本研究探讨了大型语言模型（LLMs）在道德判断中的评估，指出现有方法简化了复杂的道德困境。通过分析“AITA”社区的案例，发现LLMs的道德判断与人类显著不同，强调了在人工系统中实施一致道德推理的复杂性，提醒我们需谨慎评估其道德决策。

本研究探讨人工系统的意识问题，挑战其无感知意识的观点。通过全球工作空间理论，提出将人工语言代理转变为具备感知意识的可能性，并制定应用意识科学于人工系统的方法。

本研究探讨了人工系统实现类人记忆回忆的挑战，提出了一种图像编码方式，模仿人类大脑保留的高层信息。该方法在自然图像上达到了97%的准确率，揭示了人工智能在机器学习中的应用前景。