empiricism

人工智能的知识获取方式呼应了古代经验论与理性论的争论

这篇论文探讨了现代人工智能的哲学根源，将古代关于知识获取的争论与当前的人工智能范式进行了类比。大型语言模型（LLMs）被比作理性主义者，依赖于先有的知识；而强化学习（RL）代理则体现了经验主义，通过试错学习。作者认为，借鉴康德哲学思想，融合这两种方法可能是实现通用人工智能（AGI）的关键。文章强调了理查德·S·萨顿（Richard S. Sutton）的“痛苦的教训”（Bitter Lesson），该理论认为，由计算和经验驱动的可扩展…