Gödel, Escher, Bach
PulseAugur coverage of Gödel, Escher, Bach — every cluster mentioning Gödel, Escher, Bach across labs, papers, and developer communities, ranked by signal.
-
Scott Aaronson：AI智能在没有明确自指的情况下出现
Scott Aaronson 探讨了自指性在人工智能中的作用，将 Douglas Hofstadter 的《哥德尔、埃舍尔、巴赫》中提出的观点与当前大型语言模型的能力进行了对比。Aaronson 指出，尽管早期人工智能理论强调“怪圈”和自指性，但像 GPT 5.6 Pro 和 Fable 这样的现代大语言模型，在没有明确编程这些概念的情况下，就展现出了高级的对话能力和自我意识。他认为，这些自指特性是广泛预训练过程的副产品，类似于形式系…
-
人工智能视觉推理谜题呼应现代表征学习
Bongard问题是由Douglas Hofstadter推广的一种视觉谜题，它提供两组图像，挑战解决者找出区分两组的潜在属性。Hofstadter在他的著作《哥德尔、埃舍尔、巴赫》中，设想了一个人工智能程序，该程序能够通过类似于现代人工智能技术（如表征学习和关系推理）的阶段来解决这些问题。设想中的程序将预处理图像以检测显著特征，搜索这些特征的高级描述，并至关重要的是，保持其假设的灵活性，以适应新信息并发现正确的抽象。
-
新的GEB-Bench基准测试AI在多模态中识别抽象结构的能力
研究人员推出了GEB-Bench，这是一个新的基准测试，旨在评估AI模型在不同模态中识别抽象结构图案的能力。该基准测试受《哥德尔、埃舍尔、巴赫》启发，测试模型在自然场景、民间故事、数学定理和代码中识别结构的能力。对十二个专有和开源模型的评估显示，在单一模态中识别结构与跨不同声音转移理解之间存在持续的差距，只有前沿模型在跨模态映射方面取得了显著进展。