新联想主义：深度学习的教训

arXiv:2606.20600v1 公告类型：新 摘要：现代人工智能的成功可以告诉我们有关人类如何学习的哪些信息？本文认为，认真对待人工智能作为人类学习的模型支持了适度但真正的联想主义。核心发现是，监督学习（由评估反馈驱动的学习）是令人惊讶的广泛当代人工智能系统的基础，从大型语言模型到游戏代理，其主要区别在于生成相关反馈信号需要多少工作。这证明了联想主义关于跨领域运作的统一、渐进、错误驱动的学习机制的理想，并平息了曾经有影响力的论点，即联想机制过于有限，无法解释人类的认知能力。与此同时，深度学习的成功取决于远远超出经典联想主义者设想的计算架构，监督学习作为其中的一个组成部分而不是学习的完整说明在其中运行。