Fugu-MT 論文翻訳(概要): Psychology of Artificial Intelligence: Epistemological Markers of the Cognitive Analysis of Neural Networks

論文の概要: Psychology of Artificial Intelligence: Epistemological Markers of the Cognitive Analysis of Neural Networks

arxiv url: http://arxiv.org/abs/2407.09563v1
Date: Thu, 4 Jul 2024 12:53:05 GMT
ステータス: 処理完了
システム内更新日: 2024-07-22 13:08:55.937053
Title: Psychology of Artificial Intelligence: Epistemological Markers of the Cognitive Analysis of Neural Networks
Title（参考訳）: 人工知能の心理学 : ニューラルネットワークの認知分析の認識論的マーカー
Authors: Michael Pichat,
Abstract要約: アシモフが1950年に予言した人工知能の心理学は、このAIの探索と説明可能性に敏感な物質の研究を目的としている。後者を調べるための前提条件は、その現象学に起因する認知状態に関するいくつかのマイルストーンを明らかにすることである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: What is the "nature" of the cognitive processes and contents of an artificial neural network? In other words, how does an artificial intelligence fundamentally "think," and in what form does its knowledge reside? The psychology of artificial intelligence, as predicted by Asimov (1950), aims to study this AI probing and explainability-sensitive matter. This study requires a neuronal level of cognitive granularity, so as not to be limited solely to the secondary macro-cognitive results (such as cognitive and cultural biases) of synthetic neural cognition. A prerequisite for examining the latter is to clarify some epistemological milestones regarding the cognitive status we can attribute to its phenomenology.
Abstract（参考訳）: 人工知能の認知過程と内容の「自然」とは何か? 言い換えれば、人工知能は基本的にどのようにして「考える」のか、その知識はどんな形で存在するのか? アシモフが1950年に予言した人工知能の心理学は、このAIの探索と説明可能性に敏感な物質の研究を目的としている。この研究は、神経認知の二次的なマクロ認知結果(認知や文化的偏見など)に限らないように、認知的粒度の神経レベルを必要とする。後者を調べるための前提条件は、その現象学に起因する認知状態に関する認識学的マイルストーンを明らかにすることである。

関連論文リスト

Neuropsychology of AI: Relationship Between Activation Proximity and Categorical Proximity Within Neural Categories of Synthetic Cognition [0.11235145048383502]
本研究は,認知心理学における新たな研究対象として,合成ニューラルコグニションに焦点を当てた。目標は、言語モデルのニューラルネットワークをより説明しやすくすることだ。このアプローチは、認知心理学から人工神経認知の解釈的構築への概念の変換を含む。
論文参考訳（メタデータ） (2024-10-08T12:34:13Z)
Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文参考訳（メタデータ） (2024-07-05T14:11:28Z)
Metacognitive AI: Framework and the Case for a Neurosymbolic Approach [5.5441283041944]
我々は、TRAPと呼ばれるメタ認知人工知能(AI)を理解するための枠組みを導入する。我々は、これらの局面のそれぞれについて議論し、メタ認知の課題に対処するために、ニューロシンボリックAI(NSAI)をどのように活用できるかを探求する。
論文参考訳（メタデータ） (2024-06-17T23:30:46Z)
A Review of Findings from Neuroscience and Cognitive Psychology as Possible Inspiration for the Path to Artificial General Intelligence [0.0]
本論は,神経科学と認知心理学の手法を検討することによって,人工知能の探求に貢献することを目的とする。深層学習モデルによって達成された印象的な進歩にもかかわらず、抽象的推論と因果的理解にはまだ欠点がある。
論文参考訳（メタデータ） (2024-01-03T09:46:36Z)
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)
A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文参考訳（メタデータ） (2023-10-14T23:28:48Z)
Constraints on the design of neuromorphic circuits set by the properties of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文参考訳（メタデータ） (2022-12-08T15:16:04Z)
An Introductory Review of Spiking Neural Network and Artificial Neural Network: From Biological Intelligence to Artificial Intelligence [4.697611383288171]
生物学的解釈可能性を持つスパイクニューラルネットワークは、徐々に注目を集めている。このレビューは、さまざまな研究者を惹きつけ、脳にインスパイアされた知性と人工知能の開発を進めたいと考えている。
論文参考訳（メタデータ） (2022-04-09T09:34:34Z)
From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。 CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文参考訳（メタデータ） (2022-01-20T17:07:03Z)
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)
Morphological Computation and Learning to Learn In Natural Intelligent Systems And AI [2.487445341407889]
深層学習のアルゴリズムは、脳機能に関する私たちの不完全な知識にもかかわらず、自然、特に人間の脳からインスピレーションを受けています。問題は、開発段階での計算的性質からインスピレーションを得られることは、ディープラーニングに何をもたらすのか、そして機械学習におけるモデルと実験が、神経科学と認知科学の研究を動機づけ、正当化し、導くことができるのかである。
論文参考訳（メタデータ） (2020-04-05T20:11:42Z)

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。