論文の概要: Bayesian Theory of Consciousness as Exchangeable Emotion-Cognition Inference
- arxiv url: http://arxiv.org/abs/2407.09488v2
- Date: Sun, 22 Jun 2025 14:38:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-24 19:06:36.199391
- Title: Bayesian Theory of Consciousness as Exchangeable Emotion-Cognition Inference
- Title（参考訳）: 交換可能な感情認知推論としてのベイズ理論
- Authors: Xin Li,
- Abstract要約: 本稿では,意識が周期的かつ感情的に固定された推論プロセスとして現れる統一的な枠組みを提案する。
感情を低次元構造的先行として定式化し,認知を特異性確認更新として定式化する。
この感情認知サイクルは、感情的に重み付けされた先行と文脈に敏感な認知的評価を一致させることによって、関節の不確実性を最小化する。
- 参考スコア（独自算出の注目度）: 5.234742752529437
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: This paper proposes a unified framework in which consciousness emerges as a cycle-consistent, affectively anchored inference process, recursively structured by the interaction of emotion and cognition. Drawing from information theory, optimal transport, and the Bayesian brain hypothesis, we formalize emotion as a low-dimensional structural prior and cognition as a specificity-instantiating update. This emotion-cognition cycle minimizes joint uncertainty by aligning emotionally weighted priors with context-sensitive cognitive appraisals. Subjective experience thus arises as the informational footprint of temporally extended, affect-modulated simulation. We introduce the Exchangeable Integration Theory of Consciousness (EITC), modeling conscious episodes as conditionally exchangeable samples drawn from a latent affective self-model. This latent variable supports integration, via a unified cause-effect structure with nonzero irreducibility, and differentiation, by preserving contextual specificity across episodes. We connect this architecture to the Bayesian theory of consciousness through Rao-Blackwellized inference, which stabilizes inference by marginalizing latent self-structure while enabling adaptive updates. This mechanism ensures coherence, prevents inference collapse, and supports goal-directed simulation. The formal framework builds on De Finetti's exchangeability theorem, integrated information theory, and KL-regularized optimal transport. Overall, consciousness is reframed as a recursive inference process, shaped by emotion, refined by cognition, stabilized through exchangeability, and unified through a latent self-model that integrates experience across time.
- Abstract（参考訳）: 本稿では,感情と認知の相互作用によって再帰的に構造化された,周期的かつ感情的に固定された推論プロセスとして意識が出現する統一的な枠組みを提案する。
情報理論、最適輸送、ベイズ脳仮説から、我々は感情を低次元の構造的先行として、認知を特異性強化更新として定式化する。
この感情認知サイクルは、感情的に重み付けされた先行と文脈に敏感な認知的評価を一致させることによって、関節の不確実性を最小化する。
主観的経験は、時間的に拡張された感情変調シミュレーションの情報フットプリントとして生じる。
本稿では,情緒的自己モデルから抽出した条件付き交換可能なサンプルとして,意識的なエピソードをモデル化するEITC(Exchangeable Integration Theory of Consciousness)を紹介する。
この潜伏変数は、エピソード間の文脈的特異性を保存することにより、非ゼロの既約性を持つ統一された因果効果構造と差別化を通じて統合をサポートする。
我々はこのアーキテクチャを、ラオ・ブラックウェル化推論(英語版)を通じてベイズ的意識論(英語版)に結び付け、適応的な更新を可能とし、潜伏自己構造を極小化することで推論を安定化する。
このメカニズムはコヒーレンスを保証し、推論の崩壊を防止し、ゴール指向のシミュレーションをサポートする。
公式な枠組みは、デ・フィネッティの交換可能性定理、統合情報理論、KL正規化最適輸送に基づいている。
全体としては、意識は再帰的推論プロセスとして再編成され、感情によって形成され、認識によって洗練され、交換性によって安定化され、時間をかけて経験を統合する潜伏した自己モデルによって統合される。
関連論文リスト
- Semi-parametric Memory Consolidation: Towards Brain-like Deep Continual Learning [59.35015431695172]
本稿では,半パラメトリックメモリと覚醒・睡眠統合機構を統合したバイオミメティック連続学習フレームワークを提案する。
提案手法は,実世界の挑戦的連続学習シナリオにおいて,先行知識を維持しつつ,新しいタスクにおけるディープニューラルネットワークの高性能維持を可能にする。
論文 参考訳（メタデータ） (2025-04-20T19:53:13Z) - Multi-Modal Cognitive Maps based on Neural Networks trained on Successor
Representations [3.4916237834391874]
認知地図(Cognitive map)は、脳が記憶を効率的に整理し、そこからコンテキストを取り出す方法に関する概念である。
そこで我々は,細胞動態と認知地図表現をモデル化可能な後続表現を用いたマルチモーダルニューラルネットワークを構築した。
ネットワークは、新しい入力とトレーニングデータベースの類似性を学習し、認知地図の表現を成功させる。
論文 参考訳（メタデータ） (2023-12-22T12:44:15Z) - Bio-inspired computational memory model of the Hippocampus: an approach
to a neuromorphic spike-based Content-Addressable Memory [0.0]
本稿では,海馬CA3領域をベースとしたバイオインスパイアされたスパイキングコンテンツ適応型メモリモデルを提案する。
機能, ストレス, 適用性テストに基づく一連の実験を行い, 正しい機能を示すことができた。
本研究は,完全機能型バイオインスパイアされた海馬内容適応型メモリモデルの最初のハードウェア実装を示す。
論文 参考訳（メタデータ） (2023-10-09T17:05:23Z) - Bio-inspired spike-based Hippocampus and Posterior Parietal Cortex
models for robot navigation and environment pseudo-mapping [52.77024349608834]
本研究はスパイクに基づくロボットナビゲーションと環境擬似マッピングシステムを提案する。
海馬は環境状態マップの表現を担い、PPCは局所的な意思決定を担当している。
これはバイオインスパイアされた海馬記憶に基づく動的学習を用いた環境擬似マッピングシステムの最初の実装である。
論文 参考訳（メタデータ） (2023-05-22T10:20:34Z) - Emergence of Maps in the Memories of Blind Navigation Agents [68.41901534985575]
動物ナビゲーション研究は、生物が環境の空間的表現(地図)を構築、維持する、という仮説を定めている。
私たちはマシン、具体的には人工知能(AI)ナビゲーションエージェントが、暗黙の(あるいは「メンタル」な)マップを構築しているかどうか尋ねる。
動物ナビゲーションとは異なり、エージェントの知覚システムを司法的に設計し、学習パラダイムを制御して代替ナビゲーション機構を無効化することができる。
論文 参考訳（メタデータ） (2023-01-30T20:09:39Z) - Navigating to Objects in the Real World [76.1517654037993]
本稿では,古典的,モジュール的,エンド・ツー・エンドの学習手法と比較した,意味的視覚ナビゲーション手法に関する大規模な実証的研究について述べる。
モジュラー学習は実世界ではうまく機能し、90%の成功率に達しています。
対照的に、エンド・ツー・エンドの学習は、シミュレーションと現実の間の画像領域の差が大きいため、77%のシミュレーションから23%の実際の成功率へと低下する。
論文 参考訳（メタデータ） (2022-12-02T01:10:47Z) - A bio-inspired implementation of a sparse-learning spike-based
hippocampus memory model [0.0]
本研究では,海馬に基づくバイオインスパイアされた新しい記憶モデルを提案する。
記憶を覚えたり、キューから思い出したり、同じキューで他の人を学ぼうとする時の記憶を忘れたりできる。
この研究は、完全に機能するバイオインスパイアされたスパイクベースの海馬記憶モデルの最初のハードウェア実装を示す。
論文 参考訳（メタデータ） (2022-06-10T07:48:29Z) - Memory-enriched computation and learning in spiking neural networks
through Hebbian plasticity [9.453554184019108]
ヘビアン可塑性は生物学的記憶において重要な役割を担っていると考えられている。
本稿では,ヘビーンのシナプス可塑性に富む新しいスパイクニューラルネットワークアーキテクチャを提案する。
ヘビーンの豊かさは、ニューラルネットワークの計算能力と学習能力の点で驚くほど多彩であることを示す。
論文 参考訳（メタデータ） (2022-05-23T12:48:37Z) - Pin the Memory: Learning to Generalize Semantic Segmentation [68.367763672095]
本稿ではメタラーニングフレームワークに基づくセマンティックセグメンテーションのための新しいメモリ誘導ドメイン一般化手法を提案する。
本手法は,セマンティッククラスの概念的知識を,ドメインを超えて一定であるカテゴリ記憶に抽象化する。
論文 参考訳（メタデータ） (2022-04-07T17:34:01Z) - Can the brain use waves to solve planning problems? [62.997667081978825]
このような課題を解くニューラルネットワークモデルを提案する。
このモデルは、哺乳類の新皮質と海馬に関する幅広い実験的な発見と互換性がある。
論文 参考訳（メタデータ） (2021-10-11T11:07:05Z) - Memory and attention in deep learning [19.70919701635945]
マシンのメモリ構成は避けられない。
ディープラーニングにおけるメモリモデリングの最近の進歩は、外部メモリ構築を中心に展開されている。
この論文の目的は、深層学習における記憶と注意に対する理解を深めることである。
論文 参考訳（メタデータ） (2021-07-03T09:21:13Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳（メタデータ） (2020-05-22T14:29:51Z)
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。