論文の概要: Designing Ecosystems of Intelligence from First Principles
- arxiv url: http://arxiv.org/abs/2212.01354v1
- Date: Fri, 2 Dec 2022 18:24:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-05 17:34:56.363059
- Title: Designing Ecosystems of Intelligence from First Principles
- Title（参考訳）: 第一原理から知性のエコシステムを設計する
- Authors: Karl J Friston, Maxwell J D Ramstead, Alex B Kiefer, Alexander
Tschantz, Christopher L Buckley, Mahault Albarracin, Riddhi J Pitliya, Conor
Heins, Brennan Klein, Beren Millidge, Dalton A R Sakthivadivel, Toby St Clere
Smithe, Magnus Koudahl, Safae Essafi Tremblay, Capm Petersen, Kaiser Fung,
Jason G Fox, Steven Swanson, Dan Mapes, Gabriel Ren\'e
- Abstract要約: 本稿は,今後10年間の知能分野における研究開発のビジョンを概説する。
適応行動の定式化である能動推論を前提とした。
このようなエコシステムを実現するために開発する必要がある通信プロトコルの種類について検討する。
- 参考スコア（独自算出の注目度）: 41.915746300365115
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This white paper lays out a vision of research and development in the field
of artificial intelligence for the next decade (and beyond). Its denouement is
a cyber-physical ecosystem of natural and synthetic sense-making, in which
humans are integral participants$\unicode{x2014}$what we call ''shared
intelligence''. This vision is premised on active inference, a formulation of
adaptive behavior that can be read as a physics of intelligence, and which
inherits from the physics of self-organization. In this context, we understand
intelligence as the capacity to accumulate evidence for a generative model of
one's sensed world$\unicode{x2014}$also known as self-evidencing. Formally,
this corresponds to maximizing (Bayesian) model evidence, via belief updating
over several scales: i.e., inference, learning, and model selection.
Operationally, this self-evidencing can be realized via (variational) message
passing or belief propagation on a factor graph. Crucially, active inference
foregrounds an existential imperative of intelligent systems; namely, curiosity
or the resolution of uncertainty. This same imperative underwrites belief
sharing in ensembles of agents, in which certain aspects (i.e., factors) of
each agent's generative world model provide a common ground or frame of
reference. Active inference plays a foundational role in this ecology of belief
sharing$\unicode{x2014}$leading to a formal account of collective intelligence
that rests on shared narratives and goals. We also consider the kinds of
communication protocols that must be developed to enable such an ecosystem of
intelligences and motivate the development of a shared hyper-spatial modeling
language and transaction protocol, as a first$\unicode{x2014}$and
key$\unicode{x2014}$step towards such an ecology.
- Abstract（参考訳）: このホワイトペーパーは、今後10年間(そしてそれ以降)、人工知能の分野での研究と開発に関するビジョンを述べている。
そのデノベーションは自然と合成の感覚作りのサイバー物理的なエコシステムであり、人間は「共有知性」と呼ばれる「統合的参加者」(\unicode{x2014}$ What we called 'shared intelligence')である。
このビジョンは、知能の物理として読むことができ、自己組織化の物理から継承される適応行動の定式化であるアクティブ推論(active inference)を前提としている。
この文脈では、知性は知覚された世界$\unicode{x2014}$ の生成モデルに対する証拠を蓄積する能力として理解する。
形式的には、これは(ベイジアン)モデル証拠の最大化、すなわち推論、学習、モデル選択など、いくつかの尺度で更新された信念によるものである。
操作的には、この自己随伴は因子グラフ上の(可変)メッセージパッシングまたは信念伝達によって実現することができる。
重要なことに、アクティブな推論は知的システムの実在的な命令、すなわち好奇心や不確実性の解決を前提としている。
この命令はエージェントのアンサンブルにおける信念の共有を下書きし、各エージェントの生成的世界モデルの特定の側面(すなわち要因)が共通基盤または参照の枠組みを提供する。
アクティブ推論は、信念共有のこのエコロジーにおいて基礎的な役割を果たす。$\unicode{x2014}$leading to a formal account of collective intelligence that rests on shared narratives and goals。
また、このような知性のエコシステムを実現するために開発され、共有の超空間モデリング言語とトランザクションプロトコルの開発を動機づける通信プロトコルの種類も考慮し、最初の$\unicode{x2014}$とkey$\unicode{x2014}$stepをそのような生態学に向けて検討する。
関連論文リスト
- The Trap of Presumed Equivalence: Artificial General Intelligence Should Not Be Assessed on the Scale of Human Intelligence [0.0]
知的システム理論における新しい知性を評価するための伝統的なアプローチは、人間のような行動や行動の類似性、「模倣」に基づいている。
いくつかの自然な仮定の下では、インテリジェントなシステムを開発することは、独自のインテントと目的を形成することができる、と我々は主張する。
論文 参考訳（メタデータ） (2024-10-14T13:39:58Z) - SciAgents: Automating scientific discovery through multi-agent intelligent graph reasoning [0.0]
人工知能の鍵となる課題は、科学的理解を自律的に進めるシステムを作ることである。
3つのコア概念を活用するアプローチであるSciAgentsを提案する。
この枠組みは研究仮説を自律的に生成し、基礎となるメカニズム、設計原則、予期せぬ材料特性を解明する。
我々のケーススタディでは、生成AI、オントロジ表現、マルチエージェントモデリングを組み合わせて、生物学的システムに似た知能の群を活用できるスケーラブルな能力を実証している。
論文 参考訳（メタデータ） (2024-09-09T12:25:10Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - World Models and Predictive Coding for Cognitive and Developmental
Robotics: Frontiers and Challenges [51.92834011423463]
我々は世界モデルと予測符号化の2つの概念に焦点を当てる。
神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
論文 参考訳（メタデータ） (2023-01-14T06:38:14Z) - Intrinsically Motivated Learning of Causal World Models [0.0]
有望な方向は、センサーと環境との相互作用の裏に隠された真の物理的なメカニズムを捉えた世界モデルを構築することである。
環境の因果構造を推定することは、適切な介入データを収集する手段として、適切なチョーセン行動の恩恵を受けることができる。
論文 参考訳（メタデータ） (2022-08-09T16:48:28Z) - An Enactivist-Inspired Mathematical Model of Cognition [5.8010446129208155]
我々は、関連する文献で慎重に確認した5つの基本的なエノクティビズム認知科学のテレットを定式化する。
次に、これらの実践主義的信条に従う認知システムについて話すための数学的枠組みを開発する。
論文 参考訳（メタデータ） (2022-06-10T13:03:47Z) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳（メタデータ） (2022-06-03T12:24:49Z) - Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。
この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。
これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
論文 参考訳（メタデータ） (2020-11-30T18:29:25Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z)
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。