論文の概要: Combining Fast and Slow Thinking for Human-like and Efficient Navigation
in Constrained Environments
- arxiv url: http://arxiv.org/abs/2201.07050v1
- Date: Tue, 18 Jan 2022 15:24:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 14:17:16.446179
- Title: Combining Fast and Slow Thinking for Human-like and Efficient Navigation
in Constrained Environments
- Title(参考訳): 制約環境における人的・効率的なナビゲーションのための高速・スロー思考の組み合わせ
- Authors: Marianna B. Ganapini, Murray Campbell, Francesco Fabiano, Lior Horesh,
Jon Lenchner, Andrea Loreggia, Nicholas Mattei, Taher Rahgooy, Francesca
Rossi, Biplav Srivastava, Brent Venable
- Abstract要約: 現在のAIシステムには、適応性、一般化可能性、自己制御、一貫性、常識、因果推論など、いくつかの重要な人間の能力がない。
我々は、人間の意思決定に関する既存の認知理論、例えば思考の速さと遅い理論は、これらの能力のいくつかに向けてAIシステムを前進させる方法についての洞察を与えることができると信じている。
- 参考スコア(独自算出の注目度): 43.178630971993286
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current AI systems lack several important human capabilities, such as
adaptability, generalizability, self-control, consistency, common sense, and
causal reasoning. We believe that existing cognitive theories of human decision
making, such as the thinking fast and slow theory, can provide insights on how
to advance AI systems towards some of these capabilities. In this paper, we
propose a general architecture that is based on fast/slow solvers and a
metacognitive component. We then present experimental results on the behavior
of an instance of this architecture, for AI systems that make decisions about
navigating in a constrained environment. We show how combining the fast and
slow decision modalities allows the system to evolve over time and gradually
pass from slow to fast thinking with enough experience, and that this greatly
helps in decision quality, resource consumption, and efficiency.
- Abstract(参考訳): 現在のAIシステムには、適応性、一般化可能性、自己制御、一貫性、常識、因果推論など、いくつかの重要な人間の能力がない。
我々は、人間の意思決定に関する既存の認知理論、例えば思考の速さと遅い理論は、これらの能力のいくつかに向けてAIシステムを前進させる方法について洞察を与えることができると考えている。
本稿では,高速かつスローな解法とメタ認知的成分に基づく汎用アーキテクチャを提案する。
次に、制約された環境でのナビゲーションに関する決定を行うAIシステムに対して、このアーキテクチャのインスタンスの動作に関する実験結果を示す。
高速で遅い意思決定のモダリティを組み合わせることで、システムが時間とともに進化し、十分な経験を積んだゆっくりとした思考から速い思考へと徐々に移行し、意思決定の品質、リソース消費、効率に大きく寄与することを示す。
関連論文リスト
- Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳(メタデータ) (2023-11-13T21:20:17Z) - Advancing Perception in Artificial Intelligence through Principles of
Cognitive Science [6.637438611344584]
我々は、周囲の信号を入力として取り、それを処理して環境を理解する、知覚の認知機能に焦点を当てる。
我々は、認知科学にインスパイアされたAIシステムを構築するために、AIに一連の方法を提案する。
論文 参考訳(メタデータ) (2023-10-13T01:21:55Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Fast and Slow Planning [25.91512962807549]
SOFAIは、高速または遅いと特徴付ける異なる機能と、それらを制御するメタ認知モジュールを備えた、複数の解決アプローチを利用する。
このシステムの振舞いは最先端の解法と比較され、新たに導入されたシステムは一般性の観点からより良い結果を示すことを示す。
論文 参考訳(メタデータ) (2023-03-07T23:05:38Z) - Towards Human Cognition Level-based Experiment Design for Counterfactual
Explanations (XAI) [68.8204255655161]
XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。
認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。
本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
論文 参考訳(メタデータ) (2022-10-31T19:20:22Z) - Thinking Fast and Slow in AI: the Role of Metacognition [35.114607887343105]
最先端のAIには、(人間)インテリジェンスの概念に自然に含まれる多くの能力がない。
私たちは、人間がこれらの能力を持つことができるメカニズムをよりよく研究することで、これらの能力でAIシステムを構築する方法を理解するのに役立ちます。
論文 参考訳(メタデータ) (2021-10-05T06:05:38Z) - Multi-Modal Temporal Convolutional Network for Anticipating Actions in
Egocentric Videos [22.90184887794109]
正確だが十分に速くないメソッドは、意思決定プロセスに高いレイテンシをもたらす。
これは、反応時間が重要である自律運転のようなドメインに問題を引き起こす。
本稿では,時間的畳み込みに基づくシンプルで効果的なマルチモーダルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-07-18T16:21:35Z) - HALMA: Humanlike Abstraction Learning Meets Affordance in Rapid Problem
Solving [104.79156980475686]
人間は自然主義的タスクの構造に応じて構成的および因果的抽象化、つまり知識を学ぶ。
エージェントがその知識をどのように表現するかには、知覚、概念、アルゴリズムの3段階の一般化がある、と我々は主張する。
このベンチマークは、ビジュアルコンセプト開発と迅速な問題解決のための新しいタスクドメイン、HALMAを中心にしています。
論文 参考訳(メタデータ) (2021-02-22T20:37:01Z) - Thinking Fast and Slow in AI [38.8581204791644]
本稿では,人間の意思決定の認知理論からインスピレーションを得たAI研究の方向性を提案する。
前提は、AIでまだ不足しているいくつかの人間の能力の原因について洞察を得ることができれば、AIシステムで同様の能力を得ることができるということです。
論文 参考訳(メタデータ) (2020-10-12T20:10:05Z) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳(メタデータ) (2020-03-18T08:45:10Z)
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。