論文の概要: Lateralization in Agents' Decision Making: Evidence of Benefits/Costs
from Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2302.01542v1
- Date: Fri, 3 Feb 2023 04:34:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-06 17:22:57.581100
- Title: Lateralization in Agents' Decision Making: Evidence of Benefits/Costs
from Artificial Intelligence
- Title（参考訳）: エージェントの意思決定における側方化:人工知能による利益/利益の証明
- Authors: Abubakar Siddique, Will N. Browne, and Gina M. Grimshaw
- Abstract要約: 我々は、与えられた問題を同時に表現し、対処する2つの新しい横型人工知能システムについて記述し、検証する。
利点は、入力信号が構成レベルと全体レベルの両方で同時に表現できることから生じる。
横型AIシステムに関連する計算コストは、従来のAIシステムよりも低いか、より良いソリューションを提供することで対抗できる。
- 参考スコア（独自算出の注目度）: 0.1529342790344802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lateralization is ubiquitous in vertebrate brains which, as well as its role
in locomotion, is considered an important factor in biological intelligence.
Lateralization has been associated with both poor and good performance. It has
been hypothesized that lateralization has benefits that may counterbalance its
costs. Given that lateralization is ubiquitous, it likely has advantages that
can benefit artificial intelligence. In turn, lateralized artificial
intelligent systems can be used as tools to advance the understanding of
lateralization in biological intelligence. Recently lateralization has been
incorporated into artificially intelligent systems to solve complex problems in
computer vision and navigation domains. Here we describe and test two novel
lateralized artificial intelligent systems that simultaneously represent and
address given problems at constituent and holistic levels. The experimental
results demonstrate that the lateralized systems outperformed state-of-the-art
non-lateralized systems in resolving complex problems. The advantages arise
from the abilities, (i) to represent an input signal at both the constituent
level and holistic level simultaneously, such that the most appropriate
viewpoint controls the system; (ii) to avoid extraneous computations by
generating excite and inhibit signals. The computational costs associated with
the lateralized AI systems are either less than the conventional AI systems or
countered by providing better solutions.
- Abstract（参考訳）: 側方化は脊椎動物の脳において普遍的であり、移動におけるその役割は生物学的知性において重要な要素と考えられている。
側方化は、貧弱と良好な性能の両方に関係している。
側方化にはコストのバランスを崩す効果があると仮定されている。
横方向化がユビキタスであることを考えると、人工知能にメリットをもたらす可能性がある。
逆に、バイオインテリジェンスにおける側方化の理解を深めるためのツールとして、側方化人工知能システムを用いることができる。
近年、コンピュータビジョンやナビゲーション領域の複雑な問題を解くために、人工知能システムに横方向化が組み込まれている。
本稿では,構成的および全体的レベルで与えられた問題を同時に表現し,対処する2つの新しい横型人工知能システムについて述べる。
実験の結果, 複雑問題の解法において, 側方化系は最先端非側方化系よりも優れていた。
その利点は能力から生じる。
(i)最も適切な視点がシステムを制御するように構成レベルと全体レベルの両方で同時に入力信号を表現すること。
(ii)興奮を発生させ、信号を抑制することにより、余剰な計算を避ける。
横型AIシステムに関連する計算コストは、従来のAIシステムよりも低いか、より良いソリューションを提供することで対抗できる。
関連論文リスト
- Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
AIシステムは知恵を欠いている。
AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。
メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Formal Explanations for Neuro-Symbolic AI [28.358183683756028]
本稿では,ニューロシンボリックシステムの決定を説明するための公式なアプローチを提案する。
これはまず、説明が必要な神経情報の個々の部分のサブセットを特定するのに役立つ。
これに続いて、階層的な形式的な説明の簡潔さを促進するために、互いに独立して、これらの個々の神経入力のみを説明する。
論文 参考訳（メタデータ） (2024-10-18T07:08:31Z) - Towards Efficient Neuro-Symbolic AI: From Workload Characterization to Hardware Architecture [22.274696991107206]
ニューロシンボリックAIは、解釈可能性、堅牢性、信頼性を高めるニューラルネットワークとシンボリックアプローチを融合して、有望なパラダイムとして出現する。
最近のニューロシンボリックシステムは、推論と認知能力を備えた協調的な人間-AIシナリオにおいて大きな可能性を示している。
まず, ニューロシンボリックAIアルゴリズムを体系的に分類し, 実行時, メモリ, 計算演算子, 疎結合性, システム特性を実験的に評価し, 解析する。
論文 参考訳（メタデータ） (2024-09-20T01:32:14Z) - Visual Agents as Fast and Slow Thinkers [88.6691504568041]
本稿では、Fast and Slow Thinking機構を視覚エージェントに組み込んだFaSTを紹介する。
FaSTは、システム1/2モード間の動的選択にスイッチアダプタを使用する。
モデルの信頼性を調整し、新しいコンテキストデータを統合することで、不確実で目に見えないオブジェクトに取り組む。
論文 参考訳（メタデータ） (2024-08-16T17:44:02Z) - Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
コネクショニストと象徴的人工知能(AI)の収束を探求する記事
従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。
大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
論文 参考訳（メタデータ） (2024-07-11T14:00:53Z) - 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) - 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) - Ontology in Hybrid Intelligence: a concise literature review [3.9160947065896803]
ハイブリッドインテリジェンス(Hybrid Intelligence)は、人間と人工知能のバランスの取れた共存を指して人気を集めている。
オントロジーは、インターオペラビリティを拡張するための特定の役割と同様に、品質と正確性を改善する。
アプリケーション指向分析は、現在のシステム(70%以上)や、将来的なシステムにおいて重要な役割を担っている。
論文 参考訳（メタデータ） (2023-03-30T09:55:29Z) - Cognitive Architecture for Co-Evolutionary Hybrid Intelligence [0.17767466724342065]
論文は、強力な(一般的な)データ中心人工知能(AI)の実現可能性に疑問を投げかける。
代替として、共進化型ハイブリッドインテリジェンスの概念が提案されている。
インテリジェントな問題解決のループに人間をシームレスに組み込むアーキテクチャを考える。
論文 参考訳（メタデータ） (2022-09-05T08:26:16Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - Scope and Sense of Explainability for AI-Systems [0.0]
高度に複雑で効率的なAIシステムの説明可能性に関する問題に重点が置かれる。
AIソリューションが完全に理解できないため、事前に破棄されるならば、インテリジェントシステムの可能性の大部分は無駄になる、という考えを支持する議論を詳しく説明する。
論文 参考訳（メタデータ） (2021-12-20T14:25:05Z)
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。