論文の概要: A challenge in A(G)I, cybernetics revived in the Ouroboros Model as one
algorithm for all thinking
- arxiv url: http://arxiv.org/abs/2403.04292v1
- Date: Thu, 7 Mar 2024 07:39:54 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-08 14:41:32.662664
- Title: A challenge in A(G)I, cybernetics revived in the Ouroboros Model as one
algorithm for all thinking
- Title（参考訳）: A(G)Iにおける課題 : 全思考のための一つのアルゴリズムとしてOuroboros Modelで復活したサイバネティクス
- Authors: Knud Thomsen
- Abstract要約: 論文の目的は、現在の人工知能アプローチの長所と短所を明らかにすることである。
サイバネティックスとアナログ制御プロセスの側面を新たに取り入れることが提案されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A topical challenge for algorithms in general and for automatic image
categorization and generation in particular is presented in the form of a
drawing for AI to understand. In a second vein, AI is challenged to produce
something similar from verbal description. The aim of the paper is to highlight
strengths and deficiencies of current Artificial Intelligence approaches while
coarsely sketching a way forward. A general lack of encompassing
symbol-embedding and (not only) -grounding in some bodily basis is made
responsible for current deficiencies. A concomitant dearth of hierarchical
organization of concepts follows suite. As a remedy for these shortcomings, it
is proposed to take a wide step back and to newly incorporate aspects of
cybernetics and analog control processes. It is claimed that a promising
overarching perspective is provided by the Ouroboros Model with a valid and
versatile algorithmic backbone for general cognition at all accessible levels
of abstraction and capabilities. Reality, rules, truth, and Free Will are all
useful abstractions according to the Ouroboros Model. Logic deduction as well
as intuitive guesses are claimed as produced on the basis of one
compartmentalized memory for schemata and a pattern-matching, i.e., monitoring
process termed consumption analysis. The latter directs attention on short
(attention proper) and also on long times scales (emotional biases). In this
cybernetic approach, discrepancies between expectations and actual activations
(e.g., sensory precepts) drive the general process of cognition and at the same
time steer the storage of new and adapted memory entries. Dedicated structures
in the human brain work in concert according to this scheme.
- Abstract（参考訳）: アルゴリズム全般と、特に自動画像分類と生成に関する話題的課題は、AIが理解するための図面の形で提示される。
第2の例では、AIは、言葉による記述から似たようなものを生成するよう挑戦される。
論文の目的は、現在の人工知能アプローチの強みと欠陥を強調しつつ、粗いスケッチを前進させることである。
包含するシンボル埋め込みの欠如と、(単に)身体レベルでの接地が現在の欠陥の原因となっている。
階層的な概念の組織を共同で破壊する行為はスイートに従う。
これらの欠点に対する対策として,サイバネティックスとアナログ制御プロセスの側面を新たに取り入れることが提案されている。
有望な総括的視点はouroborosモデルによって提供され、あらゆるアクセス可能な抽象化と能力レベルで一般認知のための有効で多用途なアルゴリズムバックボーンが提供されている。
現実、ルール、真実、自由意志はすべて、ouroborosモデルに従って有用な抽象化である。
論理推論と直感的な推測は、スキーマのための1つの区画化されたメモリとパターンマッチング、すなわち、消費分析と呼ばれるモニタリングプロセスに基づいて作成される。
後者は、短い(アテンション固有)と長い時間スケール(運動バイアス)に注意を向ける。
このサイバネティックなアプローチでは、期待と実際のアクティベーション(例えば感覚概念)の相違が認知の一般的な過程を駆動すると同時に、新しく適応したメモリエントリの保存も行う。
人間の脳内の特定の構造は、このスキームに従って協調して働く。
関連論文リスト
- 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) - Gradient based Feature Attribution in Explainable AI: A Technical Review [13.848675695545909]
ブラックボックスAIモデルの急増は、内部メカニズムを説明し、信頼性を正当化する必要性を喚起している。
勾配に基づく説明は、ニューラルネットワークモデルに直接適用することができる。
アルゴリズムの性能を測定するために,人的評価と定量的評価の両方を導入する。
論文 参考訳（メタデータ） (2024-03-15T15:49:31Z) - Simple and Effective Transfer Learning for Neuro-Symbolic Integration [50.592338727912946]
この問題の潜在的な解決策はNeuro-Symbolic Integration (NeSy)であり、ニューラルアプローチとシンボリック推論を組み合わせる。
これらの手法のほとんどは、認識をシンボルにマッピングするニューラルネットワークと、下流タスクの出力を予測する論理的論理的推論を利用する。
それらは、緩やかな収束、複雑な知覚タスクの学習困難、局所的なミニマへの収束など、いくつかの問題に悩まされている。
本稿では,これらの問題を改善するための簡易かつ効果的な方法を提案する。
論文 参考訳（メタデータ） (2024-02-21T15:51:01Z) - LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and
Reasoning [73.98142349171552]
LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。
ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。
これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
論文 参考訳（メタデータ） (2023-09-24T05:43:19Z) - Behave-XAI: Deep Explainable Learning of Behavioral Representational Data [0.0]
行動マイニングのシナリオでは、説明可能なAIや人間の理解可能なAIを使用します。
まず、深層畳み込みニューラルネットワークアーキテクチャにおける行動マイニング問題を定式化する。
モデルが開発されると、ユーザーの前で説明が提示される。
論文 参考訳（メタデータ） (2022-12-30T18:08:48Z) - Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
本稿では,ニューラルモデルによる反事実文の評価について検討する。
まず、神経因果モデル(NCM)が十分に表現可能であることを示す。
第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-09-30T18:29:09Z) - AIGenC: An AI generalisation model via creativity [1.933681537640272]
本稿では,創造性に関する認知理論に触発された計算モデル(AIGenC)を紹介する。
人工エージェントが変換可能な表現を学習、使用、生成するために必要なコンポーネントを配置する。
本稿では, 人工エージェントの配当効率を向上するモデルの有効性について論じる。
論文 参考訳（メタデータ） (2022-05-19T17:43:31Z) - Expressive Explanations of DNNs by Combining Concept Analysis with ILP [0.3867363075280543]
我々は,dnn(feed-forward convolutional deep neural network)の理論的根拠をグローバル,表現的,言語的に説明するために,ネットワークが学習した本質的特徴を用いた。
我々の説明は元々のブラックボックスモデルに忠実であることを示している。
論文 参考訳（メタデータ） (2021-05-16T07:00:27Z) - Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and
Execution [97.50813120600026]
時空間推論は人工知能(AI)の課題である
最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM)
ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
論文 参考訳（メタデータ） (2021-03-26T02:42:18Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z)
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。