論文の概要: A Rubric for Human-like Agents and NeuroAI

• arxiv url: http://arxiv.org/abs/2212.04401v1
• Date: Thu, 8 Dec 2022 16:59:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 15:24:12.788159
• Title: A Rubric for Human-like Agents and NeuroAI
• Title（参考訳）: 人型エージェントとニューロAI
• Authors: Ida Momennejad
• Abstract要約: コントリビュートされた研究は、振る舞いの模倣から機械学習メソッドのテストまで幅広い。 これら3つの目標のうちの1つが自動的に他の目標の進捗に変換されることは想定できない。 これは、弱く強いニューロAIとヒトのようなエージェントの例を用いて明らかにされている。
• 参考スコア（独自算出の注目度）: 2.749726993052939
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Researchers across cognitive, neuro-, and computer sciences increasingly reference human-like artificial intelligence and neuroAI. However, the scope and use of the terms are often inconsistent. Contributed research ranges widely from mimicking behaviour, to testing machine learning methods as neurally plausible hypotheses at the cellular or functional levels, or solving engineering problems. However, it cannot be assumed nor expected that progress on one of these three goals will automatically translate to progress in others. Here a simple rubric is proposed to clarify the scope of individual contributions, grounded in their commitments to human-like behaviour, neural plausibility, or benchmark/engineering goals. This is clarified using examples of weak and strong neuroAI and human-like agents, and discussing the generative, corroborate, and corrective ways in which the three dimensions interact with one another. The author maintains that future progress in artificial intelligence will need strong interactions across the disciplines, with iterative feedback loops and meticulous validity tests, leading to both known and yet-unknown advances that may span decades to come.
• Abstract（参考訳）: 認知、神経、コンピュータ科学の研究者は、人間のような人工知能やニューロAIをますます参照している。 しかし、その用語の範囲と使用は、しばしば矛盾する。 コントリビューションされた研究は、振る舞いの模倣から、細胞レベルや機能レベルの神経学的に妥当な仮説としての機械学習手法のテスト、エンジニアリング問題の解決まで幅広い。 しかし、これらの3つの目標のうちの1つが自動的に他の目標の進捗に変換されることは想定できない。 ここでは、人間のような振る舞い、神経可視性、ベンチマーク/エンジニアリング目標へのコミットメントに基づく、個人の貢献の範囲を明確にするために、単純なルーリックが提案されている。 これは、弱く強いニューロAIやヒトのようなエージェントの例を用いて解明され、3次元が互いに相互作用する生成的、腐食的、補正的な方法について議論される。 著者は、人工知能の今後の進歩は、反復的なフィードバックループと細心の注意深い妥当性テストによって、分野全体にわたって強力な相互作用を必要とし、今後数十年にわたる未知の進歩に繋がる、と主張している。

関連論文リスト

• Enhancing learning in artificial neural networks through cellular 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)
• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• The Role of Higher-Order Cognitive Models in Active Learning [8.847360368647752]
  我々は、人間のフィードバックのためのアクティブな学習のための新しいパラダイムを提唱する。 エージェントのレベルが上がると、アクティブな学習システムと教師との合理的コミュニケーションの質的に異なる形態がもたらされるかについて議論する。
  論文  参考訳（メタデータ） (2024-01-09T07:39:36Z)
• The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
  生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。 同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。 一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
  論文  参考訳（メタデータ） (2023-10-31T18:07:07Z)
• 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)
• Behavior quantification as the missing link between fields: Tools for digital psychiatry and their role in the future of neurobiology [0.0]
  現在の技術は、行動特性を改善するためのエキサイティングな機会です。 携帯電話のGPSやスマートウォッチの加速度計などの受動的センサーストリームを連続的に収集する新機能は、新しい疑問の道を開く。 理論上、現在の技術で捉えられるものには大きな可能性があるが、それ自体は大きな計算課題である。
  論文  参考訳（メタデータ） (2023-05-24T17:45:10Z)
• Self-mediated exploration in artificial intelligence inspired by cognitive psychology [1.3351610617039975]
  物理環境の探索は、データ取得に必須の先駆者であり、分析的または直接的な試行を通じて知識生成を可能にする。 この研究は、人間の行動と人工エージェントを結び付け、自己開発を支援する。 その後の研究では、人工エージェントが収束に向けて繰り返し実施される以前のヒトの治験を反映するように設計されている。 その結果、ほとんどのエージェントが学んだ因果関係が、内部の状態と、人間に報告されたものと一致するための探索の間にあることが示された。
  論文  参考訳（メタデータ） (2023-02-13T18:20:44Z)
• 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)
• NeuroCERIL: Robotic Imitation Learning via Hierarchical Cause-Effect Reasoning in Programmable Attractor Neural Networks [2.0646127669654826]
  本稿では,脳にインスパイアされた神経認知アーキテクチャであるNeuroCERILについて紹介する。 シミュレーションされたロボット模倣学習領域において,NeuroCERILは様々な手続き的スキルを習得できることを示す。 我々は、NeuroCERILは人間のような模倣学習の実行可能な神経モデルであると結論付けた。
  論文  参考訳（メタデータ） (2022-11-11T19:56:11Z)
• Towards hybrid primary intersubjectivity: a neural robotics library for human science [4.232614032390374]
  主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観的主観 本研究では,人-ロボットインタラクション実験のためのオープンソース手法であるテクスチュラルロボティクスライブラリ(NRL)を提案する。 人-ロボット間(ハイブリッド)が人間の科学研究に寄与する方法について論じる。
  論文  参考訳（メタデータ） (2020-06-29T11:35:46Z)
• 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。