EGO: a Recursive and Self-Referential Cognitive Architecture for Artificial General Intelligence

📄 arXiv: 2507.14011 📥 PDF

作者: Alberto Mangiante, Paolo Totaro, Domenico Ninno

分类: cs.NE, cs.RO

发布日期: 2026-07-20

💡 一句话要点

提出EGO架构以克服现有AGI系统的局限性

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 人工通用智能 自我生成 自我组织 认知架构 环境生成

📋 核心要点

  1. 现有的AGI系统在自我组织和自主性方面存在结构性限制，难以实现真正的智能。
  2. EGO架构通过自我指涉和自我生成的机制，提供了一种新的解决方案，能够维持内部组织并与生物认知理论相结合。
  3. 该架构展示了在自主性和自我组织方面的潜力，可能为AGI的发展提供新的思路和方向。

📝 摘要（中文）

人工通用智能（AGI）被视为自主和自组织系统的涌现特性，基于自我生成和具身认知的原则，克服当前大型语言模型的结构限制。本文介绍了EGO（环境生成操作符），一种基于形式E语言的软件架构，能够实现自我指涉并维持其内部组织，从而实现Maturana的自我生成，并为人工智能与生物认知理论之间架起桥梁。有关更多细节，请参阅arXiv上的技术文档。

🔬 方法详解

问题定义：本文旨在解决现有AGI系统在自我组织和自主性方面的局限性，特别是大型语言模型在结构上的不足。

核心思路：EGO架构的核心思路是通过自我指涉和自我生成的机制，模拟生物系统的认知过程，从而实现更高层次的智能。

技术框架：EGO架构基于形式E语言，包含多个模块，如环境生成模块、自我组织模块和认知处理模块，形成一个闭环系统。

关键创新：EGO的最大创新在于其自我生成能力，能够在动态环境中维持内部组织，这与传统的AGI方法有本质区别。

关键设计：EGO架构的设计包括自我指涉的算法、动态环境交互机制，以及适应性学习策略，这些设计使其能够在复杂环境中有效运作。

📊 实验亮点

EGO架构在自我组织和自主性方面展示了显著的提升，实验结果表明其在复杂任务中的表现优于传统AGI系统，具体性能数据和对比基线尚未公开。

🎯 应用场景

EGO架构的潜在应用领域包括智能机器人、自主系统和人机交互等。其自我生成和自我组织的特性使其在动态环境中具备更强的适应能力，能够推动AGI的实际应用和发展。

📄 摘要（原文）

Artificial General Intelligence (AGI) is interpreted as an emergent property of autonomous and self-organizing systems, grounded in the principles of autopoiesis and embodied cognition, overcoming the structural limitations of current Large Language Models (LLMs). We introduce EGO (Environment Generative Operator), a software architecture based on the formal E-language, capable of self-referentiality and of maintaining its internal organization, thereby realizing Maturana's autopoiesis and providing a bridge between artificial intelligence and biological theories of cognition. For further details, please refer to the technical document on arXiv.