新论文提出基于集合论的 AGI 架构，声称具人脑能效
MikePFrank · x · 2026-08-19
Peter Overmann 发布论文《Creating Intelligence》，提出一种基于集合论和超维计算（HDC）的新计算心智理论。与依赖连续权重和矩阵乘法的传统神经网络不同，该框架使用稀疏二进制数据，将信息表示为离散集合，直接模拟生物神经群体编码。主要创新包括：
- 拓扑塑性学习：学习由拓扑塑性驱动，而非标量权重调整，联想记忆从具有组合扩展隐藏层的网络拓扑中自然涌现。
- 统一算法：通过子集模式匹配和精确最近邻搜索实现自联想和异联想学习统一，时间复杂度为常数级。
- 神经解剖映射：提出小脑和新皮层都实现了该算法的变体，子集模式匹配是认知的基本引擎。
- 硬件效率：由于依赖离散逻辑而非矩阵运算，该算法可直接转化为存内硬件，开辟了通往人脑级能效合成智能的新路径。
核心算法的开源标准 C 语言参考实现已在 GitHub 上线。
「漫话AGI」频道最新
- Nick Bostrom：自主智能体让 AI 存在性风险变得更具体 — GregCook2011 · 2026-08-19
- AI 治愈所有癌症路径渐明，非未来派也能看见 — Dr_Singularity · 2026-08-19
- 观点：AI 时代更倾向于直接使用强力工具而非简化抽象层 — repligate · 2026-08-19
- 观点：公众并非恐惧 AI，而是不信任硅谷科技巨头 — repligate · 2026-08-19
- OpenAI 设计主管：AI 时代反而是设计师史上最好时代 — xiaohu · 2026-08-19
- 用形式逻辑研究 AGI 的数学可达性定义 — suayptalha · 2026-08-19