論文の概要: Life-inspired Interoceptive Artificial Intelligence for Autonomous and Adaptive Agents

• arxiv url: http://arxiv.org/abs/2309.05999v1
• Date: Tue, 12 Sep 2023 06:56:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-13 14:10:14.002572
• Title: Life-inspired Interoceptive Artificial Intelligence for Autonomous and Adaptive Agents
• Title（参考訳）: 自律的・適応的エージェントのためのライフインスパイアされた相互受容型人工知能
• Authors: Sungwoo Lee, Younghyun Oh, Hyunhoe An, Hyebhin Yoon, Karl J. Friston, Seok Jun Hong, Choong-Wan Woo
• Abstract要約: インターセプション(Interoception)は、内部環境を監視して一定の範囲内に保持するプロセスである。 インターセプションを備えたAIを開発するためには、内部環境を表す状態変数を外部環境から分解する必要がある。 本稿では,相互受容が自律的かつ適応的なエージェント構築にどのように役立つか,新たな視点を提供する。
• 参考スコア（独自算出の注目度）: 0.8246494848934447
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Building autonomous --- i.e., choosing goals based on one's needs -- and adaptive -- i.e., surviving in ever-changing environments -- agents has been a holy grail of artificial intelligence (AI). A living organism is a prime example of such an agent, offering important lessons about adaptive autonomy. Here, we focus on interoception, a process of monitoring one's internal environment to keep it within certain bounds, which underwrites the survival of an organism. To develop AI with interoception, we need to factorize the state variables representing internal environments from external environments and adopt life-inspired mathematical properties of internal environment states. This paper offers a new perspective on how interoception can help build autonomous and adaptive agents by integrating the legacy of cybernetics with recent advances in theories of life, reinforcement learning, and neuroscience.
• Abstract（参考訳）: 自律的な -- すなわち、ニーズに基づいて目標を選択する -- と適応性 -- 、すなわち、絶えず変化する環境で生き残る — の構築は、人工知能(AI)の聖杯である。 生物はそのようなエージェントの主要な例であり、適応的自律性に関する重要な教訓を提供する。 ここでは, 内環境を一定の範囲内に維持するプロセスであるインターセプション(interoception)に注目し, 生物の生存を基盤とする。 インターセプションを用いたAIを開発するためには、内部環境を表す状態変数を外部環境から分解し、内部環境状態のライフインスパイアされた数学的特性を採用する必要がある。 本稿では, サイバネティクスの遺産と生命理論, 強化学習, 神経科学の最近の進歩を統合することで, インターセプションが自律的かつ適応的なエージェント構築にどのように役立つか, 新たな視点を提供する。

関連論文リスト

• Building Artificial Intelligence with Creative Agency and Self-hood [0.0]
  本論文は,最終ページで紹介された論文の学術的概要について紹介する。 自己触媒ネットワークの形式的枠組みは、自己組織化された自己維持構造の起源をモデル化する手段を提供する。
  論文  参考訳（メタデータ） (2024-06-09T22:28:11Z)
• Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
  Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-05-29T02:35:23Z)
• Discovering Sensorimotor Agency in Cellular Automata using Diversity Search [17.898087201326483]
  細胞性オートマトン (CA) では、自己組織する環境ルールを見つけることができるかどうかが重要視されている。 このアプローチは, 自己組織化につながるCAの環境条件を系統的に把握する上で有効であることを示す。 発見されたエージェントは驚くほど頑丈で、動き、身体の整合性を維持し、さまざまな障害をナビゲートする能力を持っている。
  論文  参考訳（メタデータ） (2024-02-14T14:30:42Z)
• Agent Alignment in Evolving Social Norms [65.45423591744434]
  本稿では,エージェント進化とアライメントのための進化的フレームワークであるEvolutionaryAgentを提案する。 社会規範が継続的に進化する環境では、エージェントは現在の社会規範に適応し、生存と増殖の確率が高くなる。 進化的エージェントは、一般的なタスクにおいてその能力を維持しながら、進化する社会規範と徐々に整合できることを示す。
  論文  参考訳（メタデータ） (2024-01-09T15:44:44Z)
• Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
  エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。 我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
  論文  参考訳（メタデータ） (2024-01-07T19:11:18Z)
• Towards the Neuroevolution of Low-level Artificial General Intelligence [5.2611228017034435]
  我々は、AI(Artificial General Intelligence, AGI)の検索は、人間レベルの知能よりもはるかに低いレベルから始まるべきだと論じる。 我々の仮説は、エージェントが環境の中で行動するとき、学習は感覚フィードバックによって起こるというものである。 環境反応から学習する生物学的にインスパイアされた人工ニューラルネットワークを進化させる手法を評価する。
  論文  参考訳（メタデータ） (2022-07-27T15:30:50Z)
• The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents [51.94554095091305]
  本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。 自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
  論文  参考訳（メタデータ） (2022-01-02T20:14:01Z)
• Information is Power: Intrinsic Control via Information Capture [110.3143711650806]
  我々は,潜時状態空間モデルを用いて推定したエージェントの状態訪問のエントロピーを最小化する,コンパクトで汎用的な学習目的を論じる。 この目的は、不確実性の低減に対応する環境情報収集と、将来の世界状態の予測不可能性の低減に対応する環境制御の両方をエージェントに誘導する。
  論文  参考訳（メタデータ） (2021-12-07T18:50:42Z)
• Zero-Shot Reinforcement Learning on Graphs for Autonomous Exploration Under Uncertainty [6.42522897323111]
  シミュレーション環境で高性能探査政策を自己学習するための枠組みを提案する。 本稿では,グラフニューラルネットワークと深層強化学習を併用した新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-11T02:42:17Z)
• On the Philosophical, Cognitive and Mathematical Foundations of Symbiotic Autonomous Systems (SAS) [87.3520234553785]
  共生自律システム(SAS)は、自律的な集団知能を示す高度なインテリジェントおよび認知システムです。 この研究は、知性、認知、コンピュータ、システム科学の最新の進歩に根ざしたSASの理論的枠組みを示す。
  論文  参考訳（メタデータ） (2021-02-11T05:44:25Z)
• An Artificial Consciousness Model and its relations with Philosophy of Mind [0.0]
  この研究は、自律的なエージェントが、意識のある人のものと似た認知的アーキテクチャを実装することによって得られる有益な性質について研究することを目的としている。 筆者らは、自律エージェントが、例えば、認知的アーキテクチャーを持つことのメリットを、大規模な実験で示す。
  論文  参考訳（メタデータ） (2020-11-30T00:24:17Z)

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。