一篇题为“第三层滞后:Sean Moran、贝叶斯网络、马尔可夫网络和逻辑规则无法让我们做什么”的新系列文章,探讨了传统人工智能概率模型(如贝叶斯网络和马尔可夫网络)的局限性。作者认为,这些依赖于固定规则和外部观察者视角的模型不足以理解涌现意识。相反,该系列文章提出了一个包含观察者动态状态的新数学框架,其灵感来源于 Roger Penrose 关于思维非算法性质的论述以及 Stuart Hameroff 关于意识的理论。 AI
影响 通过提出传统概率模型不足以理解意识,挑战了当前的人工智能范式,可能引导未来的研究朝着更动态、包含观察者的框架发展。
排序理由 该集群讨论了一系列文章,这些文章提出了关于现有AI模型局限性的理论论证,并提出了一个新的框架,而不是宣布一个新的模型、研究发现或产品。
在 Mastodon — fosstodon.org 阅读 →
- Bayesian network
- Level 3 Hysteresis
- Markov Networks
- Shon Moran
- Roger Penrose
- Sean Moran
- Stuart Hameroff
- The Emperor's New Mind
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →