論文の概要: What does it mean to represent? Mental representations as falsifiable memory patterns

• arxiv url: http://arxiv.org/abs/2203.02956v1
• Date: Sun, 6 Mar 2022 12:52:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-09 06:35:23.421042
• Title: What does it mean to represent? Mental representations as falsifiable memory patterns
• Title（参考訳）: それは何を意味するのか? 虚偽記憶パターンとしての心的表現
• Authors: Eloy Parra-Barrero and Yulia Sandamirskaya
• Abstract要約: 我々は、因果的および遠隔的アプローチは表現の十分な説明を提供していないと論じる。 我々は、どの表現が世界の推論された潜在構造に対応するかという選択肢をスケッチする。 これらの構造は客観的に特定の特性を持つと考えられており、予期せぬ事象の計画、予測、検出を可能にしている。
• 参考スコア（独自算出の注目度）: 8.430851504111585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Representation is a key notion in neuroscience and artificial intelligence (AI). However, a longstanding philosophical debate highlights that specifying what counts as representation is trickier than it seems. With this brief opinion paper we would like to bring the philosophical problem of representation into attention and provide an implementable solution. We note that causal and teleological approaches often assumed by neuroscientists and engineers fail to provide a satisfactory account of representation. We sketch an alternative according to which representations correspond to inferred latent structures in the world, identified on the basis of conditional patterns of activation. These structures are assumed to have certain properties objectively, which allows for planning, prediction, and detection of unexpected events. We illustrate our proposal with the simulation of a simple neural network model. We believe this stronger notion of representation could inform future research in neuroscience and AI.
• Abstract（参考訳）: 表現は神経科学と人工知能(AI)において重要な概念である。 しかし、長年の哲学的議論は、表現として数えられるものを特定することは見かけより難しいと強調している。 この簡潔な意見論文では、表現の哲学的問題に注目し、実装可能なソリューションを提供したいと思います。 神経科学者や技術者がしばしば想定する因果的・テレロジー的アプローチは、表現の十分な説明を提供していないことに注意する。 そこで我々は,アクティベーションの条件パターンに基づいて,世界の推論された潜在構造に対応する表現をスケッチする。 これらの構造は客観的に特定の特性を持つと考えられており、予期せぬ事象の計画、予測、検出を可能にする。 本稿では,単純なニューラルネットワークモデルのシミュレーションを用いて提案する。 この表現の強い概念は、神経科学とAIの将来の研究に役立つと信じています。

関連論文リスト

• Neuro-Symbolic AI: Explainability, Challenges, and Future Trends [26.656105779121308]
  本稿では,2013年度の191研究におけるモデル設計と行動の両面を考慮した説明可能性の分類を提案する。 我々は,表現の相違をブリッジする形態が可読かどうかを考慮し,これらを5つのカテゴリに分類する。 我々は、統一表現、モデル説明可能性の向上、倫理的考察、社会的影響の3つの側面で将来の研究を提案する。
  論文  参考訳（メタデータ） (2024-11-07T02:54:35Z)
• Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
  しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。 このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。 これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
  論文  参考訳（メタデータ） (2024-10-17T17:47:54Z)
• Minding Language Models' (Lack of) Theory of Mind: A Plug-and-Play Multi-Character Belief Tracker [72.09076317574238]
  ToMは,読解における文字の信念状態を調べるためのプラグアンドプレイ方式である。 ToMは、教師付きベースラインと比較して、配電性能が堅牢でありながら、ゼロオーダー設定でのオフ・ザ・シェルフニューラルネットワーク理論の考え方を強化する。
  論文  参考訳（メタデータ） (2023-06-01T17:24:35Z)
• Efficient Symbolic Reasoning for Neural-Network Verification [48.384446430284676]
  本稿では,ニューラルネットワーク検証のための新しいプログラム推論フレームワークを提案する。 我々のフレームワークの主要な構成要素は、記号領域と二次関係の利用である。 我々のフレームワークは、ニューラルネットワークの検証問題に新しい理論的洞察と実践的なツールをもたらすことができると信じている。
  論文  参考訳（メタデータ） (2023-03-23T18:08:11Z)
• A Categorical Framework of General Intelligence [12.134564449202708]
  1950年にアラン・チューリングがこの質問をしたので、直接答えることはできない。 2つの主要な結果とともに、この目標に向けてカテゴリ的なフレームワークを導入します。
  論文  参考訳（メタデータ） (2023-03-08T13:37:01Z)
• Emergence of Machine Language: Towards Symbolic Intelligence with Neural Networks [73.94290462239061]
  本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。 対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-01-14T14:54:58Z)
• Explanatory models in neuroscience: Part 1 -- taking mechanistic abstraction seriously [8.477619837043214]
  批判者は、ニューラルネットワークモデルが脳の機能を照らすことができないことを心配している。 ある種のニューラルネットワークモデルは、実際には力学モデルのよい例である、と我々は主張する。
  論文  参考訳（メタデータ） (2021-04-03T22:17:40Z)
• Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and Execution [97.50813120600026]
  時空間推論は人工知能(AI)の課題である 最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM) ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:18Z)
• Compositional Explanations of Neurons [52.71742655312625]
  本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。 本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
  論文  参考訳（メタデータ） (2020-06-24T20:37:05Z)
• On the Road with 16 Neurons: Mental Imagery with Bio-inspired Deep Neural Networks [4.888591558726117]
  本稿では,自律運転の文脈における視覚的予測の戦略を提案する。 私たちは、人間の心とその神経組織に関する2つの理論的考えからインスピレーションを得ます。 私たちは、考慮すべき2つの基本的な駆動概念のそれぞれに、最大16個の神経ユニットを使用するコンパクトな表現を学びます。
  論文  参考訳（メタデータ） (2020-03-09T16:46:29Z)

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。