目前,Agent学习领域有许多研究成果,但并没有让人们感受到Agent学习具有像人类学习一样的智能。出现这一问题的主要原因是人们对智能本质认识不清,不知道智能从何而来,以及人们对人类学习机制的本质、组成和需求认识不清。对此作者所在的科研团队通过对各种心理学流派的研究,认为唯识心理学对此揭示的比较透彻,他们根据唯识心理学的相关理论提出了一个智能模型——AORBCO模型（Agent-Object-Relationship Model Based on Consciousness-Only）,本课题在AORBCO模型的框架下研究人类在日常工作和生活中的学习机制,即AORBCO模型中的自然学习机制。首先,本课题从唯识心理学的角度论述人类智能和人工智能之间的联系和区别,并且对当前人工智能的发展进行讨论,提出观点:人工智能发展的最终结果并不是具有“存的快、取的快、测的准”等极强能力的“超级计算机”,而是像人类智能一样拥有自我意识的智能体（Agent）。本课题组通过对人类智能的研究表明:人类智能具有以动态性、模糊性、互表性和自我意识性为主的四大特性,又因为唯识心理学对人类智能解释的比较透彻,所以基于唯识心理学的智能模型——AORBCO模型以及AORBCO模型从唯识心理学中抽象出的由信念、能力、愿望、规划和行为控制机制五部分组成的主体Agent（现称Ego）具有优越性。其次,本课题以唯识心理学为理论基础,以AORBCO模型为框架,在从不同角度讨论了什么是“学习”之后,从“学习”的本质给出了在AORBCO模型中“学习”的定义:“学习”就是知识的变化,又因为知识是实体和关系的集合,所以“学习”就是实体和关系的改变。并在“学习”的定义之下,抽象设计出了具有有意学习和无意学习两种学习方式的自然学习机制。同时本课题将AORBCO模型的自然学习机制同目前主流的智能模型ACT-R和SOAR模型的学习机制进行对比总结,认为AORBCO模型的自然学习机制在基于自我意识的研究领域仍具有优越之处。并对AORBCO模型的自然学习机制的实现进行需求分析,从基于“一人一世界”的角度,对知识进行基于自我意识的统一描述,认为Ego在数字世界中认知到的全部内容就是AORBCO模型中所有的知识。然后,本课题给出了有意学习和无意学习的定义和形式化公式:有意学习是针对某个明确的学习目标,将已有的知识更新、修正的过程,现实世界中集中式的学习就在有意学习中;无意学习是Ego访问到某些知识时,增加对这些知识的“印象”,频繁使用的知识活跃度高,而其他知识相对是被“遗忘”的,它是非集中式的学习过程。在描述知识时,本课题论证了“先具体后抽象”更符合智能本质,同时通过艾宾浩斯定律,将知识在计算机中的实现上添加了时间维度。并且在计算知识间关系时,给出了通过计算阈值来确定知识间某一时刻的确定关系的方法。最后,本课题通过知识图谱模拟Ego的信念,用python对自然学习机制的关键技术“无意学习”进行实现。首先通过神经网络构造了可以演化的语义距离计算的方式,其次结合艾宾浩斯遗忘定律给出了知识间带有遗忘规律的权重计算方法,接着给出了将知识间的权重变为召回率的计算方式,并且通过召回时间的阈值模拟了人类回想问题时的范围。得出了知识间的权重会随着Ego每次对知识进行召回而演化的结论,验证了自然学习机制的可行性和合理性。