論文の概要: The hardware is the software
- arxiv url: http://arxiv.org/abs/2310.18335v1
- Date: Fri, 20 Oct 2023 22:19:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-05 14:08:20.018550
- Title: The hardware is the software
- Title（参考訳）: ハードウェアはソフトウェアです
- Authors: Jeremie Laydevant, Logan G. Wright, Tianyu Wang, Peter L. McMahon
- Abstract要約: 我々は、ニューロモルフィックコンピューティングにおける神経科学の主要な役割を、生物学的知能の物理に依存しない原理を特定するものとして見ている。
生物学的インテリジェンスは、任意の物理ハードウェアに適切に適応し、適用することができる。
- 参考スコア（独自算出の注目度）: 6.361134995583762
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human brains and bodies are not hardware running software: the hardware is
the software. We reason that because the microscopic physics of
artificial-intelligence hardware and of human biological "hardware" is
distinct, neuromorphic engineers need to be cautious (and yet also creative) in
how we take inspiration from biological intelligence. We should focus primarily
on principles and design ideas that respect -- and embrace -- the underlying
hardware physics of non-biological intelligent systems, rather than abstracting
it away. We see a major role for neuroscience in neuromorphic computing as
identifying the physics-agnostic principles of biological intelligence -- that
is the principles of biological intelligence that can be gainfully adapted and
applied to any physical hardware.
- Abstract（参考訳）: 人間の脳と体はソフトウェアを実行するハードウェアではなく、ハードウェアはソフトウェアである。
人工知能ハードウェアと人間の生物学的「ハードウェア」の微視的物理は別物であるため、ニューロモルフィックエンジニアは、生物学的知性からインスピレーションを得る方法に慎重(かつ創造的)である必要がある。
私たちは、それを抽象化するのではなく、主に、非生物学的インテリジェントシステムの基盤となるハードウェア物理学を尊重し、受け入れる原則と設計のアイデアに焦点を当てるべきです。
ニューロモルフィックコンピューティングにおける神経科学の重要な役割は、生物学的知能の物理学に依存しない原理を識別することである。
関連論文リスト
- A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - 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) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Digital twin brain: a bridge between biological intelligence and
artificial intelligence [12.55159053727258]
本稿では,生物と人工知能のギャップを埋めるトランスフォーメーションプラットフォームとして,Digital Twin Brain(DTB)を提案する。
DTBは、ツインニング過程の基本となる脳構造、脳機能を生成する底層モデル、幅広い応用の3つの中核要素から構成される。
論文 参考訳（メタデータ） (2023-08-03T03:36:22Z) - Reliable AI: Does the Next Generation Require Quantum Computing? [71.84486326350338]
デジタルハードウェアは、最適化、ディープラーニング、微分方程式に関する問題の解決に本質的に制約されていることを示す。
対照的に、Blum-Shub-Smale マシンのようなアナログコンピューティングモデルは、これらの制限を克服する可能性を示している。
論文 参考訳（メタデータ） (2023-07-03T19:10:45Z) - There's Plenty of Room Right Here: Biological Systems as Evolved,
Overloaded, Multi-scale Machines [0.0]
我々は、カテゴリ間のハードバウンダリを放棄し、オブザーバに依存した実践的な視点を採用することによって、有用な道が先延ばしされることを論じる。
バイオメディカルまたはバイオエンジニアリングの目的のために生体システムを再形成するためには、複数のスケールでそれらの機能の予測と制御が必要である。
我々は,メソスケールイベントの理解を改善するために,進化・設計されたシステムによって実行される計算のためのオブザーバ中心のフレームワークを論じる。
論文 参考訳（メタデータ） (2022-12-20T22:26:40Z) - Neuromorphic Computing and Sensing in Space [69.34740063574921]
神経型コンピュータチップは、生物学的脳の構造を模倣するように設計されている。
ニューロモルフィックデバイスの低消費電力とエネルギー効率に重点を置くことは、宇宙応用には最適である。
論文 参考訳（メタデータ） (2022-12-10T07:46:29Z) - The problem with AI consciousness: A neurogenetic case against synthetic
sentience [0.0]
この論文は、神経遺伝構造論に基づく知覚的AIの妥当性について論じている。
生物学的ニューロンの生理的構造と複雑な脳への構造的構造は、真の意識が出現するために必要な前提条件であると主張している。
論文 参考訳（メタデータ） (2022-12-07T14:46:38Z) - Sequence learning in a spiking neuronal network with memristive synapses [0.0]
脳計算の中心にある中核的な概念は、シーケンス学習と予測である。
ニューロモルフィックハードウェアは、脳が情報を処理する方法をエミュレートし、ニューロンとシナプスを直接物理的基質にマッピングする。
シークエンス学習モデルにおける生物学的シナプスの代替としてReRAMデバイスを使用することの可能性について検討する。
論文 参考訳（メタデータ） (2022-11-29T21:07:23Z) - Embedded Silicon-Organic Integrated Neuromorphic System [21.613965382220492]
我々は、ハードウェアにおける脳の動作原理と材料をシミュレートし、脳にインスパイアされたインテリジェンス技術を開発するためにAIを使用するという概念を提案する。
我々はシリコンをベースとしたField-Programmable Gate Arrayのシミュレーションニューロンを用いた有機人工シナプスを構築した。
次に、解釈されたニューラルネットワークに基づいて生物学的ニューラルネットワークモデルを構築する。
論文 参考訳（メタデータ） (2022-10-18T01:56:48Z) - Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。
この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。
これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
論文 参考訳（メタデータ） (2020-11-30T18:29:25Z)
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。