論文の概要: Evolution-Bootstrapped Simulation: Artificial or Human Intelligence:
Which Came First?
- arxiv url: http://arxiv.org/abs/2402.00030v1
- Date: Sat, 6 Jan 2024 21:06:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-04 05:23:37.943369
- Title: Evolution-Bootstrapped Simulation: Artificial or Human Intelligence:
Which Came First?
- Title（参考訳）: 進化を推し進めるシミュレーション:人工知能か人的知性:どれが先か?
- Authors: Paul Alexander Bilokon
- Abstract要約: 自然選択による進化によって駆動される世界では、ニューラルネットワークや人間が最初に進化する可能性は高いのか?
ニューラルネットワークは人間よりもはるかにシンプルです。
ニューラルネットワークが存在するためには、複雑な人為的な機器が存在しない。
- 参考スコア（独自算出の注目度）: 0.9790236766474201
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Humans have created artificial intelligence (AI), not the other way around.
This statement is deceptively obvious. In this note, we decided to challenge
this statement as a small, lighthearted Gedankenexperiment. We ask a simple
question: in a world driven by evolution by natural selection, would neural
networks or humans be likely to evolve first? We compare the
Solomonoff--Kolmogorov--Chaitin complexity of the two and find neural networks
(even LLMs) to be significantly simpler than humans. Further, we claim that it
is unnecessary for any complex human-made equipment to exist for there to be
neural networks. Neural networks may have evolved as naturally occurring
objects before humans did as a form of chemical reaction-based or enzyme-based
computation. Now that we know that neural networks can pass the Turing test and
suspect that they may be capable of superintelligence, we ask whether the
natural evolution of neural networks could lead from pure evolution by natural
selection to what we call evolution-bootstrapped simulation. The evolution of
neural networks does not involve irreducible complexity; would easily allow
irreducible complexity to exist in the evolution-bootstrapped simulation; is a
falsifiable scientific hypothesis; and is independent of / orthogonal to the
issue of intelligent design.
- Abstract（参考訳）: 人間は人工知能(AI)を作ったが、その逆ではない。
この発言は明白である。
本稿では,この主張を軽快なGedanken実験として論じることにした。
自然選択による進化によって駆動される世界において、ニューラルネットワークや人間が最初に進化する可能性はあるだろうか?
我々は、Solomonoff-Kolmogorov-Chaitinの複雑さを比較し、ニューラルネットワーク(LLMでさえ)は人間よりもはるかに単純である。
さらに、複雑な人為的な機器がニューラルネットワークが存在することは不要であると主張する。
ニューラルネットワークは、人間が化学反応や酵素に基づく計算を行う前に自然に発生する物体として進化した可能性がある。
今や、ニューラルネットワークがチューリングテストに合格し、超知能(superintelligence)の可能性を疑うことができることが分かっているので、ニューラルネットワークの自然な進化が、自然選択による純粋な進化から進化を起動したシミュレーションへと導くかどうかを問う。
ニューラルネットワークの進化は、既約の複雑さを伴わない; 進化のブートストラップシミュレーションにおいて、既約の複雑さが容易に存在することを可能にする; 偽造可能な科学的仮説であり、インテリジェントデザインの問題とは独立/直交する。
関連論文リスト
- A theory of neural emulators [0.0]
神経科学における中心的な目標は、動物神経系が意識のような行動や認知状態をいかに生み出すかを説明することである。
生体脳活動の回路およびスケールに依存しない予測モデルとしてエミュレータ理論(ET)とニューラルエミュレータを提案する。
論文 参考訳（メタデータ） (2024-05-22T07:12:03Z) - 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) - The Nature of Intelligence [0.0]
人間とAIの両方で一般的に表現される知性の本質は不明である。
インテリジェンスの性質は,システムエントロピーを最小限に抑える数学的に機能する一連のプロセスであることを示す。
このエッセイは、宇宙と私たちを人間としてより深く理解するための出発点となるべきです。
論文 参考訳（メタデータ） (2023-07-20T23:11:59Z) - Genes in Intelligent Agents [45.93363823594323]
動物は遺伝子にコード化された知性を持って生まれるが、機械にはそのような知性がなく、ゼロから学べない。
動物の遺伝子にインスパイアされた「学習遺伝子」と命名された機械の「遺伝子」を定義し、遺伝子強化学習(GRL)を提案する。
GRLは、強化学習(RL)における生物の進化をシミュレートし、学習遺伝子を活用して知能エージェントを学習し、進化させる計算フレームワークである。
論文 参考訳（メタデータ） (2023-06-17T01:24:11Z) - Towards the Neuroevolution of Low-level Artificial General Intelligence [5.2611228017034435]
我々は、AI(Artificial General Intelligence, AGI)の検索は、人間レベルの知能よりもはるかに低いレベルから始まるべきだと論じる。
我々の仮説は、エージェントが環境の中で行動するとき、学習は感覚フィードバックによって起こるというものである。
環境反応から学習する生物学的にインスパイアされた人工ニューラルネットワークを進化させる手法を評価する。
論文 参考訳（メタデータ） (2022-07-27T15:30:50Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Embodied Intelligence via Learning and Evolution [92.26791530545479]
環境の複雑さが形態学的知能の進化を促進することを示す。
また、進化は速く学習する形態を素早く選択することを示した。
我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
論文 参考訳（メタデータ） (2021-02-03T18:58:31Z) - Applying Deutsch's concept of good explanations to artificial
intelligence and neuroscience -- an initial exploration [0.0]
深層学習におけるドイツの難しい原則と、より形式化された原則とどのように関連しているかを調査します。
私たちは、人間の脳を見ることで、知能でどのように難しい説明が果たす役割を見ます。
論文 参考訳（メタデータ） (2020-12-16T23:23:22Z) - 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) - Recursion, evolution and conscious self [0.0]
我々は、ほぼ自動である学習理論、すなわち、初期プログラミングの最小限しか必要としない学習理論について研究する。
結論は生物学と神経科学の両方の科学的発見と一致する。
論文 参考訳（メタデータ） (2020-01-14T11:04:52Z)
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。