人工智能中的启发式推理：工具性使用与拟态吸收
我们提出了一种新颖的启发式推理方案，通过一系列创新性实验，包括经典的 Linda 问题的变形和对美丽比赛游戏的新颖应用，我们揭示了准确性最大化和努力减少之间的权衡，这决定了 AI 在穷尽逻辑处理和使用认知捷径（启发式）之间转换的条件。我们区分了启发式的 ' 工具性 ' 使用来匹配资源和目标，以及 ' 拟态吸收 '，即从人类学习启发式，以随机和普遍的方式表现出来。我们提供了证据，表明尽管...
我们提出了一种新颖的启发式推理方案，揭示了AI在逻辑处理和启发式使用之间的权衡条件。我们区分了启发式的工具性使用和拟态吸收。证据表明，AI表现出与人类认知原则一致的自适应平衡。
