論文の概要: Towards the Neuroevolution of Low-level Artificial General Intelligence
- arxiv url: http://arxiv.org/abs/2207.13583v1
- Date: Wed, 27 Jul 2022 15:30:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-28 12:59:36.961381
- Title: Towards the Neuroevolution of Low-level Artificial General Intelligence
- Title（参考訳）: 低レベル汎用知能の神経進化に向けて
- Authors: Sidney Pontes-Filho, Kristoffer Olsen, Anis Yazidi, Michael A.
Riegler, P{\aa}l Halvorsen and Stefano Nichele
- Abstract要約: 我々は、AI(Artificial General Intelligence, AGI)の検索は、人間レベルの知能よりもはるかに低いレベルから始まるべきだと論じる。
我々の仮説は、エージェントが環境の中で行動するとき、学習は感覚フィードバックによって起こるというものである。
環境反応から学習する生物学的にインスパイアされた人工ニューラルネットワークを進化させる手法を評価する。
- 参考スコア（独自算出の注目度）: 5.2611228017034435
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work, we argue that the search for Artificial General Intelligence
(AGI) should start from a much lower level than human-level intelligence. The
circumstances of intelligent behavior in nature resulted from an organism
interacting with its surrounding environment, which could change over time and
exert pressure on the organism to allow for learning of new behaviors or
environment models. Our hypothesis is that learning occurs through interpreting
sensory feedback when an agent acts in an environment. For that to happen, a
body and a reactive environment are needed. We evaluate a method to evolve a
biologically-inspired artificial neural network that learns from environment
reactions named Neuroevolution of Artificial General Intelligence (NAGI), a
framework for low-level AGI. This method allows the evolutionary
complexification of a randomly-initialized spiking neural network with adaptive
synapses, which controls agents instantiated in mutable environments. Such a
configuration allows us to benchmark the adaptivity and generality of the
controllers. The chosen tasks in the mutable environments are food foraging,
emulation of logic gates, and cart-pole balancing. The three tasks are
successfully solved with rather small network topologies and therefore it opens
up the possibility of experimenting with more complex tasks and scenarios where
curriculum learning is beneficial.
- Abstract（参考訳）: 本研究では,AI(Artificial General Intelligence, AGI)の探索は,人間レベルの知能よりもはるかに低いレベルから始めるべきであると論じる。
自然界における知的行動の状況は、周囲の環境と相互作用する生物が時間とともに変化し、新しい行動や環境モデルを学ぶために生物に圧力をかけることに由来する。
私たちの仮説は、エージェントが環境の中で行動するときに感覚フィードバックを解釈することで学習が行われるというものです。
そのためには、ボディとリアクティブ環境が必要です。
我々は,低レベルAGIの枠組みであるNAGI(Neuroevolution of Artificial General Intelligence)と呼ばれる環境反応から学習する,生物学的にインスパイアされたニューラルネットワークを進化させる手法を評価する。
この方法では、ランダムに初期化されたスパイクニューラルネットワークと適応的なシナプスの進化的複雑化を可能にする。
このような構成により、コントローラの適応性と一般性をベンチマークすることができます。
可変環境において選択されるタスクは、食餌、論理ゲートのエミュレーション、カートポールバランスである。
3つのタスクは、かなり小さなネットワークトポロジーでうまく解決されるため、カリキュラム学習が有益な、より複雑なタスクやシナリオを実験する可能性を開く。
関連論文リスト
- Life, uh, Finds a Way: Systematic Neural Search [2.163881720692685]
エージェントの動作に迅速に適応して、設定における継続的な問題を解決するという課題に取り組みます。
深層強化学習に焦点をあてる代わりに,探索手順の物理的表現としての視聴行動を提案する。
本稿では,行動実行とグラフの突然変異の間の厳密なフィードバックループを調節することにより,行動の暗黙的な列挙を行うアルゴリズムについて述べる。
論文 参考訳（メタデータ） (2024-10-02T09:06:54Z) - Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳（メタデータ） (2024-07-05T14:11:28Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Generative Adversarial Neuroevolution for Control Behaviour Imitation [3.04585143845864]
本稿では,一般的なシミュレーション環境における行動模倣にディープ・ニューロエボリューションが有効かどうかを考察する。
我々は、単純な共進化的逆数生成フレームワークを導入し、標準の深い再帰ネットワークを進化させることにより、その能力を評価する。
全てのタスクにおいて、事前訓練されたエージェントが獲得したものよりも高いスコアを達成できる最後のエリートアクターが見つかる。
論文 参考訳（メタデータ） (2023-04-03T16:33:22Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Neuromorphic Computing and Sensing in Space [69.34740063574921]
神経型コンピュータチップは、生物学的脳の構造を模倣するように設計されている。
ニューロモルフィックデバイスの低消費電力とエネルギー効率に重点を置くことは、宇宙応用には最適である。
論文 参考訳（メタデータ） (2022-12-10T07:46:29Z) - 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) - A neural net architecture based on principles of neural plasticity and
development evolves to effectively catch prey in a simulated environment [2.834895018689047]
A-Lifeにとっての大きな課題は、行動が「ライフライク」なエージェントを深く構築することである。
本稿では,動物の脳を構成するプロセスに類似したプロセスを用いて,人工エージェントを駆動するネットワークを構築するためのアーキテクチャとアプローチを提案する。
このアーキテクチャは、センサー入力の変化に対する迅速な応答を可能にするため、小さな自律ロボットやドローンを制御するのに有用であると考えています。
論文 参考訳（メタデータ） (2022-01-28T05:10:56Z) - 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) - Learning to acquire novel cognitive tasks with evolution, plasticity and
meta-meta-learning [3.8073142980733]
メタラーニングでは、ネットワークは外部アルゴリズムでトレーニングされ、タスクの新しいインスタンスごとに予測不可能な情報を取得し、保存し、活用する必要があるタスクを学習する。
ここでは、神経科学モデリングフレームワークに基づく単純なメタ学習タスクのセットで、プラスティック接続を備えたニューラルネットワークを進化させます。
進化したネットワークは、進化した神経組織と塑性構造を自発的に操作することで、トレーニング中に見ることのない、新しい単純な認知タスクを自動的に取得することができる。
論文 参考訳（メタデータ） (2021-12-16T03:18:01Z) - Backprop-Free Reinforcement Learning with Active Neural Generative
Coding [84.11376568625353]
動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。
我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。
我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
論文 参考訳（メタデータ） (2021-07-10T19:02:27Z)
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。