論文の概要: Morphological Computing as Logic Underlying Cognition in Human, Animal,
and Intelligent Machine
- arxiv url: http://arxiv.org/abs/2309.13979v1
- Date: Mon, 25 Sep 2023 09:31:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-26 16:23:12.973777
- Title: Morphological Computing as Logic Underlying Cognition in Human, Animal,
and Intelligent Machine
- Title（参考訳）: 人間・動物・知能機械における認知の論理としての形態コンピューティング
- Authors: Gordana Dodig-Crnkovic
- Abstract要約: この研究は、論理学、数学、物理学、化学、生物学、認知を結びつけるスキームを提示している。
代理店の固有の論理は、情報交換の下で様々なレベルで自然過程に存在する。
- 参考スコア（独自算出の注目度）: 1.14219428942199
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This work examines the interconnections between logic, epistemology, and
sciences within the Naturalist tradition. It presents a scheme that connects
logic, mathematics, physics, chemistry, biology, and cognition, emphasizing
scale-invariant, self-organizing dynamics across organizational tiers of
nature. The inherent logic of agency exists in natural processes at various
levels, under information exchanges. It applies to humans, animals, and
artifactual agents. The common human-centric, natural language-based logic is
an example of complex logic evolved by living organisms that already appears in
the simplest form at the level of basal cognition of unicellular organisms.
Thus, cognitive logic stems from the evolution of physical, chemical, and
biological logic. In a computing nature framework with a self-organizing
agency, innovative computational frameworks grounded in
morphological/physical/natural computation can be used to explain the genesis
of human-centered logic through the steps of naturalized logical processes at
lower levels of organization. The Extended Evolutionary Synthesis of living
agents is essential for understanding the emergence of human-level logic and
the relationship between logic and information processing/computational
epistemology. We conclude that more research is needed to elucidate the details
of the mechanisms linking natural phenomena with the logic of agency in nature.
- Abstract（参考訳）: この研究は、自然主義の伝統の中で論理学、認識学、科学の相互関係を調べる。
論理学、数学、物理学、化学、生物学、認知を結びつけるスキームで、スケール不変の自己組織的ダイナミクスを自然の組織階層にわたって強調する。
エージェンシーの固有の論理は、情報交換の下で様々なレベルの自然プロセスに存在する。
人間、動物、人工物に適用される。
共通の人間中心の自然言語に基づく論理は、単細胞生物の基底認識のレベルで既に最も単純な形で現れる生物によって進化した複雑な論理の例である。
認知論理は、物理的、化学的、生物学的論理の進化に由来する。
自己組織型機関を持つ計算自然フレームワークでは、形態的・物理的・自然的計算を基礎とした革新的な計算フレームワークが、組織の低レベルにおける自然化論理プロセスのステップを通じて、人間中心論理の発生を説明するのに使うことができる。
リビングエージェントの広範な進化的合成は、人間レベルの論理の出現と論理と情報処理/計算認識学の関係を理解するのに不可欠である。
自然現象と自然の機関の論理を結びつけるメカニズムの詳細を明らかにするには、さらなる研究が必要であると結論づける。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - 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) - LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and
Reasoning [73.98142349171552]
LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。
ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。
これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
論文 参考訳（メタデータ） (2023-09-24T05:43:19Z) - Morpho-logic from a Topos Perspective: Application to symbolic AI [2.781492199939609]
モーダル論理は記号的人工知能(AI)における多くの推論作業に有用であることが証明された
本稿では, 数学的形態学とモーダル論理の関連性をさらに発展させ, 一般化することを提案する。
モーダル論理は, 具体的かつ効率的な演算子を定義し, 新たな知識の修正, 統合, 誘拐, あるいは空間的推論にも適していることを示す。
論文 参考訳（メタデータ） (2023-03-08T21:24:25Z) - Discourse-Aware Graph Networks for Textual Logical Reasoning [142.0097357999134]
パッセージレベルの論理関係は命題単位間の係り合いまたは矛盾を表す(例、結論文)
論理的推論QAを解くための論理構造制約モデリングを提案し、談話対応グラフネットワーク(DAGN)を導入する。
ネットワークはまず、インラインの談話接続とジェネリック論理理論を利用した論理グラフを構築し、その後、エッジ推論機構を用いて論理関係を進化させ、グラフ機能を更新することで論理表現を学習する。
論文 参考訳（メタデータ） (2022-07-04T14:38:49Z) - A Theory of Natural Intelligence [3.9901365062418312]
現在のAI技術とは対照的に、自然知性は学習速度、一般化能力、自律性、創造性においてはるかに優れている。
これらの強みは、どのようにして、ニューラルネットワークで生み出されるアイデアと想像力を意味するのだろうか?
論文 参考訳（メタデータ） (2022-04-22T10:27:52Z) - On syntactically similar logic programs and sequential decompositions [0.0]
ルールベースの推論は、論理プログラムを通じて人工知能研究において顕著に形式化された人間の知能の重要な部分である。
複雑な物体を素体の合成として記述することは、コンピュータ科学や科学全般において一般的な戦略である。
一段階の削減によって、異なるドメインにわたるクエリに、どのように類似性を使って答えることができるかを示す。
論文 参考訳（メタデータ） (2021-09-11T15:22:17Z) - Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。
すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。
推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文 参考訳（メタデータ） (2020-06-23T16:55:45Z) - Symbolic Logic meets Machine Learning: A Brief Survey in Infinite
Domains [12.47276164048813]
推論と帰納の緊張は、おそらく哲学、認知、人工知能といった分野において最も根本的な問題である。
本稿では,論理の限界に対する見解に挑戦する結果について報告し,無限領域での学習において論理が果たす役割を明らかにする。
論文 参考訳（メタデータ） (2020-06-15T15:29:49Z) - 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。