論文の概要: Rethinking the Physical Symbol Systems Hypothesis
- arxiv url: http://arxiv.org/abs/2306.13150v1
- Date: Thu, 22 Jun 2023 18:15:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-26 14:24:20.853378
- Title: Rethinking the Physical Symbol Systems Hypothesis
- Title(参考訳): 物理記号系仮説の再検討
- Authors: Paul S. Rosenbloom
- Abstract要約: ニューラルネットワークと認知アーキテクチャの研究による最近の証拠は、物理記号系仮説を弱めている。
計算記号の性質を再考し、2つの新しい仮説を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It is now more than a half-century since the Physical Symbol Systems
Hypothesis (PSSH) was first articulated as an empirical hypothesis. More recent
evidence from work with neural networks and cognitive architectures has
weakened it, but it has not yet been replaced in any satisfactory manner. Based
on a rethinking of the nature of computational symbols -- as atoms or
placeholders -- and thus also of the systems in which they participate, a
hybrid approach is introduced that responds to these challenges while also
helping to bridge the gap between symbolic and neural approaches, resulting in
two new hypotheses, one that is to replace the PSSH and other focused more
directly on cognitive architectures.
- Abstract(参考訳): 物理記号系仮説 (PSSH) が経験的仮説として初めて記述されてから半世紀以上になる。
ニューラルネットワークや認知アーキテクチャの研究による近年の証拠は、それを弱めているが、満足のいく方法では置き換えられていない。
原子やプレースホルダとしての計算記号の性質を再考し、それらが参加するシステムについても考え直し、これらの課題に対応すると同時にシンボリックアプローチとニューラルアプローチのギャップを埋めるのに役立つハイブリッドアプローチが導入された。
関連論文リスト
- Softened Symbol Grounding for Neuro-symbolic Systems [24.587628032516033]
本稿では,2つの世界間のギャップを埋める,新しい,軟化されたシンボル接地プロセスを提案し,効果的かつ効率的なニューロシンボリック学習の枠組みを提示する。
本フレームワークは,(1)ボルツマン分布としてシンボル解状態のモデル化を特徴とし,高コストな状態探索を回避し,ネットワークトレーニングとシンボル推論の相互に有益な相互作用を促進する。
3つの代表的なニューロシンボリック・ラーニング・タスクを用いた実験により,その優れたシンボルグラウンドリング能力により,我々のフレームワークは,既存の提案のフロンティアを越えた問題解決に成功していることが示された。
論文 参考訳(メタデータ) (2024-03-01T06:57:09Z) - Disentangling the Causes of Plasticity Loss in Neural Networks [55.23250269007988]
可塑性の喪失は複数の独立したメカニズムに分解できることを示す。
種々の非定常学習タスクにおいて, 層正規化と重み劣化の組み合わせは, 可塑性維持に極めて有効であることを示す。
論文 参考訳(メタデータ) (2024-02-29T00:02:33Z) - Simple and Effective Transfer Learning for Neuro-Symbolic Integration [54.27778591338189]
この問題の潜在的な解決策はNeuro-Symbolic Integration (NeSy)であり、ニューラルアプローチとシンボリック推論を組み合わせる。
これらの手法のほとんどは、認識をシンボルにマッピングするニューラルネットワークと、下流タスクの出力を予測する論理的論理的推論を利用する。
それらは、緩やかな収束、複雑な知覚タスクの学習困難、局所的なミニマへの収束など、いくつかの問題に悩まされている。
本稿では,これらの問題を改善するための簡易かつ効果的な方法を提案する。
論文 参考訳(メタデータ) (2024-02-21T15:51:01Z) - Interpretable Neural PDE Solvers using Symbolic Frameworks [0.0]
偏微分方程式 (Partial differential equation, PDE) は、熱や音から量子システムへの現象をモデル化する。
近年のディープラーニングの進歩は、強力なニューラルソルバの開発に繋がった。
しかし、その解釈可能性には大きな課題が残っている。
論文 参考訳(メタデータ) (2023-10-31T13:56:25Z) - 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) - Extensions to Generalized Annotated Logic and an Equivalent Neural
Architecture [4.855957436171202]
本稿では,ニューロシンボリックシステムに対する望ましい基準のリストを提案し,既存のアプローチのいくつかがこれらの基準にどう対処するかを検討する。
次に、等価なニューラルアーキテクチャの作成を可能にするアノテーション付き一般化論理の拡張を提案する。
トレーニングプロセスの継続的な最適化に依存する従来のアプローチとは異なり、当社のフレームワークは、離散最適化を使用する二項化ニューラルネットワークとして設計されている。
論文 参考訳(メタデータ) (2023-02-23T17:39:46Z) - Spike-based local synaptic plasticity: A survey of computational models
and neuromorphic circuits [1.8464222520424338]
シナプス可塑性のモデル化における歴史的,ボトムアップ的,トップダウン的なアプローチを概観する。
スパイクベース学習ルールの低レイテンシおよび低消費電力ハードウェア実装をサポートする計算プリミティブを同定する。
論文 参考訳(メタデータ) (2022-09-30T15:35:04Z) - Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。
この記事では、そのような制限と、それらが緩和される方法について論じる。
これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文 参考訳(メタデータ) (2022-05-25T20:16:05Z) - Improving Coherence and Consistency in Neural Sequence Models with
Dual-System, Neuro-Symbolic Reasoning [49.6928533575956]
我々は、神経系1と論理系2の間を仲介するために神経推論を用いる。
強靭なストーリー生成とグラウンドド・インストラクション・フォローリングの結果、このアプローチは神経系世代におけるコヒーレンスと精度を高めることができることを示した。
論文 参考訳(メタデータ) (2021-07-06T17:59:49Z) - Object-based attention for spatio-temporal reasoning: Outperforming
neuro-symbolic models with flexible distributed architectures [15.946511512356878]
適切な帰納的バイアスを持つ完全学習型ニューラルネットワークは,従来のニューラルシンボリックモデルよりもかなり優れた性能を示す。
我々のモデルは、自己意識と学習された「ソフト」オブジェクト中心表現の両方を批判的に利用します。
論文 参考訳(メタデータ) (2020-12-15T18:57:40Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳(メタデータ) (2020-03-09T15:04:07Z)
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。