Fugu-MT 論文翻訳(概要): Symmetry as an Organizing Principle for Geometric Intelligence

論文の概要: Symmetry as an Organizing Principle for Geometric Intelligence

arxiv url: http://arxiv.org/abs/2004.07879v1
Date: Thu, 16 Apr 2020 18:58:15 GMT
ステータス: 処理完了
システム内更新日: 2022-12-12 21:01:48.216828
Title: Symmetry as an Organizing Principle for Geometric Intelligence
Title（参考訳）: 幾何学知能の組織化原理としての対称性
Authors: Snejana Sheghava and Ashok Goel
Abstract要約: 本稿では,Dehaene2006coreを用いた幾何学的知能試験の組織原理として対称性を用いた人工知能(AI)エージェントの構築手法を提案する。我々のモデルの性能は、Dehaeneのテストにおける問題解決の既存のAIモデルと同等であり、同じテストにおける人間の振る舞いのいくつかの要素と相関しているように思われる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The exploration of geometrical patterns stimulates imagination and encourages abstract reasoning which is a distinctive feature of human intelligence. In cognitive science, Gestalt principles such as symmetry have often explained significant aspects of human perception. We present a computational technique for building artificial intelligence (AI) agents that use symmetry as the organizing principle for addressing Dehaene's test of geometric intelligence \cite{dehaene2006core}. The performance of our model is on par with extant AI models of problem solving on the Dehaene's test and seems correlated with some elements of human behavior on the same test.
Abstract（参考訳）: 幾何学的パターンの探索は想像力を刺激し、人間の知性の特徴である抽象的推論を促進する。認知科学において、対称性などのゲシュタルト原理は、しばしば人間の知覚の重要な側面を説明する。本稿では,Dehaeneの幾何学的知性テストに対処するための組織原理として対称性を用いた人工知能エージェントを構築するための計算手法を提案する。我々のモデルの性能は、Dehaeneのテストにおける問題解決のAIモデルと同等であり、同じテストにおける人間の振る舞いのいくつかの要素と相関しているように見える。

関連論文リスト

A mathematical framework of intelligence and consciousness based on Riemannian Geometry [1.9580473532948397]
知性を理解することは神経科学、認知科学、人工知能の中心的な研究である。幾何解析の最近の進歩は、高次元情報表現と組織に対する新たな洞察を明らかにしている。この写本は、知性と意識の構造とダイナミクスを記述する数学的枠組みを提案する。
論文参考訳（メタデータ） (2024-07-02T04:17:56Z)
Human-Like Geometric Abstraction in Large Pre-trained Neural Networks [6.650735854030166]
幾何学的視覚処理の認知科学における経験的結果を再考する。幾何学的視覚処理における3つの重要なバイアスを同定する。我々は、人間のバイアスを調査する文献からタスクをテストし、AIで使用される大規模なトレーニング済みニューラルネットワークモデルにより、より人間的な抽象幾何学的処理が示されることを示した。
論文参考訳（メタデータ） (2024-02-06T17:59:46Z)
Integration of cognitive tasks into artificial general intelligence test for large models [54.72053150920186]
我々は、認知科学にインスパイアされた人工知能(AGI)テストの包括的な枠組みを提唱する。認知科学に触発されたAGIテストは、結晶化インテリジェンス、流体インテリジェンス、社会インテリジェンス、エンボディドインテリジェンスを含む、すべてのインテリジェンスファセットを含んでいる。
論文参考訳（メタデータ） (2024-02-04T15:50:42Z)
Symmetry and Complexity in Object-Centric Deep Active Inference Models [4.298360054690217]
生成モデルの潜在状態空間における特定の対象の固有対称性が、深いアクティブな推論の下で学習されることを示す。特に,対象中心の表現に焦点をあて,エージェントが視点を移すにつれて,新しい対象の視点を予測するために画素から学習する。
論文参考訳（メタデータ） (2023-04-14T10:21:26Z)
A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
論文参考訳（メタデータ） (2022-12-20T18:46:16Z)
Perceptual Attacks of No-Reference Image Quality Models with Human-in-the-Loop [113.75573175709573]
NR-IQAモデルの知覚的堅牢性を調べるための最初の試みの1つを行う。我々は,4つの完全参照IQAモデルの下で,知識駆動のNR-IQA法とデータ駆動のNR-IQA法を検証した。 4つのNR-IQAモデルは全て、提案した知覚的攻撃に対して脆弱であることがわかった。
論文参考訳（メタデータ） (2022-10-03T13:47:16Z)
Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
本稿では,認知機能構築への進化的アプローチについて考察する。本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
論文参考訳（メタデータ） (2022-07-02T12:41:32Z)
Symmetry as a Representation of Intuitive Geometry? [1.160208922584163]
幾何学的直観における対称性の役割について検討し,コア幾何試験の2-交互強制選択変動に対する認知モデルを構築した。本モデルは,2-AFC試験において,人間の平均値に匹敵する精度を達成し,直観的幾何学の重要な部分を捉えているように見える。
論文参考訳（メタデータ） (2022-06-04T16:15:35Z)
Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and Execution [97.50813120600026]
時空間推論は人工知能(AI)の課題である最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM) ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
論文参考訳（メタデータ） (2021-03-26T02:42:18Z)
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)
Exploring The Spatial Reasoning Ability of Neural Models in Human IQ Tests [19.338539583910023]
我々は,空間的推論に注目し,ニューラルモデルの空間的理解を探究する。さまざまな複雑性レベルからなるデータセットを構築しました。モデルの一般化能力に影響を与える結果と要因について分析する。
論文参考訳（メタデータ） (2020-04-11T09:41:46Z)

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。