論文の概要: Toward Human-Level Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2108.03793v1
- Date: Mon, 9 Aug 2021 03:39:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-10 15:36:02.704046
- Title: Toward Human-Level Artificial Intelligence
- Title（参考訳）: 人間レベル人工知能を目指して
- Authors: Deokgun Park
- Abstract要約: AIという言葉は広い意味で使われており、HLAIは明確に定義されていない。
私は、ヒューマン・レベル・インテリジェンスの本質は、他者の経験から言語を通して学ぶ能力であると主張している。
mHPM(Modulated Heterarchical Prediction Memory)と呼ばれるHLAIの認知アーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 2.312671485058239
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present our research on programming human-level artificial
intelligence (HLAI), including 1) a definition of HLAI, 2) an environment to
develop and test HLAI, and 3) a cognitive architecture for HLAI. The term AI is
used in a broad meaning, and HLAI is not clearly defined. I claim that the
essence of Human-Level Intelligence to be the capability to learn from others'
experiences via language. The key is that the event described by language has
the same effect as if the agent experiences it firsthand for the update of the
behavior policy. To develop and test models with such a capability, we are
developing a simulated environment called SEDRo. There is a 3D Home, and a
mother character takes care of the baby (the learning agent) and teaches
languages. The environment provides comparable experiences to that of a human
baby from birth to one year. Finally, I propose a cognitive architecture of
HLAI called Modulated Heterarchical Prediction Memory (mHPM). In mHPM, there
are three components: a universal module that learns to predict the next vector
given the sequence of vector signals, a heterarchical network of those modules,
and a reward-based modulation of learning. mHPM models the workings of the
neocortex but the innate auxiliary units such hippocampus, reward system,
instincts, and amygdala play critical roles, too.
- Abstract（参考訳）: 本稿では,1)HLAIの定義,2)HLAIの開発・テスト環境,3)HLAIの認知アーキテクチャなど,HLAIのプログラミングに関する研究について述べる。
AIという言葉は広い意味で使われており、HLAIは明確に定義されていない。
私は、人間レベルの知性の本質は、言語を通じて他人の経験から学ぶ能力であると主張する。
重要なのは、言語によって記述されたイベントが、エージェントが行動ポリシーの更新のために直接経験するのと同じ効果を持つということだ。
このような能力でモデルを開発し、テストするために、SEDRoと呼ばれるシミュレーション環境を開発している。
3Dホームがあり、母親のキャラクターが赤ちゃん(学習エージェント)の世話をし、言語を教える。
この環境は、誕生から1年間、人間の赤ちゃんに匹敵する体験を提供する。
最後に,変調階層予測記憶(mHPM)と呼ばれるHLAIの認知アーキテクチャを提案する。
mHPMには3つの要素がある: ベクトル信号の列が与えられた次のベクトルを予測することを学ぶ普遍的なモジュール、それらのモジュールの階層的ネットワーク、そして学習の報酬に基づく変調である。
mHPMは新皮質の働きをモデル化するが、海馬、報酬体系、本能、扁桃体などの自然補助単位も重要な役割を果たす。
関連論文リスト
- Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
コネクショニストと象徴的人工知能(AI)の収束を探求する記事
従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。
大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
論文 参考訳（メタデータ） (2024-07-11T14:00:53Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - Hippocampus-Inspired Cognitive Architecture (HICA) for Operant
Conditioning [1.2955718209635252]
本稿では,Hippocampus-Inspired Cognitive Architecture (HICA) を動作条件付けのための神経機構として提案する。
HICAは2種類のモジュールから構成される。
論文 参考訳（メタデータ） (2022-12-16T18:00:21Z) - Building Human-like Communicative Intelligence: A Grounded Perspective [1.0152838128195465]
言語学習における驚くべき進歩の後、AIシステムは人間のコミュニケーション能力の重要な側面を反映しない天井に近づいたようだ。
本稿は、ナチビストと象徴的パラダイムに基づく認知にインスパイアされたAIの方向性には、現代AIの進歩を導くために必要なサブストラテジと具体性がないことを示唆する。
本稿では,「地下」言語知能構築のための具体的かつ実装可能なコンポーネントのリストを提案する。
論文 参考訳（メタデータ） (2022-01-02T01:43:24Z) - On some Foundational Aspects of Human-Centered Artificial Intelligence [52.03866242565846]
人間中心人工知能(Human Centered Artificial Intelligence)の意味については明確な定義はない。
本稿では,AIコンポーネントを備えた物理・ソフトウェア計算エージェントを指すHCAIエージェントについて紹介する。
HCAIエージェントの概念は、そのコンポーネントや機能とともに、人間中心のAIに関する技術的および非技術的議論を橋渡しする手段であると考えています。
論文 参考訳（メタデータ） (2021-12-29T09:58:59Z) - Uncertainty Quantification 360: A Holistic Toolkit for Quantifying and
Communicating the Uncertainty of AI [49.64037266892634]
我々は、AIモデルの不確実性定量化のためのオープンソースのPythonツールキットUncertainty Quantification 360 (UQ360)について述べる。
このツールキットの目標は2つある: ひとつは、AIアプリケーション開発ライフサイクルにおける不確実性を定量化し、評価し、改善し、伝達する共通のプラクティスを育むとともに、合理化するための幅広い能力を提供すること、もうひとつは、信頼できるAIの他の柱とのUQの接続をさらに探求することである。
論文 参考訳（メタデータ） (2021-06-02T18:29:04Z) - Watershed of Artificial Intelligence: Human Intelligence, Machine
Intelligence, and Biological Intelligence [0.2580765958706853]
本稿は,23年前に提案された1回学習機構と,それに続く画像分類におけるワンショット学習の成功をレビューする。
AIは、人工知能(AHI)、人工知能(AMI)、および人工知能(ABI)の3つのカテゴリに明確に分割されるべきである。
論文 参考訳（メタデータ） (2021-04-27T13:03:25Z) - A Definition and a Test for Human-Level Artificial Intelligence [1.3140673348778702]
人間は、状態、行動、および対応する報酬列を経験しているかのように、言葉による記述でアクション値関数を更新することができる。
本稿では、各エージェントがどのように学習するかに応じて知能の分類を行い、HLAIの定義とテストを提案する。
論文 参考訳（メタデータ） (2020-11-18T17:10:02Z) - AI from concrete to abstract: demystifying artificial intelligence to
the general public [0.0]
本稿では,コンクリートから抽象的(AIcon2abs)への新たな方法論,AIについて述べる。
主な戦略は、人工知能のデミスティフィケーションを促進することである。
WiSARDの軽量化により、トレーニングタスクと分類タスクの視覚化と理解が容易になる。
論文 参考訳（メタデータ） (2020-06-07T01:14:06Z) - Explainable Active Learning (XAL): An Empirical Study of How Local
Explanations Impact Annotator Experience [76.9910678786031]
本稿では、最近急増している説明可能なAI(XAI)のテクニックをアクティブラーニング環境に導入することにより、説明可能なアクティブラーニング(XAL)の新たなパラダイムを提案する。
本研究は,機械教育のインタフェースとしてのAI説明の利点として,信頼度校正を支援し,リッチな形式の教示フィードバックを可能にすること,モデル判断と認知作業負荷による潜在的な欠点を克服する効果を示す。
論文 参考訳（メタデータ） (2020-01-24T22:52:18Z)
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。