分类: 范式:超级革命
20 个词条
范式等级 2:所有在图上以这一档深浅出现的主义。
| 好奇心自由主义 智能体应该由内在动机驱动——奖励新奇和学习进展——而不是干等外部奖励。 | |
| 接地主义 符号只有和感知、行动连起来才有意义;只靠文本学习,意义是悬空的。 | |
| 物理定律专制 坚持学到的模型必须遵守已知物理定律,并且要作为硬约束写进模型,而不是指望从数据里自己学会。 | |
| 主动感知主义 看是智能体主动在做的事——选择往哪看、怎么动——而不是从图片到标签的被动映射。 | |
| 感觉运动主义 感知和行动是一个闭环,智能就在于掌握“我动了之后感觉会怎么变”。 | |
| 基于模型规划主义 智能体应该学一个环境模型,在里面做规划——先在想象里试动作,再真正去做。 | |
| 联邦学习地方主义 数据应该留在它产生的地方;让模型走到设备和机构那里去本地学习,只把更新传回来。 | |
| 灵巧手主义 认为多指灵巧手的精细操作才是物理智能真正的试金石和发动机。 | |
| 开放权重公社主义 模型权重是公共品;开放发布权重,是科学研究、问责和公平分配 AI 红利的必要条件。 | |
| 三维几何主义 认为世界是三维的,模型应该显式表示几何,而不是只从平面图像去推理。 | |
| 游戏智能体主义 游戏是通用 agent 理想的训练场:世界丰富、便宜、安全,目标清晰,还能无限重开。 | |
| 分布式具身主义 一个学习系统应该同时栖居于许多身体之中,把整个机器人队伍的经验汇入一个共享的心智。 | |
| 递归自我改进主义 能自己设计、测试并改进自身代码、prompt 乃至下一代的 agent,将成为 AI 最快的进步引擎。 | |
| 进化联邦主义 由候选模型、程序或 agent 组成的种群,经过选择和重组,能找到比优化单个个体更好的解。 | |
| 分层控制主义 控制应该分层:慢速的高层规划器设定目标,快速的底层控制器负责执行。 | |
| 符号复辟主义 力图让显式符号、逻辑和搜索重新成为 AI 的核心,神经网络最多只配当感知前端。 | |
| 群体机器人主义 大量简单廉价、只遵循局部规则的机器人,能涌现出任何单个复杂机器人都做不到的稳健集体行为。 | |
| 传感网无政府主义 感知应该分散在无数廉价联网传感器上,各自本地处理、互相传递信号,就像一张行星级神经网络里的神经元。 | |
| 泛具身主义 World 极端的称号:没有身体就没有智能,一切会计算的东西都应被理解为具身的。 | |
| 控制论原始主义 World 与 Harness 双极端的称号:智能不过是系统与环境之间设计良好的反馈回路。 |