Fugu-MT 論文翻訳(概要): Creative AI Through Evolutionary Computation: Principles and Examples

論文の概要: Creative AI Through Evolutionary Computation: Principles and Examples

arxiv url: http://arxiv.org/abs/2008.04212v3
Date: Mon, 15 Feb 2021 02:10:27 GMT
ステータス: 処理完了
システム内更新日: 2022-11-02 23:12:32.214802
Title: Creative AI Through Evolutionary Computation: Principles and Examples
Title（参考訳）: 進化的計算による創造的AI:原則と例
Authors: Risto Miikkulainen
Abstract要約: 人口ベースの検索技術により、現実世界の実践的な問題に対する創造的な解決策を見つけることができる。進化的計算は、おそらく「次の深層学習」である
参考スコア（独自算出の注目度）: 16.8615211682877
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The main power of artificial intelligence is not in modeling what we already know, but in creating solutions that are new. Such solutions exist in extremely large, high-dimensional, and complex search spaces. Population-based search techniques, i.e. variants of evolutionary computation, are well suited to finding them. These techniques make it possible to find creative solutions to practical problems in the real world, making creative AI through evolutionary computation the likely "next deep learning."
Abstract（参考訳）: 人工知能の主な力は、我々がすでに知っているものをモデリングすることではなく、新しいソリューションを作ることにある。そのような解は非常に大きく、高次元で複雑な探索空間に存在する。集団に基づく探索技術、すなわち進化計算の変種は、それらを見つけるのに適している。これらの技術により、現実世界の実践的な問題に対する創造的な解決策を見つけることができ、進化的計算を通じて創造的なAIを「次の深層学習」とすることができる。

関連論文リスト

Open-world Machine Learning: A Review and New Outlooks [83.6401132743407]
本稿では,新たなオープンワールド機械学習パラダイムを包括的に紹介することを目的としている。研究者がそれぞれの分野でより強力なAIシステムを構築するのを支援し、人工知能の開発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） (2024-03-04T06:25:26Z)
Can AI Be as Creative as Humans? [84.43873277557852]
理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
論文参考訳（メタデータ） (2024-01-03T08:49:12Z)
AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
論文参考訳（メタデータ） (2023-10-19T02:00:31Z)
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)
Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文参考訳（メタデータ） (2023-07-09T21:16:56Z)
An Initial Look at Self-Reprogramming Artificial Intelligence [0.0]
我々は、最初の完全自己プログラミングAIシステムを開発し、実験的に検証する。 AIベースのコンピュータコード生成をAI自体に適用することで、ニューラルネットワークのソースコードを継続的に修正し書き換えるアルゴリズムを実装します。
論文参考訳（メタデータ） (2022-04-30T05:44:34Z)
Co-evolutionary hybrid intelligence [0.3007949058551534]
インテリジェントシステム開発に対する現在のアプローチは、データ中心である。本稿では,人間と機械のハイブリッド化と共進化に基づく人工知能システム開発への代替的アプローチについて論じる。
論文参考訳（メタデータ） (2021-12-09T08:14:56Z)
Qualities, challenges and future of genetic algorithms: a literature review [0.0]
遺伝的アルゴリズムは自然進化をシミュレートするコンピュータプログラムである。ニューラルネットワークアーキテクチャ探索から戦略ゲームまで,さまざまな最適化問題の解決に使用されている。 GPU、並列コンピューティング、量子コンピューティングなどの最近の発展、強力なパラメータ制御法の概念、表現戦略における新しいアプローチは、それらの限界を克服するための鍵となるかもしれない。
論文参考訳（メタデータ） (2020-11-05T17:53:33Z)
Exploring the Nuances of Designing (with/for) Artificial Intelligence [0.0]
我々は,AIの設計において,アルゴリズムと社会の問題に同時に対処する手段として,インフラストラクチャの構築について検討する。アルゴリズム的なソリューションも、純粋にヒューマニズム的なソリューションも、AIの狭い状態において完全に望ましくない結果をもたらすには十分ではない。
論文参考訳（メタデータ） (2020-10-22T20:34:35Z)
Quality and Diversity in Evolutionary Modular Robotics [1.290382979353427]
Evolutionary Roboticsでは、あるタスクを解くロボットを最適化するために、多くのソリューションが進化している。品質の多様性のアルゴリズムは、異なるソリューションに報酬を与える追加の手段を導入することで、早めの収束を克服しようとします。
論文参考訳（メタデータ） (2020-08-05T13:08:14Z)

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。