自然界本质上是秩序与混沌的混合态,认知系统要做的就是把秩序的部分找到,剩下的就是在秩序的约束下组合拼接拆解,这种状态类似于轮子转动,或者可以看作动力系统运转。
认知系统运转最关键的部分就是审视空间的搭建运转。审视空间本质上是关联空间的子空间在工作记忆空间(即上下文空间)展开做动力系统运转。角色模拟、思维模型套用、自然图像推演等都是典型的审视空间搭建运转过程。不过目前的大模型建模的关联判断空间(也是关联空间的子空间)太薄弱,搭建的是弱审视空间,或者只是单纯的动作空间,因此幻觉严重、推理精度低且无法进行长链推理。
目前的大模型最重要的事就是摸索在全局驱动器(自由能理论、强化学习、预测误差估计、奖励估计等)的驱动下具身智能探索真实世界的设计方案。具身智能在探索世界的过程中可以积累大量的自然图像的结构,并且这些结构是按照最大关联进行排列的。有了这些结构的积累,多模态大模型的文本图像映射将极大提升精准度,概念形成能力与理解能力也会极大提升,推理精度与幻觉极大缓解,长链推理能力显著超越人类,agi的时代就到来了![](https://gsp0.baidu.com/5aAHeD3nKhI2p27j8IqW0jdnxx1xbK/tb/editor/images/client/image_emoticon3.png)
认知系统运转最关键的部分就是审视空间的搭建运转。审视空间本质上是关联空间的子空间在工作记忆空间(即上下文空间)展开做动力系统运转。角色模拟、思维模型套用、自然图像推演等都是典型的审视空间搭建运转过程。不过目前的大模型建模的关联判断空间(也是关联空间的子空间)太薄弱,搭建的是弱审视空间,或者只是单纯的动作空间,因此幻觉严重、推理精度低且无法进行长链推理。
目前的大模型最重要的事就是摸索在全局驱动器(自由能理论、强化学习、预测误差估计、奖励估计等)的驱动下具身智能探索真实世界的设计方案。具身智能在探索世界的过程中可以积累大量的自然图像的结构,并且这些结构是按照最大关联进行排列的。有了这些结构的积累,多模态大模型的文本图像映射将极大提升精准度,概念形成能力与理解能力也会极大提升,推理精度与幻觉极大缓解,长链推理能力显著超越人类,agi的时代就到来了
![](https://gsp0.baidu.com/5aAHeD3nKhI2p27j8IqW0jdnxx1xbK/tb/editor/images/client/image_emoticon3.png)