論文の概要: The Evolution of Concept-Acquisition based on Developmental Psychology
- arxiv url: http://arxiv.org/abs/2011.13089v1
- Date: Thu, 26 Nov 2020 01:57:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 08:46:31.177096
- Title: The Evolution of Concept-Acquisition based on Developmental Psychology
- Title(参考訳): 発達心理学に基づく概念獲得の進化
- Authors: Hui Wei
- Abstract要約: 知識に基づく人工知能システムの性能向上の鍵は、豊富な意味を持つ概念システムである。
概念を表現し、概念システムを構築する新しい方法を見つけることは、多くのインテリジェントシステムの性能を大幅に向上させる。
発達心理学は、人間の行動レベルで概念獲得の過程を注意深く観察する。
- 参考スコア(独自算出の注目度): 4.416484585765028
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: A conceptual system with rich connotation is key to improving the performance
of knowledge-based artificial intelligence systems. While a conceptual system,
which has abundant concepts and rich semantic relationships, and is
developable, evolvable, and adaptable to multi-task environments, its actual
construction is not only one of the major challenges of knowledge engineering,
but also the fundamental goal of research on knowledge and conceptualization.
Finding a new method to represent concepts and construct a conceptual system
will therefore greatly improve the performance of many intelligent systems.
Fortunately the core of human cognition is a system with relatively complete
concepts and a mechanism that ensures the establishment and development of the
system. The human conceptual system can not be achieved immediately, but rather
must develop gradually. Developmental psychology carefully observes the process
of concept acquisition in humans at the behavioral level, and along with
cognitive psychology has proposed some rough explanations of those
observations. However, due to the lack of research in aspects such as
representation, systematic models, algorithm details and realization, many of
the results of developmental psychology have not been applied directly to the
building of artificial conceptual systems. For example, Karmiloff-Smith's
Representation Redescription (RR) supposition reflects a concept-acquisition
process that re-describes a lower level representation of a concept to a higher
one. This paper is inspired by this developmental psychology viewpoint. We use
an object-oriented approach to re-explain and materialize RR supposition from
the formal semantic perspective, because the OO paradigm is a natural way to
describe the outside world, and it also has strict grammar regulations.
- Abstract(参考訳): 知識に基づく人工知能システムの性能向上の鍵は、豊富な意味を持つ概念システムである。
豊富な概念と豊富な意味関係を持ち、開発可能で進化可能であり、マルチタスク環境に適応できる概念システムである一方で、その実際の構成は知識工学の主要な課題の1つだけでなく、知識と概念化の研究の基本的な目標でもある。
概念を表現し、概念システムを構築する新しい方法を見つけることは、多くのインテリジェントシステムの性能を大幅に向上させる。
幸運なことに、人間の認知の中核は比較的完全な概念とシステムの確立と発展を保証するメカニズムを持つシステムである。
人間の概念体系はすぐには達成できないが、徐々に発展しなければならない。
発達心理学は人間の行動レベルにおける概念獲得の過程を注意深く観察し、認知心理学とともにそれらの観察のラフな説明を提案している。
しかし、表現、体系モデル、アルゴリズムの詳細、実現といった側面の研究が欠如しているため、発達心理学の結果の多くは人工概念システムの構築に直接適用されていない。
例えば、karmiloff-smith's representation reescription (rr) は概念の低レベル表現を高レベル表現に再記述する概念獲得過程を反映している。
本稿は,この発達心理学的視点に着想を得たものである。
我々はオブジェクト指向アプローチを用いて、ORパラダイムは外界を記述する自然な方法であり、厳密な文法規則も備えているため、形式的意味論の観点からRR仮定を再記述し、実体化する。
関連論文リスト
- A Brain-inspired Computational Model for Human-like Concept Learning [12.737696613208632]
この研究は、スパイクニューラルネットワークに基づく概念学習のための人間のような計算モデルを開発する。
多様な情報源によって引き起こされる課題と2つの概念表現の非バランスな次元性に効果的に対処することにより、この研究は人間のような概念表現を達成することに成功した。
論文 参考訳(メタデータ) (2024-01-12T09:32:51Z) - 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) - Intrinsic Physical Concepts Discovery with Object-Centric Predictive
Models [86.25460882547581]
PHYsical Concepts Inference NEtwork (PHYCINE) は、異なる抽象レベルの物理概念を監督なしで推論するシステムである。
物理概念変数を含むオブジェクト表現は因果推論タスクの性能向上に有効であることを示す。
論文 参考訳(メタデータ) (2023-03-03T11:52:21Z) - 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) - Evaluating Understanding on Conceptual Abstraction Benchmarks [0.0]
AIの長期的な目標は、人間のような方法で概念を理解するシステムを構築することである。
概念を理解するには、さまざまなコンテキストでそれを使う能力が必要である、と私たちは主張する。
我々の概念に基づく評価アプローチは、従来のテストセットが隠したはずのAIシステムに関する情報を明らかにする。
論文 参考訳(メタデータ) (2022-06-28T17:52:46Z) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳(メタデータ) (2022-06-03T12:24:49Z) - Human-Centered Concept Explanations for Neural Networks [47.71169918421306]
概念活性化ベクトル(Concept Activation Vectors, CAV)のクラスを含む概念的説明を紹介する。
次に、自動的に概念を抽出するアプローチと、それらの注意事項に対処するアプローチについて議論する。
最後に、このような概念に基づく説明が、合成設定や実世界の応用において有用であることを示すケーススタディについて論じる。
論文 参考訳(メタデータ) (2022-02-25T01:27:31Z) - Interpretable Reinforcement Learning Inspired by Piaget's Theory of
Cognitive Development [1.7778609937758327]
本稿では,思考の言語(LOTH)やスクリプト理論,ピアジェの認知発達理論などの理論が相補的なアプローチを提供するという考えを楽しませる。
提案するフレームワークは,人工知能システムにおいて,人間のような認知を実現するためのステップとみなすことができる。
論文 参考訳(メタデータ) (2021-02-01T00:29:01Z) - Bongard-LOGO: A New Benchmark for Human-Level Concept Learning and
Reasoning [78.13740873213223]
ボナード問題(BP)は、インテリジェントシステムにおける視覚認知へのインスピレーションとして導入された。
我々は人間レベルの概念学習と推論のための新しいベンチマークBongard-LOGOを提案する。
論文 参考訳(メタデータ) (2020-10-02T03:19:46Z) - Philosophy-Guided Modelling and Implementation of Adaptation and Control
in Complex Systems [0.0]
我々は、既存の制御、特に適応というサイバネティックな概念を付加する。
これらのメタ理論の概念がどのように公式に記述され、プログラムコードでどのように実装されるかを示す。
哲学的抽象概念は、コンピュータモデルとその制御と適応の過程をよりよく理解するのに役立つと結論付けている。
論文 参考訳(メタデータ) (2020-08-31T21:21:16Z) - Synergetic Learning Systems: Concept, Architecture, and Algorithms [4.623783824925363]
総合学習システム(Synergetic Learning Systems)」という人工知能システムについて述べる。
本システムは,協調的・競争的な相乗学習を通じて,与えられた環境におけるインテリジェントな情報処理と意思決定を実現する。
設計基準の下では,提案システムは長期的にの共進化を通じて,最終的には汎用的な人工知能を実現することが期待されている。
論文 参考訳(メタデータ) (2020-05-31T06:23:03Z)
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。