論文の概要: Quantum learning and essential cognition under the traction of
meta-characteristics in an open world
- arxiv url: http://arxiv.org/abs/2311.13335v1
- Date: Wed, 22 Nov 2023 11:55:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 15:18:13.851312
- Title: Quantum learning and essential cognition under the traction of
meta-characteristics in an open world
- Title（参考訳）: オープンワールドにおけるメタ特性の牽引による量子学習と本質的認知
- Authors: Jin Wang, Changlin Song
- Abstract要約: AIは本質的に探索に積極的ではなく、その課題は未知の世界にアプローチし適応する方法を知らないことである。
AIが新しい世界で異なる特徴を持つオブジェクトと出会うとき、それは別の課題に直面している。
本稿では,新しい世界と古い世界の客観的特徴の分布差を根本的に認識することに焦点を当てた,オープンワールドモデルと要素特徴システムを提案する。
- 参考スコア（独自算出の注目度）: 4.53216122219986
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Artificial intelligence has made significant progress in the Close World
problem, being able to accurately recognize old knowledge through training and
classification. However, AI faces significant challenges in the Open World
problem, as it involves a new and unknown exploration journey. AI is not
inherently proactive in exploration, and its challenge lies in not knowing how
to approach and adapt to the unknown world. How do humans acquire knowledge of
the unknown world. Humans identify new knowledge through intrinsic cognition.
In the process of recognizing new colors, the cognitive cues are different from
known color features and involve hue, saturation, brightness, and other
characteristics. When AI encounters objects with different features in the new
world, it faces another challenge: where are the distinguishing features
between influential features of new and old objects? AI often mistakes a new
world's brown bear for a known dog because it has not learned the differences
in feature distributions between knowledge systems. This is because things in
the new and old worlds have different units and dimensions for their features.
This paper proposes an open-world model and elemental feature system that
focuses on fundamentally recognizing the distribution differences in objective
features between the new and old worlds. The quantum tunneling effect of
learning ability in the new and old worlds is realized through the tractive
force of meta-characteristic. The outstanding performance of the model system
in learning new knowledge (using pedestrian re-identification datasets as an
example) demonstrates that AI has acquired the ability to recognize the new
world with an accuracy of $96.71\%$ at most and has gained the capability to
explore new knowledge, similar to humans.
- Abstract（参考訳）: 人工知能はクローズワールド問題において大きな進歩を遂げ、訓練と分類を通じて古い知識を正確に認識することができる。
しかし、AIは新しい未知の探検旅行を含むため、オープンワールド問題において大きな課題に直面している。
AIは本質的に探索に積極的ではなく、その課題は未知の世界にアプローチし適応する方法を知らないことである。
人間はどうやって未知の世界を知るのか。
人間は内在的な認知を通じて新しい知識を識別する。
新しい色を認識する過程において、認知的手がかりは既知の色の特徴と異なり、色相、彩度、明るさ、その他の特徴を含む。
AIが新しい世界で異なる特徴を持つオブジェクトに遭遇したとき、それは別の課題に直面している。
AIはしばしば、知識システム間の特徴分布の違いを学ばないため、既知の犬にとって新しい世界の茶色のクマを間違える。
これは、新旧世界の物はその特徴に対して異なる単位と次元を持つからである。
本稿では,新しい世界と古い世界の客観的特徴の分布差を根本的に認識することに焦点を当てたオープンワールドモデルと要素特徴システムを提案する。
新旧世界の学習能力の量子トンネル効果はメタ特性の牽引力によって実現される。
新たな知識の学習におけるモデルシステムの優れたパフォーマンス(歩行者再識別データセットを例として使用)は、AIが96.71ドル%の精度で新しい世界を認識する能力を獲得し、人間に似た新しい知識を探索する能力を得たことを示している。
関連論文リスト
- Visual Knowledge in the Big Model Era: Retrospect and Prospect [63.282425615863]
視覚知識は、視覚概念とその関係を簡潔で包括的で解釈可能な方法でカプセル化できる新しい知識表現である。
視覚世界に関する知識は、人間の認知と知性にとって欠かせない要素として認識されているため、視覚知識は、機械知性を確立する上で重要な役割を担っていると考えられる。
論文 参考訳（メタデータ） (2024-04-05T07:31:24Z) - Bridging the Human-AI Knowledge Gap: Concept Discovery and Transfer in
AlphaZero [10.569213003371654]
AIシステムであるAlphaZeroから新しいチェスの概念を抽出する方法を示す。
4人のチェスのグランドマスターが提示されたコンセプトのプロトタイプ位置の解法の改善を示した結果,これらの概念はトップ・ヒューマン・エキスパートによって学習可能であることが示された。
これは、AIを活用することで人間の知識のフロンティアを前進させる上で、最初の重要なマイルストーンとなる。
論文 参考訳（メタデータ） (2023-10-25T06:49:26Z) - A Review on Objective-Driven Artificial Intelligence [0.0]
人間は、コミュニケーションにおける文脈、ニュアンス、微妙な手がかりを理解する能力を持っている。
人間は、世界に関する論理的推論と予測を行うのに役立つ、常識的な知識の広大なリポジトリを持っています。
機械はこの本質的な理解に欠けており、人間が自明に感じる状況を理解するのに苦労することが多い。
論文 参考訳（メタデータ） (2023-08-20T02:07:42Z) - A Neurodiversity-Inspired Solver for the Abstraction \& Reasoning Corpus
(ARC) Using Visual Imagery and Program Synthesis [6.593059418464748]
我々は,人間の心的イメージ能力に触発されたコア知識の視覚的表現を組み合わせた,コア知識に対する新たなAIアプローチを提案する。
我々は,ARC(Abstraction & Reasoning)の課題に対して,システムの性能を実証する。
2022年のグローバルARCathonチャレンジでプライベートテストセットを4位で終えたのと同様に、公開可能なARCアイテムからの実験結果を共有します。
論文 参考訳（メタデータ） (2023-02-18T21:30:44Z) - Learning by Asking Questions for Knowledge-based Novel Object
Recognition [64.55573343404572]
実世界のオブジェクト認識には、認識すべきオブジェクトクラスが多数存在する。教師付き学習に基づく従来の画像認識は、トレーニングデータに存在するオブジェクトクラスのみを認識できるため、現実の世界においては限定的な適用性を有する。
そこで本研究では,モデルが新たなオブジェクトを瞬時に認識するのに役立つ質問生成を通じて,外部知識を取得するための枠組みについて検討する。
我々のパイプラインは、オブジェクトベースのオブジェクト認識と、新しい知識を得るために知識を意識した質問を生成する質問生成という2つのコンポーネントから構成される。
論文 参考訳（メタデータ） (2022-10-12T02:51:58Z) - Alterfactual Explanations -- The Relevance of Irrelevance for Explaining
AI Systems [0.9542023122304099]
我々は、決定を完全に理解するためには、関連する特徴に関する知識だけでなく、無関係な情報の認識もAIシステムのユーザーのメンタルモデルの作成に大きく貢献すると主張している。
私たちのアプローチは、Alterfactual Explanations(Alterfactual Explanations)と呼ばれ、AIの入力の無関係な特徴が変更された別の現実を示すことに基づいています。
我々は,AIの推論のさまざまな側面を,反事実的説明法よりも理解するために,人工的説明が適していることを示す。
論文 参考訳（メタデータ） (2022-07-19T16:20:37Z) - Towards Open World Object Detection [68.79678648726416]
ORE: Open World Object Detectorは、対照的なクラスタリングとエネルギーベースの未知の識別に基づいている。
未知のインスタンスの識別と特徴付けは、インクリメンタルなオブジェクト検出設定における混乱を減らすのに役立ちます。
論文 参考訳（メタデータ） (2021-03-03T18:58:18Z) - Towards a Universal Continuous Knowledge Base [49.95342223987143]
複数のニューラルネットワークからインポートされた知識を格納できる継続的知識基盤を構築する方法を提案する。
テキスト分類実験は有望な結果を示す。
我々は複数のモデルから知識ベースに知識をインポートし、そこから融合した知識を単一のモデルにエクスポートする。
論文 参考訳（メタデータ） (2020-12-25T12:27:44Z) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳（メタデータ） (2020-08-07T21:00:13Z) - Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Humanlike
Common Sense [142.53911271465344]
我々は、次世代のAIは、新しいタスクを解決するために、人間のような「暗黒」の常識を取り入れなければならないと論じている。
我々は、人間のような常識を持つ認知AIの5つの中核領域として、機能、物理学、意図、因果性、実用性(FPICU)を識別する。
論文 参考訳（メタデータ） (2020-04-20T04:07:28Z)
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。