研究人员引入了贝叶斯镜像架构(BMA),这是一个新颖的生成框架,旨在探索涌现意识。该架构利用循环递归,其中感官抽象、元抽象和自潜在变量相互作用。BMA 的状态空间是概率测度的空间,并使用 2-Wasserstein 度量分析稳定性和相干性。该框架还定义了一个因果学习机制(CLR)来诊断环境中可学习的因果结构,这与意识本身不同。 AI
影响 引入了一个理解人工智能系统中意识的新理论框架。
排序理由 该集群包含一篇详细介绍人工智能新理论架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- 2-Wasserstein metric
- arXiv
- Bayesian Mirror Architecture
- Causal Learning Regime
- Eduardo Righi Capanema de Almeida
- Hugging Face
- Wasserstein
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →