Machine Psychology: Integrating Operant Conditioning with the Non-Axiomatic Reasoning System for Advancing Artificial General Intelligence Research

本文介绍了一个跨学科的框架，称为“机器心理学”，它将操作学习心理学原理与特定的人工智能模型——非公理推理系统（NARS）相结合，以增强人工通用智能（AGI）研究。该框架的核心前提是适应对于生物和人工智能都至关重要，并可以通过操作条件反射原理来理解。该研究通过三个操作学习任务使用OpenNARS for Applications（ONA）来评估这种方法：简单辨别、改变条件和条件辨别任务。 在简单辨别任务中，NARS表现出了快速学习的能力，在训练和测试阶段均取得了完美的准确度。改变条件任务展示了NARS的适应性，当任务条件被反转时，它成功地调整了其行为。在条件辨别任务中，NARS有效地处理了复杂的学习场景，通过形成和利用基于条件线索的复杂假设，实现了高准确度。 这些发现支持将操作条件反射作为创建自适应AGI系统的框架。NARS在知识和资源不足的情况下运作的能力，再加上其感知运动推理能力，使其成为AGI的强大模型。机器心理学框架通过融合自然智能的连续学习和目标驱动行为等元素，为实际应用提供了一种可扩展和灵活的方法。未来的研究应探索使用增强的NARS系统、更复杂的任务，并将该框架应用于各种复杂的挑战，以进一步推进人类级别的AI的发展。

论文旨在通过结合操作学习心理学原则和特定的人工智能模型，即非公理推理系统（NARS），提高人工通用智能（AGI）研究的水平。研究的核心前提是适应性对于生物和人工智能都至关重要，可以通过操作条件反射原则来理解。

论文提出了一个名为“机器心理学”的跨学科框架，将自然智能的元素如连续学习和目标驱动行为与人工智能相结合，提供了一种可扩展和灵活的方法来应对现实世界的应用。

论文使用了OpenNARS for Applications（ONA）进行了三个操作学习任务的评估：简单区分、改变条件和条件区分任务。实验结果表明NARS能够快速学习、适应性强，并且能够处理复杂的学习场景。这一发现支持将操作条件反射作为创建适应性AGI系统的框架。

在这个领域中，还有一些相关的研究。