人类模拟计算：一种受人类启发的自适应人工智能系统框架

大型语言模型（LLMs）在基于文本数据的知识表示和推理方面表现出强大的能力。然而，它们仅依赖语言材料的局限性限制了其适应能力、推理结果验证以及在开放和动态现实环境中的有效运行。本文提出了一种受人类启发的计算框架——人类模拟计算（Human Simulation Computation, HSC），将智能建模为一个连续的闭环过程，包括思考、行动、学习、反思和活动调度，统称为内部推理过程。HSC强调在内部推理过程中以及与环境的互动中积极参与，其中行动不仅用于实现目标，还能够自动优化和改进内部推理机制，无需外部干预。此外，HSC在整个内部推理过程中融合了常用的类人思维策略，如以主要特征为导向的推理、通过行动扩展范围以及由环境反馈驱动的实时学习。通过理论分析，我们认为仅凭语言材料无法完全学习人类模拟策略，类人推理过程和基于行动的推理方法对于在现实环境中实现稳健适应和有效交互至关重要。