Размышления за пределами токенов: от биологически вдохновленного интеллекта к когнитивным основам искусственного общего интеллекта и его влиянию на общество

Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact

July 1, 2025

Авторы: Rizwan Qureshi, Ranjan Sapkota, Abbas Shah, Amgad Muneer, Anas Zafar, Ashmal Vayani, Maged Shoman, Abdelrahman B. M. Eldaly, Kai Zhang, Ferhat Sadak, Shaina Raza, Xinqi Fan, Ravid Shwartz-Ziv, Hong Yan, Vinjia Jain, Aman Chadha, Manoj Karkee, Jia Wu, Philip Torr, Seyedali Mirjalili

cs.AI

Аннотация

Способны ли машины по-настоящему мыслить, рассуждать и действовать в различных областях подобно людям? Этот вечный вопрос продолжает формировать поиск Искусственного Общего Интеллекта (AGI). Несмотря на растущие возможности моделей, таких как GPT-4.5, DeepSeek, Claude 3.5 Sonnet, Phi-4 и Grok 3, которые демонстрируют мультимодальную гибкость и частичное рассуждение, эти системы остаются принципиально ограниченными из-за их зависимости от предсказания на уровне токенов и отсутствия заземлённого агентства. В данной статье предлагается междисциплинарный синтез развития AGI, охватывающий искусственный интеллект, когнитивную нейронауку, психологию, генеративные модели и системы на основе агентов. Мы анализируем архитектурные и когнитивные основы общего интеллекта, подчеркивая роль модульного рассуждения, устойчивой памяти и координации множества агентов. В частности, мы акцентируем внимание на появлении агентских RAG-фреймворков, которые сочетают поиск, планирование и динамическое использование инструментов для обеспечения более адаптивного поведения. Мы обсуждаем стратегии обобщения, включая сжатие информации, адаптацию во время тестирования и методы без обучения, как ключевые пути к гибкому, доменно-независимому интеллекту. Модели "Видение-Язык" (VLMs) переосмысливаются не только как модули восприятия, но и как развивающиеся интерфейсы для воплощённого понимания и совместного выполнения задач. Мы также утверждаем, что истинный интеллект возникает не только за счёт масштаба, но благодаря интеграции памяти и рассуждения: оркестровке модульных, интерактивных и самоулучшающихся компонентов, где сжатие обеспечивает адаптивное поведение. Опираясь на достижения в нейросимволических системах, обучении с подкреплением и когнитивных каркасах, мы исследуем, как современные архитектуры начинают сокращать разрыв между статистическим обучением и целенаправленным познанием. Наконец, мы выделяем ключевые научные, технические и этические вызовы на пути к AGI.

English

Can machines truly think, reason and act in domains like humans? This enduring question continues to shape the pursuit of Artificial General Intelligence (AGI). Despite the growing capabilities of models such as GPT-4.5, DeepSeek, Claude 3.5 Sonnet, Phi-4, and Grok 3, which exhibit multimodal fluency and partial reasoning, these systems remain fundamentally limited by their reliance on token-level prediction and lack of grounded agency. This paper offers a cross-disciplinary synthesis of AGI development, spanning artificial intelligence, cognitive neuroscience, psychology, generative models, and agent-based systems. We analyze the architectural and cognitive foundations of general intelligence, highlighting the role of modular reasoning, persistent memory, and multi-agent coordination. In particular, we emphasize the rise of Agentic RAG frameworks that combine retrieval, planning, and dynamic tool use to enable more adaptive behavior. We discuss generalization strategies, including information compression, test-time adaptation, and training-free methods, as critical pathways toward flexible, domain-agnostic intelligence. Vision-Language Models (VLMs) are reexamined not just as perception modules but as evolving interfaces for embodied understanding and collaborative task completion. We also argue that true intelligence arises not from scale alone but from the integration of memory and reasoning: an orchestration of modular, interactive, and self-improving components where compression enables adaptive behavior. Drawing on advances in neurosymbolic systems, reinforcement learning, and cognitive scaffolding, we explore how recent architectures begin to bridge the gap between statistical learning and goal-directed cognition. Finally, we identify key scientific, technical, and ethical challenges on the path to AGI.