論文の概要: An Approach for Solving Tasks on the Abstract Reasoning Corpus
- arxiv url: http://arxiv.org/abs/2302.09425v1
- Date: Sat, 18 Feb 2023 21:30:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 18:36:16.351512
- Title: An Approach for Solving Tasks on the Abstract Reasoning Corpus
- Title(参考訳): 抽象推論コーパスにおける課題解決への一アプローチ
- Authors: James Ainooson, Deepayan Sanyal, Joel P. Michelson, Yuan Yang,
Maithilee Kunda
- Abstract要約: ARC(Abstract Reasoning Corpus)は、人工知能システムや人間などの流体知能を測定するための知能検査である。
ARCタスクの推論と解決のためのシステムを提案する。
- 参考スコア(独自算出の注目度): 3.486683381782259
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The Abstract Reasoning Corpus (ARC) is an intelligence tests for measuring
fluid intelligence in artificial intelligence systems and humans alike. In this
paper we present a system for reasoning about and solving ARC tasks. Our system
relies on a program synthesis approach that searches a space of potential
programs for ones that can solve tasks from the ARC. Programs are in a domain
specific language, and in some instances our search algorithm is guided by
insights from a corpus of ground truth programs. In particular: We describe an
imperative style domain specific language, called Visual Imagery Reasoning
Language (VIMRL), for reasoning about tasks in the ARC. We also demonstrate an
innovative approach for how large search spaces can be decomposed using special
high level functions that determine their own arguments through local searches
on a given task item. Finally, we share our results obtained on the publicly
available ARC items as well as our system's strong performance on a private
test, recently tying for 4th place on the global ARCathon 2022 challenge.
- Abstract(参考訳): ARC(Abstract Reasoning Corpus)は、人工知能システムや人間などの流体知能を測定するための知能検査である。
本稿では,ARCタスクの推論と解決のためのシステムを提案する。
本システムは,ARCからタスクを解くプログラムに対して,潜在的なプログラムの空間を探索するプログラム合成手法に依存する。
プログラムはドメイン固有言語であり、ある例では、検索アルゴリズムは基底真理プログラムのコーパスからの洞察によって導かれる。
特に、ARCのタスクを推論するために、Visual Imagery Reasoning Language (VIMRL)と呼ばれる命令型スタイルのドメイン固有言語を記述する。
また,与えられたタスク項目の局所検索を通じて,自身の引数を決定する特別なハイレベル関数を用いて,大規模な検索空間を分解する方法を実証する。
最後に、一般に公開されているARCアイテムと、プライベートテストにおけるシステムの強いパフォーマンスに関する結果を共有し、最近、グローバルARCathon 2022チャレンジで4位にランクインした。
関連論文リスト
- Aligning Generalisation Between Humans and Machines [74.120848518198]
近年のAIの進歩は、科学的発見と意思決定支援において人間を支援できる技術をもたらしたが、民主主義と個人を妨害する可能性がある。
AIの責任ある使用は、ますます人間とAIのチームの必要性を示している。
これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
論文 参考訳(メタデータ) (2024-11-23T18:36:07Z) - Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳(メタデータ) (2024-10-25T13:15:17Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Advancing Perception in Artificial Intelligence through Principles of
Cognitive Science [6.637438611344584]
我々は、周囲の信号を入力として取り、それを処理して環境を理解する、知覚の認知機能に焦点を当てる。
我々は、認知科学にインスパイアされたAIシステムを構築するために、AIに一連の方法を提案する。
論文 参考訳(メタデータ) (2023-10-13T01:21:55Z) - Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems [268.585904751315]
科学のためのAI(AI4Science)として知られる新しい研究領域
領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。
主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
論文 参考訳(メタデータ) (2023-07-17T12:14:14Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - BO-Muse: A human expert and AI teaming framework for accelerated
experimental design [58.61002520273518]
我々のアルゴリズムは、人間の専門家が実験プロセスでリードすることを可能にする。
我々のアルゴリズムは、AIや人間よりも高速に、サブ線形に収束することを示す。
論文 参考訳(メタデータ) (2023-03-03T02:56:05Z) - The Algonauts Project 2023 Challenge: How the Human Brain Makes Sense of
Natural Scenes [0.0]
2023年のAlgonauts Project Challenge: How the Human Brain Makes Sense of Natural Scenesを紹介する。
このインストールは、視覚脳の計算モデルを構築するために、人工知能と生物学的知能の分野が一緒になるよう促す。
課題はすべてオープンで、各提出後に自動的に更新される公開リーダボードを通じて、結果を直接的に比較し、透過的にする。
論文 参考訳(メタデータ) (2023-01-09T08:27:36Z) - The Ninth Advances in Cognitive Systems (ACS) Conference [3.7706789983985303]
ACSは、人工知能と認知科学の初期目標に関する研究のための年次会議である。
それは、心を計算用語で説明し、計算人工物における人間の認知能力の全範囲を再現することを目的としている。
論文 参考訳(メタデータ) (2022-01-16T20:57:08Z) - Learning as Reinforcement: Applying Principles of Neuroscience for More
General Reinforcement Learning Agents [1.0742675209112622]
我々は、生物学的アルゴリズムの計算効率の良い抽象化を組み合わせることによって、実験神経科学の原理に基づいて構築されたアーキテクチャを実装する。
我々のアプローチは、スパイク刺激依存塑性の研究、短期記憶と長期記憶の遷移、および好奇心に対する様々な神経伝達物質の役割に着想を得たものである。
Neurons-in-a-Boxアーキテクチャは、完全に一般化可能な方法で学習することができ、一連の基準やアクションを明示的に最適化することなく、表現を構築し、適用するための効率的な方法を示す。
論文 参考訳(メタデータ) (2020-04-20T04:06:21Z)
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。