通用人工智能中的自适应纠缠游戏模块

arXiv:2609.09226v1 公告类型：新 摘要：我们引入了一种概率波框架，用于对交互自适应代理的集体行为进行建模，通过广义行为智能 (GBI) 非局部概率波方程导出可测试的本征模式。该框架通过分析机制捕获了广泛的人类智力行为，并提供了一种间接方法来通过集体交易者行为检验大脑中非局部缠结神经纤维的刘-陈-奥（LCA）假说。我们对中国盘中股市数据的实证分析表明，自适应纠缠博弈模式解释了 82-94%（总体 89%）的观察到的决策模式，这与基于独立理性主体的新古典金融的预测形成鲜明对比。此外，2-12% 的行为表现出对日内新闻、事件和环境的适应，其特征是双重平衡状态和突然的参考点转移，而纯粹独立模式发生的情况不到 5%。这些发现在经验上支持了 LCA 假说，因为可观察的交易行为反映了行为心理学中潜在的大脑机制和内部智能决策。我们的结果强调了将自适应纠缠游戏模块纳入通用人工智能 (AGI) 架构的必要性，从而解决基于传统人工神经网络 (ANN) 的人工智能的局限性，该人工智能依赖于数万亿个不透明参数。通过将基于 ANN 的人工智能与基于概率波的纠缠脑模拟相结合，机器学习可以丰富 AGI 基础模型 (FM)，并促进利用大脑启发机制的类人处理单元 (HPU) 的开发。此类 HPU 最终可能会创建更紧凑、更高效、更强大的 AGI 系统，特别是对于实体智能和机器人技术。