Cognition Architecture Based on Dynamical Systems

接下来几天将发布更多内容,包括第 9 节“加速锚点和内部状态过滤”(重点关注语言-动作系统的统一核心)。

本文提出了一种受动力系统启发的认知架构,用于模拟类人思维过程。该框架将认知组织成一个多层结构,包括认知场、粒子流动力学和微观调制单元,旨在将推理、行为和学习描述为一个连续的状态演化过程,而非离散的符号计算或纯粹的统计计算。

该架构的关键组成部分是引入了一种慢变结构,称为引力固件单元(GCU),它提供长期结构偏差,并支持跨时间尺度的自洽行为模式的涌现。此外,还提出了一种收益趋性原理,将定向决策建模为系统内结构成本的函数,用内在的动态约束取代了显式的奖励优化。

与传统的深度学习和大型语言模型范式相比,该框架强调连续演化、多时间尺度耦合和可解释的结构变量。它旨在为理解认知作为一种涌现的动态过程提供一种新的视角。

这项工作目前仍处于概念和理论阶段。它并未提出完整的数学形式化或工程实现,而是侧重于建立一个连贯的结构框架,以期为认知建模和通用人工智能领域的未来研究提供参考。

此版本对描述进行了一些细微的更新,使其更加清晰。