本文试图回答无监督学习中的一个核心问题：“理解”一个感觉序列意味着什么？在我们的形式化中，有意义涉及构建一个符号因果理论，该理论既可以解释感官序列，又可以满足一组统一条件。统一条件坚持因果理论的组成部分——对象、属性和规律——必须整合成一个连贯的整体。在我们看来，理解感官输入是一种程序综合，但它是无监督的程序综合。我们的第二个贡献是计算机实现，即统觉引擎，旨在满足上述要求。我们的系统能够从极少量的数据中产生可解释的人类可读的因果理论，因为统一条件提供了强大的感应偏置。我们的系统产生的因果理论能够预测未来的传感器读数，以及追溯早期读数，并以任何组合估算（填补）缺失的感官读数。我们在各种不同的领域测试了引擎，包括元胞自动机、节奏和简单的儿歌、多模态绑定问题、遮挡任务和序列归纳智能测试。在每个领域，我们测试我们的引擎预测未来传感器值、追溯早期传感器值和估算缺失的传感器数据的能力。该引擎在所有这些领域都表现良好，明显优于神经网络基线。我们特别注意到，在序列归纳智力测试中，我们的系统达到了人类水平的表现。



"点击查看英文标题和摘要"