Sutton重磅概念论文：AI走向「生成认知」

当前的传统人工智能（包括主流的大语言模型）忽略了认知与环境的实时互动，应当将认知科学中的「生成论（Enactivism）」方法引入人工智能领域。 独立研究员 Banafsheh Rafiee 与人工智能领域的先驱、强化学习之父 Richard S. Sutton 新论文提出了 AI 需要转向 Enactive（能动/具身）认知范式。 🧠 什么是生成式认知（Enactive Cognition）？ 传统的表征主义（Representationalist）认为，大脑就像一个中央处理器：身体接收感官输入，在大脑中构建世界的「内部表征」（即内部地图/模型），进行符号推理，然后发出动作指令 而生成式认知彻底否定了这种「先感知、再思考、后行动」的割裂视图，它主张知行合一，感知、认知和行动是相互构成的，是在与环境的持续互动中共同展开的 。 🔆 论文提炼出 4 个核心概念 1.Experience 真正的经验是活的，是智能体在环境中展现技能的互动过程，跟那些死板的静态数据集完全是两码事。世界永远比模型大，AI 必须去实时探索。 2.Action–Perception Inseparability 感知不是被动接收输入，是通过行动主动塑造感知。转头、移动、手动探索……感知本身就是行动。 3.Autonomy & Normativity AI得有「自己的需求」和内在评价标准，不是完全依赖人类给的奖励或标签。 4.Embodiment 身体绝不是累赘，是塑造智能可能性的关键。有时候，光靠身体物理形态的巧妙设计，就能直接把计算给省了（形态计算）。 尽管强化学习通过强调「智能体-环境交互、试错体验、反馈驱动评估」在结构上与生成论产生了某种共振（Structural Resonance），但这并不等同于理论上的完全一致 。 现在 RL 近似「持续互动」和「从经验学习」，但在技能性规范性、完全内在自主、强具身等方面仍欠缺。 这是一篇概念性/哲学-计算交叉论文，由 RL 领域大牛 Sutton 参与，带有强烈「经验主义」色彩。他提出的是框架性呼吁：AI 社区应当朝向「生成式人工智能（Enactive AI）」深度融合。 强烈推荐 AI 哲学基础、具身智能、RL 未来方向感兴趣的同学！