AI 新理论：提出“预测压缩”作为理解本质的核心机制

2026 年 9 月 7 日，arXiv cs.AI 发布一篇题为《Why We Care About Understanding: Competence through Predictive Compression》的文章。该研究提出人类理解与数据压缩存在本质关联，认为理解采取高度压缩形式。文章构建了三个相互关联的论点：首先，将理解视为鲁棒能力的代理，用于识别值得信任的对象；其次，指出理解即掌握领域关系结构以进行预测，可预测性消除了存储冗余，强调压缩是理解的表征而非等同物；最后，认为人类理解的受托与传递功能驱动其向原则性简单化发展。该框架旨在解释“压缩主义”理解观的吸引力与局限，并揭示了人工智能系统的不可知性。