論文の概要: Consciousness as a logically consistent and prognostic model of reality

• arxiv url: http://arxiv.org/abs/2401.00005v1
• Date: Sun, 10 Dec 2023 14:07:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-15 12:41:04.286814
• Title: Consciousness as a logically consistent and prognostic model of reality
• Title（参考訳）: 現実の論理的一貫した予後モデルとしての意識
• Authors: Evgenii Vityaev
• Abstract要約: 因果関係は、周期的相互予測可能な性質の固定点を生成することができる。 脳は外界の因果関係を論理的に一貫した現実の予後モデルという形で反映するかもしれない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The work demonstrates that brain might reflect the external world causal relationships in the form of a logically consistent and prognostic model of reality, which shows up as consciousness. The paper analyses and solves the problem of statistical ambiguity and provides a formal model of causal relationships as probabilistic maximally specific rules. We suppose that brain makes all possible inferences from causal relationships. We prove that the suggested formal model has a property of an unambiguous inference: from consistent premises we infer a consistent conclusion. It enables a set of all inferences to form a consistent model of the perceived world. Causal relationships may create fixed points of cyclic inter-predictable properties. We consider the "natural" classification introduced by John St. Mill and demonstrate that a variety of fixed points of the objects' attributes forms a "natural" classification of the external world. Then we consider notions of "natural" categories and causal models of categories, introduced by Eleanor Rosch and Bob Rehder and demonstrate that fixed points of causal relationships between objects attributes, which we perceive, formalize these notions. If the "natural" classification describes the objects of the external world, and "natural" concepts the perception of these objects, then the theory of integrated information, introduced by G. Tononi, describes the information processes of the brain for "natural" concepts formation that reflects the "natural" classification. We argue that integrated information provides high accuracy of the objects identification. A computer-based experiment is provided that illustrates fixed points formation for coded digits.
• Abstract（参考訳）: この研究は、脳が外界の因果関係を論理的に一貫性があり、予測可能な現実のモデルとして反映していることを示している。 本論文は,統計的曖昧性の問題を解析,解決し,確率的最大固有規則として因果関係の形式モデルを提供する。 脳は因果関係から可能なすべての推論を行う。 提案された形式モデルがあいまいな推論の性質を持つことを証明し、一貫した前提から一貫した結論を導き出す。 これは全ての推論の集合が知覚された世界の一貫したモデルを形成することを可能にする。 因果関係は周期的予測可能特性の固定点を生成する。 ジョン・セントミルによって導入された「自然」分類を考察し、対象の属性の様々な不動点が外界の「自然」分類を形成することを実証する。 次に、eleanor rosch と bob rehder によって導入された「自然」圏の概念と圏の因果モデルを検討し、これらの概念を形式化する対象属性間の因果関係の不動点を実証する。 もし「自然」分類が外界の物体、そして「自然」概念がこれらの物体の知覚を記述しているなら、G.トノニによって導入された統合情報理論は「自然」分類を反映した「自然」概念形成のための脳の情報プロセスを記述する。 我々は、統合情報によって物体の識別精度が高いことを主張する。 符号化された桁の固定点形成を示すコンピュータベースの実験が提供される。

関連論文リスト

• A Complexity-Based Theory of Compositionality [53.025566128892066]
  AIでは、構成表現は配布外一般化の強力な形式を可能にすることができる。 ここでは、構成性に関する直観を考慮し、拡張する構成性の公式な定義を提案する。 この定義は概念的には単純で量的であり、アルゴリズム情報理論に基礎を置いており、あらゆる表現に適用できる。
  論文  参考訳（メタデータ） (2024-10-18T18:37:27Z)
• Compositional Physical Reasoning of Objects and Events from Videos [122.6862357340911]
  本稿では,物体の動きや相互作用から隠れた物理的特性を推定するという課題に対処する。 我々は、ComPhyの最先端ビデオ推論モデルを評価し、これらの隠れプロパティをキャプチャする限られた能力を明らかにする。 また,視覚的および隠れた物理的特性を学習し,原因を解明する,新しいニューロシンボリックな枠組みであるPhysical Concept Reasoner(PCR)を提案する。
  論文  参考訳（メタデータ） (2024-08-02T15:19:55Z)
• Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
  自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。 我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。 我々は、理論的な主張を合成データ実験で裏付ける。
  論文  参考訳（メタデータ） (2024-06-01T18:01:03Z)
• Inference of Abstraction for a Unified Account of Reasoning and Learning [0.0]
  我々は、推論と学習の統一的な説明のために、単純な確率的推論の理論を与える。 我々は、形式論理におけるその満足度の観点から、データがどのように象徴的な知識を引き起こすかをモデル化する。
  論文  参考訳（メタデータ） (2024-02-14T09:43:35Z)
• Neural Causal Abstractions [63.21695740637627]
  我々は、変数とそのドメインをクラスタリングすることで、因果抽象化の新しいファミリーを開発する。 本稿では,ニューラルネットワークモデルを用いて,そのような抽象化が現実的に学習可能であることを示す。 本実験は、画像データを含む高次元設定に因果推論をスケールする方法を記述し、その理論を支持する。
  論文  参考訳（メタデータ） (2024-01-05T02:00:27Z)
• Intrinsic Physical Concepts Discovery with Object-Centric Predictive Models [86.25460882547581]
  PHYsical Concepts Inference NEtwork (PHYCINE) は、異なる抽象レベルの物理概念を監督なしで推論するシステムである。 物理概念変数を含むオブジェクト表現は因果推論タスクの性能向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-03-03T11:52:21Z)
• Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
  本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。 ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
  論文  参考訳（メタデータ） (2022-06-03T12:24:49Z)
• Causal World Models by Unsupervised Deconfounding of Physical Dynamics [20.447000858907646]
  世界の精神モデルで内部を想像する能力は、人間の認知にとって極めて重要である。 本稿では,相互関係の教師なしモデリングを可能にするCausal World Models(CWMs)を提案する。 強化学習タスクの複雑性サンプルの削減と、反実物的推論の改善を示します。
  論文  参考訳（メタデータ） (2020-12-28T13:44:36Z)
• A Unified Scientific Basis for Inference [0.0]
  この議論の自然な拡張は、量子力学の形式論の本質的な部分を導出できる概念的基礎を与える。 ベルの不等式に関する疑問は、各観測者に対する条件原理を用いて解決される。
  論文  参考訳（メタデータ） (2012-06-22T07:34:08Z)

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。