論文の概要: Human-like general language processing
- arxiv url: http://arxiv.org/abs/2005.09175v2
- Date: Fri, 29 May 2020 08:08:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-01 13:29:51.177454
- Title: Human-like general language processing
- Title(参考訳): 人間ライクな汎用言語処理
- Authors: Feng Qi, Guanjun Jiang
- Abstract要約: 本稿では,センサモレータ,アソシエーション,認知システムを含む,人間のような汎用言語処理アーキテクチャを提案する。
HGLPネットワークは、子供のように簡単から難易度まで学習し、マルチモーダルニューロンを協調して単語の意味を理解し、仮想世界モデルを構築して文を生成し、生成する。
HGLPは、オブジェクト認識、文理解、想像力、注意制御、クエリ、推論、運動判断、混合算術演算、数字のトレースと書き込み、言語によって導かれる人間のような反復的思考プロセスを含む10以上のタスクを急速に学習した。
- 参考スコア(独自算出の注目度): 0.6510507449705342
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Using language makes human beings surpass animals in wisdom. To let machines
understand, learn, and use language flexibly, we propose a human-like general
language processing (HGLP) architecture, which contains sensorimotor,
association, and cognitive systems. The HGLP network learns from easy to hard
like a child, understands word meaning by coactivating multimodal neurons,
comprehends and generates sentences by real-time constructing a virtual world
model, and can express the whole thinking process verbally. HGLP rapidly
learned 10+ different tasks including object recognition, sentence
comprehension, imagination, attention control, query, inference, motion
judgement, mixed arithmetic operation, digit tracing and writing, and
human-like iterative thinking process guided by language. Language in the HGLP
framework is not matching nor correlation statistics, but a script that can
describe and control the imagination.
- Abstract(参考訳): 言語を使用すると、人間は知恵で動物を追い越す。
機械が言語を柔軟に理解し、学習し、使用できるようにするため、センサモレータ、アソシエーション、認知システムを含むヒューマンライクな汎用言語処理(HGLP)アーキテクチャを提案する。
HGLPネットワークは、子供のように簡単から難易度まで学習し、マルチモーダルニューロンを協調して単語の意味を理解し、仮想世界モデルをリアルタイムに構築して文を理解・生成し、言語的に思考過程全体を表現できる。
HGLPは、オブジェクト認識、文理解、想像力、注意制御、クエリ、推論、運動判断、混合算術演算、数字のトレースと書き込み、言語によって導かれる人間のような反復的思考プロセスを含む10以上のタスクを急速に学習した。
HGLPフレームワークの言語は一致や相関統計ではなく、想像力を記述し制御できるスクリプトである。
関連論文リスト
- Understanding the Cognitive Complexity in Language Elicited by Product Images [4.420255770397967]
この研究は、製品イメージによって引き起こされる人間の言語の認知的複雑さを測定し、検証するためのアプローチを提供する。
製品イメージの多彩な記述ラベルを含む大規模なデータセットを導入します。
人間の評価された認知複雑性は、自然言語モデルを用いて近似できることを示した。
論文 参考訳(メタデータ) (2024-09-25T00:26:11Z) - Interpretable Robotic Manipulation from Language [11.207620790833271]
本稿では,操作タスクに特化して設計された,Ex-PERACTという説明可能な行動クローニングエージェントを紹介する。
トップレベルでは、モデルは個別のスキルコードを学ぶことを任務とし、下位レベルでは、ポリシーネットワークは問題をボクセル化されたグリッドに変換し、離散化されたアクションをボクセルグリッドにマップする。
提案手法は,RLBenchベンチマークを用いた8つの操作課題にまたがって評価し,Ex-PERACTが競合する政策性能を達成するだけでなく,複雑な環境下でのヒューマンインストラクションとマシン実行のギャップを効果的に橋渡しすることを示した。
論文 参考訳(メタデータ) (2024-05-27T11:02:21Z) - Performance Prediction of Data-Driven Knowledge summarization of High
Entropy Alloys (HEAs) literature implementing Natural Language Processing
algorithms [0.0]
自然言語処理(NLP)の目標は、マシンインテリジェンスに人間の脳と同じように言葉を処理させることだ。
Geneism, Sumy, Luhn, Latent Semantic Analysis (LSA), Kull-back-Liebler (KL) al-gorithmの5つのNLPアルゴリズムが実装されている。
Luhnアルゴリズムは、他の使われているアルゴリズムと比較して知識要約タスクの精度が最も高い。
論文 参考訳(メタデータ) (2023-11-06T16:22:32Z) - AmadeusGPT: a natural language interface for interactive animal
behavioral analysis [65.55906175884748]
動作の自然言語記述をマシン実行可能なコードに変換する自然言語インタフェースであるAmadeusGPTを紹介する。
MABE 2022の動作課題タスクで最先端のパフォーマンスを実現できることを示す。
アマデウスGPTは、深い生物学的知識、大規模言語モデル、そしてコアコンピュータビジョンモジュールをより自然に知的なシステムに統合する新しい方法を提示している。
論文 参考訳(メタデータ) (2023-07-10T19:15:17Z) - PADL: Language-Directed Physics-Based Character Control [66.517142635815]
本稿では,文字が行うべきハイレベルなタスクと低レベルなスキルを指定するために,ユーザが自然言語コマンドを発行できるようにするPADLを提案する。
我々は,シミュレーションされたヒューマノイドキャラクタを効果的に誘導し,多種多様な複雑な運動能力を実現するために,本フレームワークを適用した。
論文 参考訳(メタデータ) (2023-01-31T18:59:22Z) - Enhancing Interpretability and Interactivity in Robot Manipulation: A
Neurosymbolic Approach [0.0]
本稿では,言語誘導型視覚推論とロボット操作を結合したニューロシンボリックアーキテクチャを提案する。
非熟練の人間ユーザは、制約のない自然言語を用いてロボットに刺激を与え、参照表現(REF)、質問(VQA)、把握動作指示を提供する。
シミュレーション環境では,3次元視覚と言語によるテーブルトップシーンの合成データセットを作成し,我々のアプローチを訓練し,合成シーンと実世界のシーンの両方で広範な評価を行う。
論文 参考訳(メタデータ) (2022-10-03T12:21:45Z) - Toward a realistic model of speech processing in the brain with
self-supervised learning [67.7130239674153]
生波形で訓練された自己教師型アルゴリズムは有望な候補である。
We show that Wav2Vec 2.0 learns brain-like representations with little as 600 hours of unlabelled speech。
論文 参考訳(メタデータ) (2022-06-03T17:01:46Z) - LISA: Learning Interpretable Skill Abstractions from Language [85.20587800593293]
言語条件による実演から多種多様な解釈可能なスキルを学習できる階層型模倣学習フレームワークを提案する。
本手法は, 逐次的意思決定問題において, 言語に対するより自然な条件付け方法を示す。
論文 参考訳(メタデータ) (2022-02-28T19:43:24Z) - Emergence of Machine Language: Towards Symbolic Intelligence with Neural
Networks [73.94290462239061]
本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。
対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
論文 参考訳(メタデータ) (2022-01-14T14:54:58Z) - CALVIN: A Benchmark for Language-conditioned Policy Learning for
Long-horizon Robot Manipulation Tasks [30.936692970187416]
汎用ロボットは、人間の言語を認識や行動に関連付けることを学ばなければならない。
CALVIN(CALVIN)は、長期の言語条件のタスクを学習するためのオープンソースのシミュレーションベンチマークである。
論文 参考訳(メタデータ) (2021-12-06T18:37:33Z) - Neural Abstructions: Abstractions that Support Construction for Grounded
Language Learning [69.1137074774244]
言語の相互作用を効果的に活用するには、言語基底に対する2つの最も一般的なアプローチの制限に対処する必要がある。
本稿では,ラベル条件付き生成モデルの推論手順に対する制約のセットであるニューラル・アブストラクションの考え方を紹介する。
この手法により,マインクラフトにおけるオープンエンドハウスタスクのセマンティックな変更をユーザ人口が構築できることが示される。
論文 参考訳(メタデータ) (2021-07-20T07:01:15Z)
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。