論文の概要: Intrinsic motivations and open-ended learning
- arxiv url: http://arxiv.org/abs/1912.13263v1
- Date: Tue, 31 Dec 2019 10:56:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 20:06:05.673130
- Title: Intrinsic motivations and open-ended learning
- Title（参考訳）: モチベーションとオープンエンド学習
- Authors: Gianluca Baldassarre
- Abstract要約: 認知ロボティクスや機械学習における本質的なモチベーションやオープンエンドラーニングへの関心が高まっている。
本稿は,2つの文献スレッドからの関連するコントリビューションをレビューし,それらのリンクを描画することを目的としている。
- 参考スコア（独自算出の注目度）: 0.76146285961466
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is a growing interest and literature on intrinsic motivations and
open-ended learning in both cognitive robotics and machine learning on one
side, and in psychology and neuroscience on the other. This paper aims to
review some relevant contributions from the two literature threads and to draw
links between them. To this purpose, the paper starts by defining intrinsic
motivations and by presenting a computationally-driven theoretical taxonomy of
their different types. Then it presents relevant contributions from the
psychological and neuroscientific literature related to intrinsic motivations,
interpreting them based on the grid, and elucidates the mechanisms and
functions they play in animals and humans. Endowed with such concepts and their
biological underpinnings, the paper next presents a selection of models from
cognitive robotics and machine learning that computationally operationalise the
concepts of intrinsic motivations and links them to biology concepts. The
contribution finally presents some of the open challenges of the field from
both the psychological/neuroscientific and computational perspectives.
- Abstract（参考訳）: 認知ロボティクスと機械学習の両方と、心理学と神経科学の両方において、本質的な動機づけとオープンエンドの学習に関する興味と文学が高まっている。
本稿は,2つの文献スレッドから関連する貢献をレビューし,それらの間のリンクを描くことを目的とする。
この目的のために,本論文は本質的な動機を定義し,異なるタイプの計算駆動理論分類を提示することから始まる。
そして、本質的なモチベーションに関連する心理学や神経科学の文献から関連する貢献を示し、それをグリッドに基づいて解釈し、動物や人間に作用するメカニズムと機能を解明する。
このような概念と生物学的基盤を取り入れた本論文では、認知ロボティクスと機械学習からモデルを選択し、本質的なモチベーションの概念を計算的に運用し、それらと生物学の概念を結びつける。
この貢献は最終的に、心理学/神経科学と計算の両面から、この分野のオープンな課題をいくつか提示する。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Visual cognition in multimodal large language models [12.603212933816206]
近年の進歩は、人間のような認知能力をエミュレートする可能性への関心を再燃させた。
本稿では、直観物理学、因果推論、直観心理学の分野における視覚に基づく大規模言語モデルの現状を評価する。
論文 参考訳（メタデータ） (2023-11-27T18:58:34Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - Rejecting Cognitivism: Computational Phenomenology for Deep Learning [5.070542698701158]
本稿では,新しい手法である計算現象学に基づくディープラーニングのための非表現主義的フレームワークを提案する。
我々は、人工知能が外部エンティティの表現を符号化する深層学習の現代の認知論的解釈を拒絶する。
論文 参考訳（メタデータ） (2023-02-16T20:05:06Z) - Language Cognition and Language Computation -- Human and Machine
Language Understanding [51.56546543716759]
言語理解は認知科学とコンピュータ科学の分野で重要な科学的問題である。
これらの規律を組み合わせることで、インテリジェントな言語モデルを構築する上で、新たな洞察が得られますか?
論文 参考訳（メタデータ） (2023-01-12T02:37:00Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳（メタデータ） (2022-01-20T17:07:03Z) - Explanatory models in neuroscience: Part 2 -- constraint-based
intelligibility [8.477619837043214]
計算モデリングは神経科学においてますます重要な役割を担い、モデルがどのように説明するかという哲学的な疑問を浮き彫りにしている。
生物学的システムでは、これらの依存関係の多くは自然に「トップダウン」である
NNモデルの構築に使用される最適化手法が,これらの依存関係のいくつかの重要な側面をいかに捉えているかを示す。
論文 参考訳（メタデータ） (2021-04-03T22:14:01Z) - Reinforcement Learning and its Connections with Neuroscience and
Psychology [0.0]
我々は,脳内の学習と意思決定をモデル化するための候補として,強化学習が有望な候補であることを示す神経科学と心理学の両方の知見をレビューした。
次に、このRLと神経科学と心理学の関係と、AIと脳科学の両方の研究の進展における役割について論じる。
論文 参考訳（メタデータ） (2020-06-25T04:29:15Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。