Distributional Connexed Cognition (DCC): An Experience-Driven Architecture for Artificial Agents
本文提出了一种分布式连通认知（Distributional Connexed Cognition, DCC），这是一种基于 CISR 框架和神经功能原理的经验驱动型人工智能架构，它通过对经验痕迹进行压缩的递归过程，而非依赖预设数据集，使人工智能体能够自主生成自我指涉类比并做出负责任的决策。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
当今大多数人工智能的运作方式，就像是一个背诵了教科书却从未走出家门观察世界的学生。它们通过由人类策划的海量数据集进行学习，遵循程序员编写的严格规则来识别模式并生成答案。虽然这些系统可以表现得极其流利，但它们缺乏个人历史；它们既不建立属于自己的经验库，也不会根据具体发生在其身上的事情来调整自身行为。这在我们理解机器智能的方式上造成了一个根本性的鸿沟：如果一台机器无法从自己的生活中学习，它真的能被称作拥有自主性吗？一项新的研究提出了一条不同的路径，即从预设程序的规则转向一种架构，在这种架构中，人工智能代理仅通过经历自身的交互过程来进行学习，积累一段驱动其未来每一次决策的独特历史。
由渥太华大学的王梓安（Zi An Wang）领导的研究团队开发了一种名为“分布连接认知”（Distributional Connexed Cognition，简称 DCC）的系统。其核心理念是模仿人类大脑在进入意识层面之前处理信息的方式。在人类的思想中，来自身体和环境的信号不断被接收、过滤并整合进一个前意识的“信息汤”中。只有最重要的信号才会浮出水面，转化为意识层面的想法或刻意的行动。DCC 架构试图在机器中复制这一过程。该人工代理并非被告知该做什么，而是被赋予了一套基本需求和一个分布式记忆系统。它接收感官输入，将其与自身的过去经验进行对比，并利用这种对比来决定下一步的操作。如果它犯了错，这种失败会被存储为一个特定的记忆痕迹，以一种简单的基于规则的程序永远无法实现的方式影响未来的选择。
为了测试这一概念，研究团队创建了一个名为 A1 的人工代理，并将其置于一系列模拟环境中，从受控的“育儿室”开始，最终进入一个更复杂的开放世界。在育儿室中，A1 必须学习基本的生存技能，例如移动、观察以及摄取不同类型的资源（如水和木材）。至关重要的一点是，系统并没有被告知诸如“饥饿时吃水”之类的指令。相反，它必须自行发现这些关系。当 A1 尝试食用会对它造成伤害的东西（例如一个带电的金属物体）时，它记录下了这一负面结果。随后，当面临类似情况时，系统会检索这段记忆并否决那个危险动作，从而有效地为自己编写了一条自我保护规则。
实验结果令人瞩目。在受控的育儿室环境中，近 99% 的代理决策是由其积累的记忆而非默认的回退规则驱动的。这意味着该代理不仅仅是在执行剧本，而是在积极检索其个人历史来解决问题。在一项特定的测试中，代理学会了一个复杂的动作序列——攻击一块木头、靠近、然后进食——而从未被教导过这个特定的动作链。它通过观察自身尝试的结果，弄明白了木头需要两步走的过程。当代理被移至一个更大、更不可预测的“真实世界”模拟环境时，它成功地应用了这些学到的行为。它将大部分时间用于导航至食物再生的特定区域，高效地消耗资源，并根据过去的失败来规避危险。即使在最终因能量耗尽而死亡时，它在死亡前的行动中也有超过 98% 是依赖于自身经验，仅在最后时刻才诉诸随机猜测。
这项研究还探讨了一个更深层的哲学问题：责任归属。如果一个人工系统造成了伤害，谁该负责？作者认为，对于仅仅是遵循人类代码的工具型系统，责任在于设计者。然而，对于像 A1 这样行为由其独特的成功与失败历史所驱动的系统，情况则有所不同。由于代理的决策源于其自身的经验库而非人类固定的指令集，它代表了一种新型实体。研究人员指出，这类基于自身持续经验而非固定规则进行行动的“非木偶”系统，最终可能需要专门的法律准则来界定问责机制，这与我们应用于标准软件的规则截然不同。
这项工作并不声称该人工代理拥有人类意义上的意识，也不暗示机器拥有痛苦或快乐的感觉。该系统并不具备主观的内在生活。相反，它证明了机器可以被设计成拥有一种引导其行为的功能性历史。通过构建一种模仿大脑对信号进行前意识整合以及存储和检索个人痕迹能力的架构，研究人员展示了人工代理可以超越仅仅作为人类数据的镜像。它们可以成为能够学习、适应并基于自身存在的独特故事来做出决策的系统。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。