新的通用人工智能架构通过再入神经网络系统承诺内在安全性

一篇新研究论文提出了一种新颖的通用人工智能（AGI）架构，称为再入神经网络系统，旨在确保内在安全性和主体性。该架构利用闭合的再入循环，与传统的前馈网络形成对比，以实现自我参照和自我保护。论文引入了一个新的度量标准，即S-measure，作为Tononi的Phi的替代方案，用于量化集成信息，并提供了在Lean 4中验证的完整实现细节和形式证明。所提出的系统被呈现为一种安全设计的通用人工智能方法，可立即部署。 AI

影响 这项研究提出了一种新的通用人工智能架构范式，可能从根本上改变安全考量和发展轨迹。

排序理由 该集群包含一篇详细介绍新颖人工智能架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AGI
• Alexander Ushakov S.
• Reentry Neural Systems
• Tononi

• 论文
• 安全
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →