三十年前，我們比較了人工智慧和人類心靈的相似之處，將弗洛伊德的理論和連結主義（如PDP系統）放在一起討論。這些模型如今已成為人工智慧的基礎，像ChatGPT等廣泛應用，從精神病學模擬到深度學習的計算機視覺。RNN、LSTM和Transformer模型（如BERT和GPT）已經改變了自然語言處理等任務。我們探討這些工具在醫療保健領域的影響，從診斷到心理治療，並討論保持關係的重要性，以及將這些工具用於治療模型的對比。 PubMed DOI

Symbiogenesis解釋意識是身體與環境互動的結果，強調環境對我們的影響。這個概念從細胞到宇宙都適用，將意識、宇宙論和自然法則結合在一起。選擇共生而非破壞性行為受到質疑，可能反映我們對起源和更偉大事物的理解。這觀點闡述意識各方面，提供新方式理解存在，符合生理學原則。轉向這種能量觀點被視為應對唯物主義傷害的必要之舉。 PubMed DOI

這項研究探討符號系統，特別是語言，如何透過個體發展和歷史演變而形成。提出的集體預測編碼（CPC）假說，強調身體互動與社會互動在內部表徵和意義分享中的關聯。研究基於預測編碼，並借鑒計算模型，如概率生成模型和語言遊戲。CPC假說與自由能原則相連，暗示符號的出現與最小化自由能的社會原則一致。文章回顧相關研究，並探討未來的挑戰及跨學科研究機會。 PubMed DOI

這段文字探討建立理論框架以理解智慧的重要性，無論是人工智慧還是生物智慧。作者認為良好的數學理論能預測物理現實，並隨時間修正。使用玩具模型作為隱喻，有助於簡化複雜系統的理解。文中列出創建智慧理論的八大挑戰，包括表徵學習、泛化能力、對抗穩健性等。總體來說，這強調自下而上的智慧建模方法，解決這些挑戰將有助於深化我們對智慧的理解。 PubMed DOI

最近，自然語言處理（NLP）領域的進展主要受到變壓器模型的影響，這些模型透過注意力機制分析標記間的關係，生成回應。然而，關於這些模型是否能促進人工通用智慧（AGI）及解決對齊問題仍有爭論。研究人員認為AGI需具備可解釋的價值觀、效用函數及動態情境理解。為此，提出一種神經符號模型，結合進化理論與神經科學，探索AI的意識與同理心，並可能為對齊問題提供解決方案。 PubMed DOI

這篇論文探討大型語言模型（LLMs），如OpenAI的GPT-4，所展現的突現特性，特別是它們被認為的智慧與意識。作者指出，對這些特性的定義不夠清晰，且模型內部推理存在缺陷。智能系統的關鍵在於對環境的反應，這可從行為中推斷。透過哲學現象學和認知生態學，論文分析了GPT-4的錯誤，認為其缺乏人類的時間意識，導致無法形成穩定的感知世界。最終，作者認為GPT-4與使用者共同創造虛構敘事，而非真正理解或擁有意識。 PubMed DOI

這篇文章介紹了心理體系（Psychomatics），探討大型語言模型（LLMs）與人類在資訊處理上的差異。雖然LLMs在學習和語言使用上展現出類似的認知技能，但其基本過程卻截然不同。心理體系透過比較LLMs與生物系統，分析它們在獲取、記憶和利用資訊上的差異。LLMs能夠有效操控語言模式，但缺乏人類的情感和經驗，限制了對複雜關係的理解。最終，這個框架旨在深入了解語言、認知和智慧，並指導更具人性化的人工智慧系統發展。 PubMed DOI

這項研究針對抽象與推理語料庫（ARC）提出新方法，旨在測試人工智慧的抽象推理能力。儘管已有許多努力，現有的神經網絡演算法在解決ARC任務上仍面臨挑戰，常需依賴複雜的手工規則。研究者調整了DreamCoder神經符號推理解決器，並引入感知抽象與推理語言（PeARL）來增強能力。他們還開發新方法讓大型語言模型（LLMs）能解決ARC任務，顯示出不同的解決方式。結果顯示，神經網絡方法仍不及手工解決方案，未來可透過理解人類策略來推進人工智慧發展。 PubMed DOI

Terrence Sejnowski的反思讓我們看到像ChatGPT這樣的大型語言模型（LLMs）對智慧和溝通的影響。他提到這些模型的能力超乎預期，讓人感到驚訝，彷彿遇到外星智慧。這引發了關於LLMs智慧本質的重要問題，儘管它們能像人類一樣溝通，但運作方式卻與人類認知截然不同。Sejnowski的見解促使我們深入思考智慧的意義，以及如何定義和辨識非人類的智慧。 PubMed DOI

這篇論文提出「功能情境N-Frame模型」，結合預測編碼、量子貝葉斯主義和演化動力學，來解釋人類和AI意識如何在量子認知系統中更新信念與互動。模型認為認知偏誤其實是量子世界下的適應策略，並用量子數學來描述這些過程，提供檢驗AI意識的新方法，也有助於解決量子測量問題。 PubMed DOI