Alexander Ushakov S.

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。