論文の概要: A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization
- arxiv url: http://arxiv.org/abs/2310.15177v2
- Date: Sat, 4 Nov 2023 03:23:20 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 19:59:46.190787
- Title: A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization
- Title（参考訳）: ヘビアン学習と自由エネルギー最小化による認知共通モデルの神経模倣的実現
- Authors: Alexander Ororbia, Mary Alexandria Kelly
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 55.11642177631929
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over the last few years, large neural generative models, capable of
synthesizing semantically rich passages of text or producing complex images,
have recently emerged as a popular representation of what has come to be known
as ``generative artificial intelligence'' (generative AI). Beyond opening the
door to new opportunities as well as challenges for the domain of statistical
machine learning, the rising popularity of generative AI brings with it
interesting questions for Cognitive Science, which seeks to discover the nature
of the processes that underpin minds and brains as well as to understand how
such functionality might be acquired and instantianted in biological (or
artificial) substrate. With this goal in mind, we argue that a promising
research program lies in the crafting of cognitive architectures, a
long-standing tradition of the field, cast fundamentally in terms of
neuro-mimetic generative building blocks. Concretely, we discuss the COGnitive
Neural GENerative system, such an architecture that casts the Common Model of
Cognition in terms of Hebbian adaptation operating in service of optimizing a
variational free energy functional.
- Abstract（参考訳）: ここ数年で、意味的に豊富なテキストのパスを合成したり、複雑なイメージを生成できる大きなニューラル生成モデルが、'生成人工知能'(Generative AI)として知られるようになったものの一般的な表現として登場した。
新たな機会への扉を開くだけでなく、統計的機械学習の領域の課題にも目を向けるだけでなく、生成型aiの人気が高まるにつれて、認知科学にも興味深い疑問が持ち上がっている。
この目標を念頭に置いて、有望な研究プログラムは認知アーキテクチャの創造であり、この分野の長年の伝統であり、基本的にはニューロ・ミメティック・ジェネレーティブ・ビルディング・ブロック(英語版)という観点から鋳造されていると論じている。
具体的には,多変量自由エネルギー汎関数を最適化する目的で動作するヒュービアン適応の観点から,認知の共通モデルを用いる認知神経生成システムについて論じる。
関連論文リスト
- 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) - Exploring Biological Neuronal Correlations with Quantum Generative Models [0.0]
生体神経活動の空間的・時間的相関を捉える合成データを生成するための量子生成モデルフレームワークを提案する。
本モデルは,従来の手法に比べてトレーニング可能なパラメータが少なく,信頼性の高い結果が得られることを示す。
論文 参考訳（メタデータ） (2024-09-13T18:00:06Z) - Simulation of Neural Responses to Classical Music Using Organoid Intelligence Methods [0.0]
オルガノイドインテリジェンスとディープラーニングモデルは、クラシック音楽に対する神経反応をシミュレートし分析する約束を示す。
本稿では,オルガノイド学習モデルのシミュレーションを容易にする革新的なツールであるPyOrganoidライブラリを提案する。
論文 参考訳（メタデータ） (2024-07-25T22:11:30Z) - Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳（メタデータ） (2024-07-05T14:11:28Z) - 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) - CogNGen: Constructing the Kernel of a Hyperdimensional Predictive
Processing Cognitive Architecture [79.07468367923619]
神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。
我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
論文 参考訳（メタデータ） (2022-03-31T04:44:28Z) - Spatiotemporal Patterns in Neurobiology: An Overview for Future
Artificial Intelligence [0.0]
我々は,ネットワーク相互作用から生じる機能を明らかにする上で,計算モデルが重要なツールであると主張している。
ここでは、スパイキングニューロン、統合ニューロン、発火ニューロンを含むいくつかのモデルのクラスについてレビューする。
これらの研究は、人工知能アルゴリズムの今後の発展と、脳のプロセスの理解の検証に役立つことを願っている。
論文 参考訳（メタデータ） (2022-03-29T10:28:01Z) - Natural Computational Architectures for Cognitive Info-Communication [3.3758186776249928]
認知アーキテクチャに関する40年間の研究の概観(Kotseruba と Tsotsos 2020)は、人間の中核的な認知能力のモデリングを評価するが、自然計算に基づく生物学的に妥当なアプローチには限界がある。
我々は進化的情報計算の枠組みを用いており、そこでは自然・物理的・形態的計算がますます複雑な認知システムの進化に繋がる。
論文 参考訳（メタデータ） (2021-10-01T18:01:16Z) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳（メタデータ） (2021-05-15T22:55:23Z) - A brain basis of dynamical intelligence for AI and computational
neuroscience [0.0]
より多くの脳のような能力は、新しい理論、モデル、および人工学習システムを設計する方法を要求するかもしれない。
本稿は,第6回US/NIH BRAIN Initiative Investigators Meetingにおける動的神経科学と機械学習に関するシンポジウムに触発されたものです。
論文 参考訳（メタデータ） (2021-05-15T19:49:32Z)
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。