論文の概要: The whole brain architecture approach: Accelerating the development of
artificial general intelligence by referring to the brain
- arxiv url: http://arxiv.org/abs/2103.06123v1
- Date: Sat, 6 Mar 2021 04:58:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-11 21:41:08.712353
- Title: The whole brain architecture approach: Accelerating the development of
artificial general intelligence by referring to the brain
- Title（参考訳）: 脳全体のアーキテクチャアプローチ:脳を参照して人工知能の発達を加速させる
- Authors: Hiroshi Yamakawa
- Abstract要約: 個人が脳全体に対応するソフトウェアプログラムを設計することは困難である。
全脳アーキテクチャアプローチは、脳に触発されたAGI開発プロセスを脳の参照アーキテクチャを設計するタスクに分割する。
本研究では,仮想成分図を作成するための仮説構築手法である構造拘束型界面分解(scid)法を提案する。
- 参考スコア（独自算出の注目度）: 1.637145148171519
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The vastness of the design space created by the combination of a large number
of computational mechanisms, including machine learning, is an obstacle to
creating an artificial general intelligence (AGI). Brain-inspired AGI
development, in other words, cutting down the design space to look more like a
biological brain, which is an existing model of a general intelligence, is a
promising plan for solving this problem. However, it is difficult for an
individual to design a software program that corresponds to the entire brain
because the neuroscientific data required to understand the architecture of the
brain are extensive and complicated. The whole-brain architecture approach
divides the brain-inspired AGI development process into the task of designing
the brain reference architecture (BRA) -- the flow of information and the
diagram of corresponding components -- and the task of developing each
component using the BRA. This is called BRA-driven development. Another
difficulty lies in the extraction of the operating principles necessary for
reproducing the cognitive-behavioral function of the brain from neuroscience
data. Therefore, this study proposes the Structure-constrained Interface
Decomposition (SCID) method, which is a hypothesis-building method for creating
a hypothetical component diagram consistent with neuroscientific findings. The
application of this approach has begun for building various regions of the
brain. Moving forward, we will examine methods of evaluating the biological
plausibility of brain-inspired software. This evaluation will also be used to
prioritize different computational mechanisms, which should be merged,
associated with the same regions of the brain.
- Abstract（参考訳）: 機械学習を含む多数の計算メカニズムの組み合わせによって生み出されるデザイン空間の広さは、人工知能(agi)を作成する上での障害である。
言い換えれば、脳にインスパイアされたAGI開発は、既存の汎用知能のモデルである生物学的脳のように見えるデザイン空間を削減し、この問題を解決するための有望な計画である。
しかし、脳のアーキテクチャを理解するのに必要な神経科学的なデータが広範囲で複雑であるため、個人が脳全体に対応するソフトウェアプログラムを設計することは困難です。
全脳アーキテクチャアプローチは、脳に触発されたAGI開発プロセスを、情報の流れと対応するコンポーネントのダイアグラムである脳参照アーキテクチャ(BRA)を設計するタスクと、BRAを使用して各コンポーネントを開発するタスクに分割します。
これをBRA駆動開発と呼ぶ。
もう一つの困難は、神経科学データから脳の認知行動機能を再現するために必要な操作原理の抽出である。
そこで本研究では、神経科学的な発見と一致する仮定的コンポーネント図を作成する仮説構築手法である構造制約インタフェース分解(SCID)法を提案する。
このアプローチの応用は、脳の様々な領域を構築するために始まりました。
今後,脳に触発されたソフトウェアの生物学的妥当性を評価する方法を検討する。
この評価は、脳の同じ領域に関連する、マージされるべき異なる計算メカニズムを優先するためにも使用されます。
関連論文リスト
- MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - 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) - A differentiable brain simulator bridging brain simulation and
brain-inspired computing [3.5874544981360987]
脳シミュレーションは、脳の構造と機能を模倣する動的モデルを構築する。
脳にインスパイアされたコンピューティングは、脳の構造と機能から学習することで知的なシステムを発達させる。
BrainPy は JAX と XLA を用いて開発された微分可能な脳シミュレータである。
論文 参考訳（メタデータ） (2023-11-09T02:47:38Z) - 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) - UniBrain: Universal Brain MRI Diagnosis with Hierarchical
Knowledge-enhanced Pre-training [66.16134293168535]
我々はUniBrainと呼ばれるユニバーサル脳MRI診断のための階層的知識強化事前訓練フレームワークを提案する。
具体的には、UniBrainは、定期的な診断から24,770のイメージレポートペアの大規模なデータセットを活用する。
論文 参考訳（メタデータ） (2023-09-13T09:22:49Z) - Digital twin brain: a bridge between biological intelligence and
artificial intelligence [12.55159053727258]
本稿では,生物と人工知能のギャップを埋めるトランスフォーメーションプラットフォームとして,Digital Twin Brain(DTB)を提案する。
DTBは、ツインニング過程の基本となる脳構造、脳機能を生成する底層モデル、幅広い応用の3つの中核要素から構成される。
論文 参考訳（メタデータ） (2023-08-03T03:36:22Z) - Digital Twin Brain: a simulation and assimilation platform for whole
human brain [14.320205840701226]
我々は、人間の脳全体のスパイク神経ネットワークをシミュレートできるDTB(Digital twin brain)という計算プラットフォームを提案する。
均質なグローバル構造を持つほとんどの脳シミュレーションと比較して、脳のsMRI、DTI、PETデータにおけるスパース性、結合性、異種性は、脳シミュレーションの効率に重要な影響を与える。
論文 参考訳（メタデータ） (2023-08-02T15:56:43Z) - In the realm of hybrid Brain: Human Brain and AI [0.0]
現在の脳-コンピュータインターフェース(BCI)技術は主に治療結果に関するものである。
近年,脳信号のデコードには人工知能(AI)と機械学習(ML)技術が用いられている。
クローズドループ,インテリジェント,低消費電力,小型化されたニューラルインターフェースの開発を想定する。
論文 参考訳（メタデータ） (2022-10-04T08:35:34Z) - CogNGen: Constructing the Kernel of a Hyperdimensional Predictive
Processing Cognitive Architecture [79.07468367923619]
神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。
我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
論文 参考訳（メタデータ） (2022-03-31T04:44:28Z) - Towards Understanding Human Functional Brain Development with
Explainable Artificial Intelligence: Challenges and Perspectives [6.106661781836959]
本稿では,現在最先端のAI技術が機能的脳発達にどのような影響を及ぼすかを理解することを目的とする。
また、脳の発達過程に基づいて、どのAI技術が彼らの学習を説明する可能性が高いかについてのレビューも実施されている。
論文 参考訳（メタデータ） (2021-12-24T02:13:13Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳（メタデータ） (2020-05-22T14:29:51Z)
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。