数据压缩与好奇心驱动的智能

该论文提出了一项简单而核心的算法原理来解释好奇心、创造力、艺术和科学等基本认知现象。作者阐述了数据压缩的进展（即观察者不断学习以更简单、更优化的方式预测或编码数据）如何驱动着内在好奇心和奖励机制。这种驱动力最大化了主观趣味性，被定义为主观美感或可压缩性的导数，也就是学习曲线的斜率，从而激励智能系统（包括人类和人工系统）进行主动探索和发现。该框架详细讨论了这一原理的各种后果，包括注意力机制、艺术和科学的起源以及主观美感的概念，并提供了基于强化学习和压缩进度的具体算法实现概述。参考文献Jürgen Schmidhuber，Driven by Compression Progress: A Simple Principle Explains Essential Aspects ofSubjective Beauty, Novelty, Surprise, Interestingness, Attention, Curiosity, Creativity,Art, Science, Music, Jokes前往小宇宙评论区与主播互动