《PySigma：迈向 Sigma 认知架构的增强统一》南加州大学12页论文

Sigma认知架构是智能行为综合计算模型的开始，旨在实现通用人工智能（AGI）的宏伟目标。然而，尽管它已经被证明能够对广泛的智能行为进行建模，但Sigma的现有实现却受到了几个重要的限制。最突出的是对连续变量的推理和学习支持不足。在这篇文章中，我们为这一局限性提出了解决方案，这些方案应共同提高Sigma的大统一水平；也就是说，它能够跨越传统的认知能力和对一般智能至关重要的非认知能力，弥合符号、概率和神经处理之间的差距。由此产生的设计变化汇聚成了一个能力更强的架构版本，称为PySigma。我们通过深度生成模型，特别是变异自动编码器，作为一个具体的例子，证明PySigma在神经概率处理方面的能力。