
-
生物通官微
陪你抓住生命科技
跳动的脉搏
元认知架构如何记住自己的思维:一项系统性的范围审查
《ARTIFICIAL INTELLIGENCE REVIEW》:How metacognitive architectures remember their own thoughts: a systematic scoping review
【字体: 大 中 小 】 时间:2026年08月28日 来源:ARTIFICIAL INTELLIGENCE REVIEW 18.8
编辑推荐:
摘要元认知因其能够提升人工智能体的自主性和适应性而受到了广泛关注,但该领域仍存在碎片化现象:多种理论、术语和设计选择导致发展各异,系统间的可比性有限。现有的综述大多停留在概念层面,未能区分不同系统所使用的底层算法、表示方式及其实际效果。我们通过开展系统的范围审查来填补这一空白。本
元认知因其能够提升人工智能体的自主性和适应性而受到了广泛关注,但该领域仍存在碎片化现象:多种理论、术语和设计选择导致发展各异,系统间的可比性有限。现有的综述大多停留在概念层面,未能区分不同系统所使用的底层算法、表示方式及其实际效果。我们通过开展系统的范围审查来填补这一空白。本次审查纳入的报告须描述那些能够使计算元认知架构(Computational Metacognitive Architectures, CMA)对Flavell(1979)提出的元认知三个基本组成部分中的“元认知体验”进行建模、存储、记忆和处理的技术。检索工作于2023年12月至2024年6月在16个数据库中进行。数据通过包含20个方面的框架进行整理,并通过结构化的叙事分析方法进行处理。最终共收集到101篇关于35种不同计算元认知架构的报告。研究结果表明,元认知体验有望提升系统性能和可解释性(例如通过自我修复机制)。然而,缺乏标准化以及评估手段的有限性阻碍了进展:在这一审查关注的范围内,仅有17%的计算元认知架构接受了定量评估;术语上的不一致性也限制了跨架构的整合。各系统在记忆内容、数据类型及所使用的算法方面存在显著差异。研究存在的局限性还包括检索查询的非迭代性、数据来源的多样性以及亚符号计算元认知架构的代表性不足。未来的研究应侧重于标准化和评估工作(例如通过社区驱动的挑战活动),并将有前景的原则应用于新兴系统中。
元认知因其能够提升人工智能体的自主性和适应性而受到了广泛关注,但该领域仍存在碎片化现象:多种理论、术语和设计选择导致发展各异,系统间的可比性有限。现有的综述大多停留在概念层面,未能区分不同系统所使用的底层算法、表示方式及其实际效果。我们通过开展系统的范围审查来填补这一空白。本次审查纳入的报告须描述那些能够使计算元认知架构(Computational Metacognitive Architectures, CMA)对Flavell(1979)提出的元认知三个基本组成部分中的“元认知体验”进行建模、存储、记忆和处理的技术。检索工作于2023年12月至2024年6月在16个数据库中进行。数据通过包含20个方面的框架进行整理,并通过结构化的叙事分析方法进行处理。最终共收集到101篇关于35种不同计算元认知架构的报告。研究结果表明,元认知体验有望提升系统性能和可解释性(例如通过自我修复机制)。然而,缺乏标准化以及评估手段的有限性阻碍了进展:在这一审查关注的范围内,仅有17%的计算元认知架构接受了定量评估;术语上的不一致性也限制了跨架构的整合。各系统在记忆内容、数据类型及所使用的算法方面存在显著差异。研究存在的局限性还包括检索查询的非迭代性、数据来源的多样性以及亚符号计算元认知架构的代表性不足。未来的研究应侧重于标准化和评估工作(例如通过社区驱动的挑战活动),并将有前景的原则应用于新兴系统中。