21世纪新一代人工神经网络 — 具身认知神经网络

面向21世纪，为构建一种具有自适应结构、可解释、泛化强和能效高的人工神经网络（ANN），探索新一代ANN的基础理论、模型和架构。ANN从20世纪40年代首次提出，发展至今已80多年，并将延展至21世纪中叶。本文按五个维度特征将ANN划分成五个时代。当前，处在第四代ANN，其主要特征是数据拟合、深度学习、注意力机制和Transformer结构，以大语言模型为基础的ChatGPT为代表，通过了对话式图灵测试，但属于“黑箱”测试，并局限于离身智能的涌现。根源是基于规模扩展缩放定律的大语言模型本质上不对称性，缺乏对现实世界物理规律的理解，多模态、多形态输出智能呈锯齿型且能效低；而具身智能形态机器人的神经网络还缺少自主智能，只能按预设程序完成规定动作，ANN在离身智能和具身智能之间出现巨大鸿沟。为解决第四代ANN的这些重大缺陷，需要新的理论、模型和架构支撑。当前，围绕下一代ANN的发展方向和技术路线，出现了很多争论和分歧。本文追溯前四代ANN主流理论、模型和架构的发展，重点分析了几种第四代ANN及其增强版的特点，评述了面向第五代ANN的世界模型与联合嵌入预测架构、认知螺旋模型与智痕元胞网络架构。最后，以认知物理学理论和驾驶脑认知技术实践为基础，提出一种具有第五代ANN核心特征的具身认知物理神经网（E-CoPNN）轻量化架构。结论和意义：当今，构建面向21世纪的新一代ANN，在哲学上将从身心二元论转向具身知觉一元论；在理论上，将从20世纪的生物物理学拓展到21世纪的认知物理学；在模型上，将推动ANN研究范式从数据拟合转向结构重构；在应用上，将填补ANN发展中离身智能与具身智能的鸿沟；在代际上，将从第四代ANN跃升到具有类脑认知和自适应结构等特征的第五代ANN；并为实现会学习、自成长、自纠错、可交互的具身认知机器人广泛应用奠定基础，支撑认知为融合先导的四大科技“纳米-生物-信息-认知”（NBIC）聚合发展，提高人类智能能力，迎接认知革命。