43、通用人工智能统一结构化框架：连接认知与神经形态计算

通用人工智能统一结构化框架：连接认知与神经形态计算

1. 引言

实现通用人工智能（AGI）是人类长期以来的目标，这需要深入理解人类大脑在功能层面和底层动力学层面的信息处理方式。目前，神经形态计算和认知建模是两个备受关注的领域，它们都有潜力推动人工智能的变革。神经形态计算旨在通过设计模拟神经元和脑区行为的算法和芯片来复制人类大脑的功能，而认知建模则侧重于构建人类认知和心理的计算模型。尽管这两个领域在各自的方向上取得了显著进展，但它们通常被视为人工智能的不同方法，这可能阻碍AGI关键瓶颈的突破。

2. 研究现状

• 认知架构 ：作为认知探索的代表，认知架构是关于人类思维的计算理论，试图解释人类如何获取、存储和利用信息来做决策、解决问题、学习和与环境交互。自20世纪60年代以来，认知架构不断发展，出现了如信息处理模型、通用问题解决器、Soar和ACT - R模型等典型里程碑。然而，认知架构面临着一些挑战，包括需要更好地理解认知的神经基础、整合多个认知系统以及考虑社会和文化因素对认知过程的影响。一些批评者认为认知架构过于简化了人类认知的复杂性，忽视了认知的具身性和情境性。
• 神经形态计算 ：这是一个快速发展的研究领域，旨在开发受生物神经网络结构和功能启发的计算系统。在神经形态算法方面取得了一系列进展，如脉冲神经网络（SNNs）、液态状态机和回声状态网络等。同时，也实现了许多神经形态硬件的里程碑，如ALE、SpiNNaker、BrainScaleS、TrueNorth和NeuroGrid等。尽管这些系统在高效低功耗处理感官信息方面显示出潜力，但它们面临着缺乏高级认知和灵活性的问题