Fugu-MT 論文翻訳(概要): Evolutionary Self-Replication as a Mechanism for Producing Artificial Intelligence

論文の概要: Evolutionary Self-Replication as a Mechanism for Producing Artificial Intelligence

arxiv url: http://arxiv.org/abs/2109.08057v5
Date: Fri, 23 Sep 2022 20:02:59 GMT
ステータス: 処理完了
システム内更新日: 2023-03-14 20:58:58.308136
Title: Evolutionary Self-Replication as a Mechanism for Producing Artificial Intelligence
Title（参考訳）: 人工知能のメカニズムとしての進化的自己複製
Authors: Samuel Schmidgall, Joseph Hays
Abstract要約: 自己複製は、現代の学習環境における知的行動の出現のメカニズムとして研究されている。アタリとロボットの学習環境は自然選択の観点から再定義されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Can reproduction alone in the context of survival produce intelligence in our machines? In this work, self-replication is explored as a mechanism for the emergence of intelligent behavior in modern learning environments. By focusing purely on survival, while undergoing natural selection, evolved organisms are shown to produce meaningful, complex, and intelligent behavior, demonstrating creative solutions to challenging problems without any notion of reward or objectives. Atari and robotic learning environments are re-defined in terms of natural selection, and the behavior which emerged in self-replicating organisms during these experiments is described in detail.
Abstract（参考訳）: 生き残りという文脈でのみ再生は、我々のマシンに知性をもたらすだろうか? 本研究では,現代学習環境における知的行動の出現メカニズムとして自己複製を考察する。純粋に生存に焦点を合わせながら自然選択を行ないながら、進化した生物は有意義で複雑で知的な行動を生み出し、報酬や目的の概念なしに、挑戦的な問題に対する創造的な解決策を示す。 atariとロボット学習環境は自然選択の観点で再定義され、これらの実験中に自己複製生物に現れる行動が詳細に記述されている。

関連論文リスト

Bio-inspired AI: Integrating Biological Complexity into Artificial Intelligence [0.0]
人工知能を作ることの追求は、私たち自身の知性を理解することへの長年の関心を反映している。最近のAIの進歩は約束を守るが、特異なアプローチはしばしば知性の本質を捉えるのに不足する。本稿では,生物計算の基本原理が真にインテリジェントなシステムの設計をいかに導くかを検討する。
論文参考訳（メタデータ） (2024-11-22T02:55:39Z)
No-brainer: Morphological Computation driven Adaptive Behavior in Soft Robots [0.24554686192257422]
ロボット制御のための分離された明示的な脳がなくても、インテリジェントな行動が作成できることを示す。具体的には, 簡単な反応材料を用いて, ボクセルをベースとした仮想ソフトロボットにおいて適応的かつ複雑な動作を創出できることを示す。
論文参考訳（メタデータ） (2024-07-23T16:20:36Z)
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)
On Physical Origins of Learning [0.0]
我々は,非生物学的・非進化的起源を持つ学習を提案する。学習の重要な特性は、単純な物理モデルで観察、説明、正確に再現できることが判明した。
論文参考訳（メタデータ） (2023-07-27T19:45:19Z)
Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文参考訳（メタデータ） (2023-04-30T22:51:31Z)
From Biological Synapses to Intelligent Robots [0.0]
ヘビアンシナプス学習は、機械学習とインテリジェンスのための機能的関連モデルとして議論されている。適応的な学習と制御の可能性を、監督なしで先導する。ここで収集された洞察は、インテリジェントなロボティクスとセンサーシステムの選択ソリューションとして、Hebbianモデルに向けられている。
論文参考訳（メタデータ） (2022-02-25T12:39:22Z)
From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。 CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文参考訳（メタデータ） (2022-01-20T17:07:03Z)
The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents [51.94554095091305]
本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
論文参考訳（メタデータ） (2022-01-02T20:14:01Z)
Perspective: Purposeful Failure in Artificial Life and Artificial Intelligence [0.0]
失敗は生物と生物学的知能を特徴づける青写真である、と私は主張する。人工生命と人工知能の生物学的成功を模倣することは誤解を招く可能性があります。失敗を模倣することは、人工システムにおける生命の理解と模倣への道を提供します。
論文参考訳（メタデータ） (2021-02-24T05:43:44Z)
Embodied Intelligence via Learning and Evolution [92.26791530545479]
環境の複雑さが形態学的知能の進化を促進することを示す。また、進化は速く学習する形態を素早く選択することを示した。我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
論文参考訳（メタデータ） (2021-02-03T18:58:31Z)
RoboTHOR: An Open Simulation-to-Real Embodied AI Platform [56.50243383294621]
インタラクティブで具体化された視覚AIの研究を民主化するためにRoboTHORを導入する。シミュレーションで訓練されたモデルの性能は,シミュレーションと慎重に構築された物理アナログの両方で試験される場合,大きな差があることが示される。
論文参考訳（メタデータ） (2020-04-14T20:52:49Z)

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。