論文の概要: Adaptive Intelligence: leveraging insights from adaptive behavior in animals to build flexible AI systems
- arxiv url: http://arxiv.org/abs/2411.15234v1
- Date: Thu, 21 Nov 2024 20:26:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-26 14:19:28.497386
- Title: Adaptive Intelligence: leveraging insights from adaptive behavior in animals to build flexible AI systems
- Title（参考訳）: アダプティブインテリジェンス:動物の適応行動からの洞察を活用して柔軟なAIシステムを構築する
- Authors: Mackenzie Weygandt Mathis,
- Abstract要約: 適応的な生物学的知能の行動的および神経的基盤、AIの並行的な進歩についてレビューし、より適応的なアルゴリズムを構築するための脳に触発されたアプローチを探る。
次のフロンティアは、従来のAIを超えて"適応知性(adaptive intelligence)"を開発することであり、ここで定義されているのは、生物学的インテリジェンスからの洞察を活用して、オンラインで学習し、一般化し、環境の変化に迅速に適応できるエージェントを構築することだ。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Biological intelligence is inherently adaptive -- animals continually adjust their actions based on environmental feedback. However, creating adaptive artificial intelligence (AI) remains a major challenge. The next frontier is to go beyond traditional AI to develop "adaptive intelligence," defined here as harnessing insights from biological intelligence to build agents that can learn online, generalize, and rapidly adapt to changes in their environment. Recent advances in neuroscience offer inspiration through studies that increasingly focus on how animals naturally learn and adapt their world models. In this Perspective, I will review the behavioral and neural foundations of adaptive biological intelligence, the parallel progress in AI, and explore brain-inspired approaches for building more adaptive algorithms.
- Abstract（参考訳）: 生物の知性は本質的に適応的であり、動物は環境フィードバックに基づいて継続的に行動を調整する。
しかし、適応人工知能(AI)の作成は依然として大きな課題である。
次のフロンティアは、従来のAIを超えて"適応知性(adaptive intelligence)"を開発することであり、ここで定義されているのは、生物学的インテリジェンスからの洞察を活用して、オンラインで学習し、一般化し、環境の変化に迅速に適応できるエージェントを構築することだ。
近年の神経科学の進歩は、動物が自然に世界モデルを学び、適応する方法に注目する研究を通じてインスピレーションを与えている。
このパースペクティブでは、適応的な生物学的知能の行動的および神経的基礎、AIの並行的な進歩を概観し、より適応的なアルゴリズムを構築するための脳に触発されたアプローチを探る。
関連論文リスト
- Bio-inspired AI: Integrating Biological Complexity into Artificial Intelligence [0.0]
人工知能を作ることの追求は、私たち自身の知性を理解することへの長年の関心を反映している。
最近のAIの進歩は約束を守るが、特異なアプローチはしばしば知性の本質を捉えるのに不足する。
本稿では,生物計算の基本原理が真にインテリジェントなシステムの設計をいかに導くかを検討する。
論文 参考訳（メタデータ） (2024-11-22T02:55:39Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
AIシステムは知恵を欠いている。
AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。
メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Bridging Neuroscience and AI: Environmental Enrichment as a Model for Forward Knowledge Transfer [0.0]
本研究では, 環境富化(EE)が, 転送研究の生物学的モデルとして利用できることを示唆する。
EEは、認知、社会的、運動、感覚刺激を高める動物研究を指す。
人工ニューラルネットワーク(ANN)が、豊かな経験の後の神経変化を予測するためにどのように使用できるかについて議論する。
論文 参考訳（メタデータ） (2024-05-12T14:33:50Z) - Advancing Explainable AI Toward Human-Like Intelligence: Forging the
Path to Artificial Brain [0.7770029179741429]
説明可能なAI(XAI)における人工知能(AI)と神経科学の交差は、複雑な意思決定プロセスにおける透明性と解釈可能性を高めるために重要である。
本稿では,機能ベースから人間中心のアプローチまで,XAI方法論の進化について考察する。
生成モデルにおける説明可能性の達成、責任あるAIプラクティスの確保、倫理的意味への対処に関する課題について論じる。
論文 参考訳（メタデータ） (2024-02-07T14:09:11Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - World Models and Predictive Coding for Cognitive and Developmental
Robotics: Frontiers and Challenges [51.92834011423463]
我々は世界モデルと予測符号化の2つの概念に焦点を当てる。
神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
論文 参考訳（メタデータ） (2023-01-14T06:38:14Z) - 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) - The Introspective Agent: Interdependence of Strategy, Physiology, and
Sensing for Embodied Agents [51.94554095091305]
本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。
自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
論文 参考訳（メタデータ） (2022-01-02T20:14:01Z) - Conscious AI [6.061244362532694]
人工知能の最近の進歩は、分類タスクの人間規模のスピードと精度を達成しました。
現在のシステムは、パターンを認識して分類する必要はない。
AIが直感や共感を必要とするより複雑なタスクに進むためには、メタシンキング、創造性、共感などの能力が人間の自己認識や意識に似ています。
論文 参考訳（メタデータ） (2021-05-12T15:53:44Z) - 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) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳（メタデータ） (2020-08-07T21:00:13Z)
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。