论文提出：智能是把惊喜转化为理解的能力
burny_tech · x · 2026-07-23
一篇论文把“智能”定义为把惊喜转化为理解的能力
预印本 《Intelligence from Learnable Novelty》 认为，智能不是“惊喜”本身，而是把新奇经验拆成可学习与不可学习两部分，只优化前者的能力。
- 作者指出两类常见目标各有失败方式：novelty search 容易被噪声困住，surprise minimization 则容易陷入静止。
- 论文提出一个基于reservoir computing 的廉价可微估计器，用来衡量“可学习新奇性”。
- 实验显示，该方法可以：
- 复现复杂性分类中的经典结果，把 Rule 110 排到元胞自动机前列；
- 生成 solitons 及其碰撞/传播结构；
- 在无标签条件下对 MNIST 做聚类；
- 作为强化学习的内在奖励，提升探索能力。
- 作者试图用一个统一的可微量，把复杂性生成、抽象与探索联系起来。
所属事件:新论文提出智能统一框架：追求可学习的新颖性(6 条相关)→
「研究」频道最新
- 吴恩达称美国顶尖 AI 团队正大量吸收中国研究 — bookwormengr · 2026-07-23
- Orthologic 类型系统主张保留并交否定但不要分配律 — burny_tech · 2026-07-23
- 儿科 AI 可信论文：要先补数据治理和信任基础设施 — IAmSamFin · 2026-07-23
- 论文称只训练0.77%参数，发布版却用了6.31% — yoavartzi · 2026-07-23
- 一套证明流程会在失败、审计与修复中反复迭代 — burny_tech · 2026-07-23
- 数学研究者提醒：AI 生成证明要先理解再写出来 — littmath · 2026-07-23