論文の概要: QKSA: Quantum Knowledge Seeking Agent
- arxiv url: http://arxiv.org/abs/2107.01429v1
- Date: Sat, 3 Jul 2021 13:07:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-06 14:51:52.481807
- Title: QKSA: Quantum Knowledge Seeking Agent
- Title（参考訳）: QKSA:量子知識探索エージェント
- Authors: Aritra Sarkar
- Abstract要約: 量子知識探索エージェント(QKSA)の実装に向けたモチベーションとコアテーマについて述べる。
QKSAは、古典的および量子力学のモデル化に使用できる一般的な強化学習エージェントである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this article we present the motivation and the core thesis towards the
implementation of a Quantum Knowledge Seeking Agent (QKSA). QKSA is a general
reinforcement learning agent that can be used to model classical and quantum
dynamics. It merges ideas from universal artificial general intelligence,
constructor theory and genetic programming to build a robust and general
framework for testing the capabilities of the agent in a variety of
environments. It takes the artificial life (or, animat) path to artificial
general intelligence where a population of intelligent agents are instantiated
to explore valid ways of modelling the perceptions. The multiplicity and
survivability of the agents are defined by the fitness, with respect to the
explainability and predictability, of a resource-bounded computational model of
the environment. This general learning approach is then employed to model the
physics of an environment based on subjective observer states of the agents. A
specific case of quantum process tomography as a general modelling principle is
presented. The various background ideas and a baseline formalism are discussed
in this article which sets the groundwork for the implementations of the QKSA
that are currently in active development.
- Abstract（参考訳）: 本稿では,量子知識探索エージェント(QKSA)の実装に向けたモチベーションとコアテーマについて述べる。
QKSAは、古典的および量子力学のモデル化に使用できる一般的な強化学習エージェントである。
汎用人工知能、コンストラクタ理論、遺伝的プログラミングのアイデアを融合させ、様々な環境でエージェントの能力をテストするための堅牢で汎用的なフレームワークを構築する。
人工知能は、知的なエージェントの集団をインスタンス化して、知覚をモデル化する有効な方法を探求する、人工生命(またはアニメーター)の道を歩む。
エージェントの多重性と生存性は、環境の資源境界計算モデルの説明可能性と予測可能性に関して、適合性によって定義される。
この一般的な学習アプローチは、エージェントの主観的観察状態に基づいて環境の物理をモデル化するために用いられる。
一般的なモデリング原理としての量子プロセストモグラフィーの具体例を示す。
この記事では、現在活発に開発されているqksaの実装の土台となる様々な背景の考え方とベースラインの形式について論じる。
関連論文リスト
- Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - 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) - 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) - FAIR AI Models in High Energy Physics [16.744801048170732]
実験高エネルギー物理学におけるAIモデルに対するFAIR原則の実践的定義を提案する。
これらの原則を適用するためのテンプレートについて説明する。
本稿では,このFAIR AIモデルの堅牢性,ハードウェアアーキテクチャとソフトウェアフレームワーク間のポータビリティ,解釈可能性について報告する。
論文 参考訳（メタデータ） (2022-12-09T19:00:18Z) - 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) - Paradigms of Computational Agency [0.0]
エージェントベースのモデルは、情報システムの複雑さの増大に対処するための有望なパラダイムとして登場した。
本稿では,エージェントの理解と,エージェントの計算モデルが進化した異質な方法について考察する。
論文 参考訳（メタデータ） (2021-12-10T14:42:49Z) - QKSA: Quantum Knowledge Seeking Agent -- resource-optimized
reinforcement learning using quantum process tomography [1.3946983517871423]
汎用人工知能の汎用強化学習(URL)エージェントモデルを量子環境に拡張する。
古典的な知識探索エージェントKL-KSAの効用関数は、量子情報理論からの距離測定に一般化される。
QKSAは、古典的なURLモデルに似たフレームワークの最初の提案である。
論文 参考訳（メタデータ） (2021-12-07T11:36:54Z) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳（メタデータ） (2021-05-15T22:55:23Z) - Multi-sensory Integration in a Quantum-Like Robot Perception Model [1.0957528713294875]
量子ライク(QL)アプローチは、知覚、認識、決定処理に本質的に適する記述的機能を提供する。
限定的な知覚能力を有するロボットに対して,QLロボット認識モデルの有効性に関する予備的検討を行った。
論文 参考訳（メタデータ） (2020-06-29T21:47:33Z) - Compositional Generalization by Learning Analytical Expressions [87.15737632096378]
メモリ拡張ニューラルモデルは、合成一般化を達成するために解析式に接続される。
良く知られたベンチマークSCANの実験は、我々のモデルが構成的一般化の優れた能力をつかむことを示した。
論文 参考訳（メタデータ） (2020-06-18T15:50:57Z) - Probing Emergent Semantics in Predictive Agents via Question Answering [29.123837711842995]
近年の研究では、予測モデリングがエージェントに周囲の知識を豊富に与え、複雑な環境での行動能力を向上させる方法が示されている。
本稿では,そのようなエージェントがモデルを開発する表現をデコードし,理解するための一般的なパラダイムとして,質問応答を提案する。
質問応答デコーダからエージェントへの勾配をバックプロパゲートすることなく、それらの内部状態表現を合成的(英語)質問で探索する。
論文 参考訳（メタデータ） (2020-06-01T15:27:36Z)
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。