[AI小新闻速递] 为什么现在的AI无法真正“学习”？认知科学引领自律学习的演变

📰 新闻概要

• 批判性地检视当前AI模型在实现“自律学习”方面的局限性。
• 提出一种以人类和动物认知为模型的新学习架构。
• 提示一个整合观察学习、主动学习和控制这些学习的元信号的三要素框架。

💡 重要的要点

• 灵活切换观察学习（系统A）和主动行为学习（系统B）的结构。
• 内部生成的“元控制信号（系统M）”负责选择适应不同情境的最佳学习模式。
• 将生物在进化和发展过程中适应动态环境的机制融入AI架构中。

🦈 鲨鱼的视角（策展人的观点）

现有的AI在接收大量数据后看似“聪明”，但其自主学习的能力却仍然不足！这篇论文的独到之处在于，不仅仅是改进算法，而是从认知科学的角度明确了“系统A/B/M”的角色分工。尤其是，能够自我判断“现在是观察的时候”或者“现在是行动的时候”的元控制（系统M）的实现方案，肯定是AI获得真正自律性的关键！这种试图打破现有“通过给定数据学习”框架的做法，真是非常激进！

🚀 未来将如何发展？

一旦这种融入了进化和发展适应能力的框架得以实现，我们可以预见，AI代理将在未知的动态环境中以人类的方式不断学习和成长，这一进程将大大加快。

💬 鲨鱼视角的一句话

观察、行动、自我思考！鲨鱼在海里追逐猎物时也是这样做的。AI终于快接近鲨鱼的境界了？🦈🔥

📚 术语解说

• 自律学习: 系统通过自身经验和与环境的互动，在没有外部明确指示或正确标签的情况下获取知识。

• 观察学习（系统A）: 通过观察他人的行为或周围事件，尽管没有直接奖励，仍能学习知识或模式的过程。

• 元控制（系统M）: 监控学习过程本身，并调整和控制何时应用哪种学习策略的高级功能。

• 信息来源: 为什么AI系统不学习 – 基于认知科学的自律学习