认知合理性、人工智能和大脑

在最近一篇题为“奖励足够”的 DeepMind 论文中，David Silver、Satinder、Doina 和 Richard Sutton 明确了这一点。 他们认为“最大化奖励足以驱动表现出大部分（如果不是全部）智力属性的行为。”但奖励还不够。 这种说法是循环的、简单化的和含糊的。 它解释得很少，因为它在高度结构化和受控的环境中毫无意义。 人类做了很多没有任何回报的事情，包括写关于回报的废话。

想象一下，您或您的团队能够谈论您的解决方案以及它是多么聪明或合理。 这种解决方案争论不休。 您没有考虑具体问题，也没有考虑将受其影响的人。 认知合理性对商业领袖和从业者很重要，因为它表明了错误的文化。 现实世界的问题解决是解决世界对智能提出的问题的唯一途径，这些问题的解决方案在认知上永远不合理。 业内人士可能希望他们的解决方案共享他们的目标，但您的解决方案不需要知道您正在解决特定问题。

如果您正在努力实现目标，那么“认知上合理”或合乎逻辑的解决方案并不重要。 如果您不在乎解决方案是如何实现的，那么您可以做任何事情。 关注问题的目标和最佳解决方案比实现问题的方式更重要，无论解决方案是自引用的还是解决问题后解决方案的样子。

来源和详细信息：
https://bdtechtalks.com/2022/02/04/ai-brain-cognitive-plausibility/