持续机器人学习中涌现“自我”的证据

理解自我意识的关键挑战在于量化智能系统是否具备“自我”概念及其与其他认知结构的区分。本文提出，“自我”可通过寻找认知过程中相对于快速习得的知识与技能变化较小的不变部分来隔离。基于此原则，我们分析了两种条件下机器人的认知结构：一种执行恒定任务，另一种进行多变任务的持续学习。研究发现，经历持续学习的机器人发展出了显著更稳定的不变子网络。该原则为探索其他认知 AI 系统中的自我性提供了新视角。