Abstract LIDA is a systems-level, biologically-inspired cognitive architecture. More than a decade of research on LIDA has seen much conceptual work on its learning mechanisms, and resulted in a set of conceptual commitments that constrain those mechanisms; perhaps the most essential of these constraints is the Conscious Learning Hypothesis from Global Workspace Theory, which asserts that all significant learning requires consciousness. Despite these successes, many conceptual challenges remain, and bridging the divide between LIDA’s conceptual model and its implementations has been challenging. The contributions of this paper are threefold: We present a detailed survey of learning in LIDA, during which we clarify, elaborate on, and synthesize together ideas from numerous papers, using updated terminology that reflects the continuing evolution of LIDA. We explore foundational issues in learning, such as, “What must be innate or built-in?” versus “What can be learned?”, the nature of LIDA’s representations, and the relationship between the LIDA conceptual model and its computational realizations. Finally, we provide a roadmap for future work. We believe that this paper will direct and catalyze our research endeavors, and provide a thorough introduction to the conceptual foundations of LIDA’s learning mechanisms that will be useful to anyone that would like a deeper understanding of LIDA or for those that plan to implement LIDA-based agents.

中文翻译：

---

在利达学习

摘要 LIDA 是一种系统级的、受生物学启发的认知架构。对 LIDA 的十多年研究已经看到了许多关于其学习机制的概念性工作，并产生了一系列约束这些机制的概念承诺；也许这些限制中最重要的是来自全球工作空间理论的有意识学习假说，该假说断言所有重要的学习都需要意识。尽管取得了这些成功，但仍然存在许多概念上的挑战，弥合 LIDA 的概念模型与其实施之间的鸿沟一直具有挑战性。本文的贡献有三方面：我们对 LIDA 中的学习进行了详细调查，在此期间，我们澄清、阐述并综合了大量论文中的想法，使用反映 LIDA 持续发展的更新术语。我们探索学习中的基本问题，例如，“什么必须是先天的或内在的？” 与“可以学到什么？”、LIDA 表示的性质以及 LIDA 概念模型与其计算实现之间的关系。最后，我们为未来的工作提供了路线图。我们相信本文将指导和催化我们的研究工作，并提供对 LIDA 学习机制的概念基础的全面介绍，这对任何想要更深入了解 LIDA 或计划实施基于 LIDA 的人都有帮助。代理。以及 LIDA 概念模型与其计算实现之间的关系。最后，我们为未来的工作提供了路线图。我们相信本文将指导和催化我们的研究工作，并提供对 LIDA 学习机制的概念基础的全面介绍，这对任何想要更深入了解 LIDA 或计划实施基于 LIDA 的人都有帮助。代理。以及 LIDA 概念模型与其计算实现之间的关系。最后，我们为未来的工作提供了路线图。我们相信本文将指导和催化我们的研究工作，并提供对 LIDA 学习机制的概念基础的全面介绍，这对任何想要更深入了解 LIDA 或计划实施基于 LIDA 的人都有帮助。代理。