工具，而非獲取答案的捷徑，以避免認知能力退化。
Google 特定 AGI 所需的「10 種認知能力」
Google DeepMind 發表論文，提出認知框架來測量 AGI 進展。針對評估 AI 系統「知性」缺乏實證工具的問題，提出基於認知科學的新評估方法。
AI 代理以私人語言超越 LoT
這篇 arXiv 論文介紹效率衰減現象 (EAP)，其中 MARL 中的 AI 代理開發出難解協議，在導航任務中比人類符號語言高效 50.5%。它挑戰思想語言 (LoT) 假說，主張最佳認知依賴子符號計算。研究連結 AI、認知科學與哲學，並有倫理意涵。
一位失憶患者揭開了 AI 記憶的誤區
本文探討人類記憶結構如何啟發 AI 架構，特別是挑戰了關於記憶儲存與檢索的既有觀念。研究指出，記憶可以作為一個獨立的層級存在，而非僅僅深度整合於模型權重之中。
🔬
意識：通往通用人工智慧 (AGI) 的關鍵缺失環節
本文提出了「主客體湧現理論」(Subject-Object Emergence Theory)，認為意識對於 AI 實現高效的身體與環境協調至關重要。研究指出，現有的世界模型方法若缺乏意識處理機制，將難以達到人類水平的適應能力。
用於西洋棋的漂移擴散增強型 Elo 等級分系統
DD-Elo 是一個結合了漂移擴散模型與棋步數據的新型技能評估框架，能提供更快速、更靈敏的玩家等級分。該系統在保持與傳統 Elo 系統理論一致性的同時，提供了更好的可解釋性與對技能快速變化的敏感度。
認知債：過度依賴 AI 的隱性風險
本研究提出了「認知債」的概念，描述了當 AI 取代而非輔助人類認知時，所累積的未經驗證的推理義務。研究警告，短期的生產力提升可能掩蓋系統性脆弱，進而導致潛在的認知「明斯基時刻」。