查看PDF HTML（实验性）摘要：近年来，人工智能系统经历了显著的发展，带来了许多渗透我们日常生活的应用。然而，我们仍然主要看到的是狭义人工智能的实例：许多最近的发展通常集中在非常有限的能力和目标上，例如图像解读、自然语言处理、分类、预测等。此外，虽然这些成功可以归功于改进的算法和技术，但它们也与海量数据集和计算能力的可用性密切相关。最先进的人工智能仍然缺乏许多自然应包含在（人类）智能概念中的能力。我们认为，更好地研究使人类具备这些能力的机制可以帮助我们理解如何将这些能力注入到人工智能系统中。我们特别关注D. Kahneman的快速与慢速思考理论，并提出一种多智能体人工智能架构，其中来临的问题由“系统1”（或“快速”）代理解决，他们仅通过利用过去的经验进行反应，或者由“系统2”（或“慢速”）代理解决，这些代理在需要推理和寻找超出系统1代理预期的最佳解决方案时被有意激活。两种类型的代理都由一个世界模型支持，该模型包含关于环境的领域知识，以及一个关于“自我”的模型，包含有关系统过去行为和解题技能的信息。主题：人工智能（cs.AI）引用为：arXiv:2110.01834 [cs.AI]（对于此版本，引用为arXiv:2110.01834v1 [cs.AI]）https://doi.org/10.48550/arXiv.2110.01834 arXiv发布的DOI通过DataCite提交历史来自：Andrea Loreggia [查看电子邮件] [v1] 2021年10月5日星期二 06:05:38 UTC（560 KB）