Ganapini 团队提出 AI 元认知架构：融合卡尼曼快慢思维

一篇由 Marianna Bergamaschi Ganapini 等九位学者合著的论文提出，当前 AI 系统虽已在图像识别、自然语言处理、分类和预测等任务上表现优异，但这些成就高度依赖海量数据和算力，系统本身仍缺乏人类智能中的多项核心能力。论文认为，深入研究人类获得这些能力的机制，有助于理解如何在 AI 系统中注入类似能力。

论文聚焦于诺贝尔奖得主丹尼尔·卡尼曼的「快慢思考」理论，据此提出一种多智能体 AI 架构在这种架构中，传入的问题由两类智能体处理：一是「系统 1」智能体，即依赖过往经验快速反应的「快」智能体；二是「系统 2」智能体，即在需要推理和搜索最优解时被有意激活的「慢」智能体两类智能体由一个世界模型（含环境领域知识）和一个自我模型（含系统过往行为及求解者技能信息）共同支撑。

该论文于 2021 年 10 月 5 日提交至 arXiv（编号 2110.01834），目前被归类于人工智能（cs.AI）子领域，相关页面已在 Hacker News 获得 47 分和 5 条评论的讨论热度。这项工作的价值在于，它不试图用更大模型硬扛所有问题，而是用架构区分「本能反应」与「深思熟虑」，这为资源分配和可解释性提供了新视角。