近日来随着ChatGPT的爆火出圈，人们关于“人工智能否取代人”的讨论再次登上各版头条，一面是AI代替人工的“压迫”一面是人类情感多元的无可取代。
AI自己的回答 那么人工智能到底能否像人那样思考呢？如果可以，需要哪些支撑呢？这中间又要经过多少历程？想要回答这些问题，我们首先要厘清人是怎么思考的，这涉及到认知架构。 认知架构是通用人工智能研究的一个子集，始于 1950 年代，其最终目标是对人类思维进行建模，这将使我们更接近构建人类水平的人工智能。此外，认知架构试图提供证据来表明特定机制能够成功地产生智能行为，从而有助于认知科学的研究。根据过去 40 年对认知架构的研究，现有架构的数量接近几百个。 从历史上看，心理学和计算机科学是认知架构的灵感来源，即人类认知过程的理论模型和相应的软件工件，允许演示和评估潜在的心理理论。认知架构通常具有与人类认知能力相对应的功能模块，并解决行动选择、适应性行为、高效数据处理和存储等问题。 鉴于人脑的复杂性，认知架构当然是一个十分庞杂的系统。本文只为大家介绍其中有关记忆的部分（有了之前的知识积累，这对本号的读者来说理解相对容易）。
记忆是任何系统级认知模型的重要组成部分，无论模型是否用于研究人类思维或解决工程问题。几乎所有架构都具有存储计算中间结果的记忆系统，从而能够学习和适应不断变化的环境。 记忆根据其持续时间（短期和长期）和类型（程序性、陈述性、语义等）来描述：长期知识通常被称为事实和解决问题规则的知识库，这些规则对应于语义和程序的长期记忆。短期存储通常由当前世界模型或目标堆栈的内容表征。 短期存储分为感觉记忆和工作记忆。感官或感知记忆是一个非常短期的缓冲区，它存储了几个最近的感知。工作记忆是感知临时存储，它也包含与当前任务相关的其他项目，并且经常与当前的注意力焦点相关联。
三类模型： 神经架构（Emergent，受到生物启发的架构，主要是神经流派） 混合架构（Hybrid，包含符号和神经流派） 符号架构（Symbolic） 记忆分类： sensory感知 WM工作 semantic语义 procedural程序 episodic情景 global全局
这里只是一个记忆相关的架构分类，较为宏观，尽管如此也已经感觉到了肉眼可见的任重道远。至于工作记忆具体如何实现
工作记忆可以定义为临时存储与当前任务相关的信息的机制。这对于注意力、推理和学习等认知能力至关重要，本质上，所有认知框架都以某种形式间接地实现了工作记忆。工作记忆的特定实现主要在于存储哪些信息、如何表征、取用和维持。
关于工作记忆的实现，有以下几种：
工作记忆保存着最相关的知识，这些知识是由上层“归纳偏置”决定的长期记忆检索出来的。这种“归纳偏置”被称为激活，包括每次访问时的基本级激活（可能会减少或增加），也可能包括来自邻近元素的扩散激活。元素的激活越高，它就越有可能进入工作记忆，并直接影响系统的行为，这种情况比较适用于基于图的知识结构。 激活也可以用于神经网络表征。激活机制有助于模拟工作记忆的许多属性，例如有限容量、时间衰减、随着环境变化而快速更新、与其他记忆组件的连接以及决策。 黑板架构，它将记忆表征为目标、问题和部分结果的共享存储库，可以由并行运行的模块访问和修改。 工作记忆是一种相对较小的临时存储器，从生物现实主义的角度来看，它的容量应该是有限的。 一种更常见的方法是，根据条目在变化上下文中的最近性或相关性，逐渐从记忆中删除它们。 目前还不清楚在这些条件下，工作记忆的大小是否可以在没有任何额外限制的情况下大幅增长。此外，记忆中的组块数量决定了硬限制，然后，当新信息到达时，旧的或最不相关的项目将被删除，以避免溢出。
另外还有一类全局记忆。尽管存在不同的记忆系统，但一些架构对不同类型的知识或短时记忆和长时记忆没有单独的表征，而是使用统一的结构来存储系统中的所有信息。 在一些神经架构中，神经元作为工作记忆或长期记忆的作用是动态的，取决于神经元是否被激发。
总的来说，认知架构中的记忆研究主要涉及记忆的结构、表征和提取。相对来说，很少有人关注与维护大规模记忆存储相关的挑战，因为智能代理的域和时间跨度通常是有限的。相比之下，人类的记忆容量非常大。 记忆只是冰山一角，就认知架构梳理的情况来看，AI能否取代人类的问题我们先不下定论，似乎当前更重要的是我们先弄清楚自己大脑的工作模式，并在此基础上合理利用有效提高。“知己知彼百战不殆”，这样就算是将来某一天AI“进化”到某一个程度，人类也无需恐慌也能够从容应对。
