计算机科学 > 人工智能
[提交于 2025年5月5日
(v1)
,最后修订 2025年6月11日 (此版本, v2)]
标题: 计算不可约性作为能动性的基础:连接复杂系统中不可判定性与自主行为的形式模型
标题: Computational Irreducibility as the Foundation of Agency: A Formal Model Connecting Undecidability to Autonomous Behavior in Complex Systems
摘要: 本文提出了一种正式模型,证明了真正的自主性——系统自我调节和追求目标的能力——从根本上从外部视角暗示了计算上的不可预测性。 我们建立了精确的数学联系,证明对于任何真正自主的系统,关于其未来行为的问题本质上是不可判定的。 这种形式上的不可判定性,而非仅仅是复杂性,构成了自主系统与非自主系统之间的原则性区别。 我们的框架整合了来自计算理论和生物学的见解,特别是关于涌现的代理性和计算不可约性的见解,以解释新颖的信息和目的如何在一个物理宇宙中产生。 这些发现对人工智能、生物建模以及自由意志等哲学概念具有重要意义。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.