摘要：近年来，AI 系统取得了显著进展，带来了许多渗透到我们日常生活中的应用。然而，我们看到的仍然大多是狭义 AI 的实例：这些近期发展中的许多通常只聚焦于非常有限的一组能力和目标，例如图像解读、自然语言处理、分类、预测等等。此外，尽管这些成功可以归功于改进的算法和技术，它们也与海量数据集和计算能力的可用性紧密相关。最先进的 AI 仍然缺乏许多本应自然包含在（人类）智能概念中的能力。
我们认为，更好地研究使人类具备这些能力的机制，可以帮助我们理解如何将这些能力赋予 AI 系统。我们尤其关注 D. Kahneman 的《思考，快与慢》理论，并提出一种多智能体 AI 架构，其中到来的问题由系统 1（或“快”）智能体解决——它们仅利用过往经验作出反应——或由系统 2（或“慢”）智能体解决——当需要超越系统 1 智能体预期进行推理并搜索最优解时，它们会被有意激活。两类智能体都由一个世界模型支撑，其中包含关于环境的领域知识，以及一个“自我”模型，其中包含关于系统过往行动和求解者技能的信息。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2110.01834[cs.AI] |
| （或 arXiv:2110.01834v1[cs.AI]用于此版本） | |
| https://doi.org/10.48550/arXiv.2110.01834 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Andrea Loreggia [查看电子邮件]
[v1]2021 年 10 月 5 日星期二 06:05:38 UTC（560 KB）