使AI代理具有自我编程能力的必要组件是什么？

通常认为AI代理具有“传感器”，“存储器”，“机器学习处理器”和“反应”组件。但是，具有这些功能的计算机不一定会成为自编程AI代理。除了上面提到的部分之外，要使机器成为自编程AI代理，是否还需要其他要素或细节？

例如，2011年发表的一篇论文宣称，解决智能化最大化的优化问题是自编程过程的必备功能，如下所述：

据说一个系统在学习有关其“认知基础结构”某些要素的知识时会执行自编程实例，其中后者被定义为系统的“智能关键”特征的模糊集合。从解决多特征系统智能最大化的优化问题的角度考虑，将系统特征的智能重要性定义为它的“特征质量”。

但是，这种“智能优化”的描述是模糊的。谁能为自编程代理的必要组件提供清晰的定义或更好的摘要？

_{这个问题来自2014年封闭测试版，询问者的UID为23。}

在最高层次上，它所需要的只是已经讨论过的各种系统都包含了代码对象。如果它可以从支持它们的格式化文本对象中解释其源代码/模型体系结构，可以通过拥有有用的ML模型来“理解”它们，并通过其反应来更改代码，那么它就可以进行自我编程。

也就是说，递归提高智能的背后的基本循环很简单。它进行自我检查，编写一个新版本，然后该新版本进行自我检查并编写一个新版本，依此类推。

困难部分来自较低层次。我们不需要发明像“传感器”这样的新概念，我们需要做的是构建非常非常复杂的传感器，这些传感器等于足以理解代码以检测和编写改进的任务。