論文の概要: OpenCog Hyperon: A Framework for AGI at the Human Level and Beyond
- arxiv url: http://arxiv.org/abs/2310.18318v1
- Date: Tue, 19 Sep 2023 23:25:09 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-15 16:44:26.535624
- Title: OpenCog Hyperon: A Framework for AGI at the Human Level and Beyond
- Title（参考訳）: OpenCog Hyperon: AGIの人間レベルでのフレームワーク
- Authors: Ben Goertzel, Vitaly Bogdanov, Michael Duncan, Deborah Duong,
Zarathustra Goertzel, Jan Horlings, Matthew Ikle', Lucius Greg Meredith,
Alexey Potapov, Andre' Luiz de Senna, Hedra Seid Andres Suarez, Adam
Vandervorst, Robert Werko
- Abstract要約: Artificiai General IntelligenceのためのOpenCog Hyperonフレームワークの紹介を紹介する。
Hyperon は OpenCog AGI フレームワークの書き直し/再設計のための新しいフレームワークだ。
- 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: An introduction to the OpenCog Hyperon framework for Artificiai General
Intelligence is presented. Hyperon is a new, mostly from-the-ground-up
rewrite/redesign of the OpenCog AGI framework, based on similar conceptual and
cognitive principles to the previous OpenCog version, but incorporating a
variety of new ideas at the mathematical, software architecture and
AI-algorithm level. This review lightly summarizes: 1) some of the history
behind OpenCog and Hyperon, 2) the core structures and processes underlying
Hyperon as a software system, 3) the integration of this software system with
the SingularityNET ecosystem's decentralized infrastructure, 4) the cognitive
model(s) being experimentally pursued within Hyperon on the hopeful path to
advanced AGI, 5) the prospects seen for advanced aspects like reflective
self-modification and self-improvement of the codebase, 6) the tentative
development roadmap and various challenges expected to be faced, 7) the
thinking of the Hyperon team regarding how to guide this sort of work in a
beneficial direction ... and gives links and references for readers who wish to
delve further into any of these aspects.
- Abstract（参考訳）: Artificiai General IntelligenceのためのOpenCog Hyperonフレームワークの紹介を紹介する。
Hyperon は OpenCog AGI フレームワークの新たな書き直し/再設計であり、以前の OpenCog バージョンと同様の概念的および認知的原則に基づいているが、数学的、ソフトウェアアーキテクチャ、AI-アルゴリズムレベルで様々な新しいアイデアを取り入れている。
このレビューは簡潔に要約します
1) OpenCogとHyperonの背景にある歴史のいくつか。
2)ソフトウェアシステムとしてのHyperonを支えるコア構造とプロセス。
3)このソフトウェアシステムとsingularitynetエコシステムの分散インフラストラクチャの統合。
4)advanced agiへの希望経路のハイパーオン内で実験的に追求される認知モデル(s)
5) 反映的な自己修正やコードベースの自己改善といった先進的な側面の見通し。
6)暫定的な開発ロードマップと直面するであろう様々な課題
7) Hyperonチームによる、このような仕事を有益な方向に導く方法についての考え方...そして、これらの側面をさらに掘り下げたい読者にリンクと参照を提供する。
関連論文リスト
- Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。
結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文 参考訳（メタデータ） (2024-10-28T13:03:09Z) - Towards World Simulator: Crafting Physical Commonsense-Based Benchmark for Video Generation [51.750634349748736]
テキスト・ツー・ビデオ(T2V)モデルは複雑なプロンプトの可視化に大きく貢献している。
しかし、直感的な物理を正確に表現するこれらのモデルの能力はほとんど解明されていない。
本稿では,T2V生成における物理コモンセンスの正しさを評価するためにPhyGenBenchを導入する。
論文 参考訳（メタデータ） (2024-10-07T17:56:04Z) - RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。
RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
論文 参考訳（メタデータ） (2024-10-03T05:45:26Z) - Visual Integration of Static and Dynamic Software Analysis in Code Reviews via Software City Visualization [42.18762603890493]
コードレビューのためのソフトウェアビジュアライゼーションアプローチは、静的コード分析を使用するスタンドアロンアプリケーションとして実装されることが多い。
本稿では,静的解析データと動的解析データを組み合わせたWebベースの手法の設計と実装について述べる。
私たちのアーキテクチャツールデザインには、一般的なGitホスティングサービスへの統合のようなモダンなWebテクノロジが含まれています。
論文 参考訳（メタデータ） (2024-08-15T13:19:55Z) - Foundations and Frontiers of Graph Learning Theory [81.39078977407719]
グラフ学習の最近の進歩は、複雑な構造を持つデータを理解し分析する方法に革命をもたらした。
グラフニューラルネットワーク(GNN)、すなわちグラフ表現を学習するために設計されたニューラルネットワークアーキテクチャは、一般的なパラダイムとなっている。
本稿では,グラフ学習モデルに固有の近似と学習行動に関する理論的基礎とブレークスルーについて概説する。
論文 参考訳（メタデータ） (2024-07-03T14:07:41Z) - Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。
人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。
本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
論文 参考訳（メタデータ） (2024-04-29T04:51:05Z) - Concepts is All You Need: A More Direct Path to AGI [0.0]
20年ほど前にAGI(Artificial General Intelligence)という用語が発明されて以来、ほとんど進歩していない。
ここではアーキテクチャと開発計画を概説し、いくつかの予備的な結果とともに、完全な人間レベルAI(HLAI)/AGIへのより直接的なパスを提供します。
論文 参考訳（メタデータ） (2023-09-04T14:14:41Z) - A Complete Survey on Generative AI (AIGC): Is ChatGPT from GPT-4 to
GPT-5 All You Need? [112.12974778019304]
生成AI(AIGC、つまりAI生成コンテンツ)は、テキスト、画像、その他を分析、作成する能力により、あらゆる場所で話題を呼んだ。
純粋な分析から創造へと移行するAIの時代において、ChatGPTは最新の言語モデルであるGPT-4とともに、多くのAIGCタスクからなるツールである。
本研究は,テキスト,画像,ビデオ,3Dコンテンツなど,出力タイプに基づいたAIGCタスクの技術的開発に焦点を当てている。
論文 参考訳（メタデータ） (2023-03-21T10:09:47Z) - Augmentations in Hypergraph Contrastive Learning: Fabricated and
Generative [126.0985540285981]
我々は、ハイパーグラフニューラルネットワークの一般化性を改善するために、画像/グラフからの対照的な学習アプローチ(ハイパーGCLと呼ぶ)を適用する。
我々は、高次関係を符号化したハイパーエッジを増大させる2つのスキームを作成し、グラフ構造化データから3つの拡張戦略を採用する。
拡張ビューを生成するためのハイパーグラフ生成モデルを提案し、次に、ハイパーグラフ拡張とモデルパラメータを協調的に学習するエンド・ツー・エンドの微分可能なパイプラインを提案する。
論文 参考訳（メタデータ） (2022-10-07T20:12:20Z) - Towards Top-Down Automated Development in Limited Scopes: A
Neuro-Symbolic Framework from Expressibles to Executables [4.844958528198992]
我々は、コードデータ、すなわちコード分類に基づいて分類を構築し、コード情報の分類を利用する。
テキストデータとコードデータを関連付ける3層セマンティックピラミッド(SP)を導入する。
本稿では,高モジュール性と低複雑性のソフトウェアに焦点を当てたセマンティックピラミッドフレームワーク(SPF)をアプローチとして提案する。
論文 参考訳（メタデータ） (2022-09-04T08:35:16Z) - OpenIE6: Iterative Grid Labeling and Coordination Analysis for Open
Information Extraction [36.439047786561396]
我々は,OpenIEの新たな技術状態を確立しつつ,10倍高速に抽出する反復ラベリングシステムを提案する。
これは、OpenIEを2Dグリッドラベリングタスクとして扱うIGL(Iterative Grid Labeling)アーキテクチャによって実現される。
当社のOpenIEシステムであるOpenIE6は、F1で4 ptsの速さで以前のシステムを打ち負かしています。
論文 参考訳（メタデータ） (2020-10-07T04:05:37Z)
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。