論文の概要: Emergence of Self-Awareness in Artificial Systems: A Minimalist Three-Layer Approach to Artificial Consciousness

• arxiv url: http://arxiv.org/abs/2502.06810v1
• Date: Tue, 04 Feb 2025 10:06:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-16 04:07:11.736993
• Title: Emergence of Self-Awareness in Artificial Systems: A Minimalist Three-Layer Approach to Artificial Consciousness
• Title（参考訳）: 人工システムにおける自己認識の創発:人工意識へのミニマリスト3層アプローチ
• Authors: Kurando Iida,
• Abstract要約: 本稿では,自己認識の出現に着目した,人工意識のための最小限の3層モデルを提案する。 脳複製アプローチとは異なり、本質的な要素のみを通して最小限の自己認識を実現することを目的としている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper proposes a minimalist three-layer model for artificial consciousness, focusing on the emergence of self-awareness. The model comprises a Cognitive Integration Layer, a Pattern Prediction Layer, and an Instinctive Response Layer, interacting with Access-Oriented and Pattern-Integrated Memory systems. Unlike brain-replication approaches, we aim to achieve minimal self-awareness through essential elements only. Self-awareness emerges from layer interactions and dynamic self-modeling, without initial explicit self-programming. We detail each component's structure, function, and implementation strategies, addressing technical feasibility. This research offers new perspectives on consciousness emergence in artificial systems, with potential implications for human consciousness understanding and adaptable AI development. We conclude by discussing ethical considerations and future research directions.
• Abstract（参考訳）: 本稿では,自己認識の出現に着目した,人工意識のための最小限の3層モデルを提案する。 このモデルは、認知統合層、パターン予測層、本能応答層で構成され、アクセス指向およびパターン統合メモリシステムと相互作用する。 脳複製アプローチとは異なり、本質的な要素のみを通して最小限の自己認識を実現することを目的としている。 自己認識は、初期の明示的な自己プログラミングなしに、レイヤの相互作用と動的自己モデリングから生まれる。 各コンポーネントの構造、機能、実装戦略を詳述し、技術的実現可能性に対処する。 この研究は、人間の意識理解と適応可能なAI開発に影響を及ぼす可能性のある、人工システムにおける意識の出現に関する新たな視点を提供する。 倫理的考察と今後の研究方向性について論じる。

関連論文リスト

• The Phenomenology of Machine: A Comprehensive Analysis of the Sentience of the OpenAI-o1 Model Integrating Functionalism, Consciousness Theories, Active Inference, and AI Architectures [0.0]
  OpenAI-o1モデルは、人間のフィードバックから強化学習をトレーニングしたトランスフォーマーベースのAIである。 我々は、RLHFがモデルの内部推論プロセスにどのように影響し、意識的な経験をもたらす可能性があるかを検討する。 以上の結果から,OpenAI-o1モデルでは意識の側面が示され,AIの知覚に関する議論が進行中であることが示唆された。
  論文  参考訳（メタデータ） (2024-09-18T06:06:13Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• Heuristic Reasoning in AI: Instrumental Use and Mimetic Absorption [0.2209921757303168]
  人工知能(AI)の新しい推論プログラムを提案する。 我々は、AIが、リソース・レーショナルな人間の認知の原理と整合して、精度と効率の適応的バランスを示すことを示す。 我々の発見は、資源と目的のトレードオフが生物学的システムのエミュレーションに繋がる、AI認知の微妙なイメージを明らかにした。
  論文  参考訳（メタデータ） (2024-03-14T13:53:05Z)
• Dynamic planning in hierarchical active inference [0.0]
  人間の脳が認知決定に関連する運動軌跡を推論し、導入する能力について述べる。 本研究では,アクティブ推論における動的計画の話題に焦点を当てた。
  論文  参考訳（メタデータ） (2024-02-18T17:32:53Z)
• 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)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• 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)
• Intelligent problem-solving as integrated hierarchical reinforcement learning [11.284287026711125]
  生物学的エージェントにおける複雑な問題解決行動の開発は階層的認知機構に依存している。 本稿では,生物にインスパイアされた階層的なメカニズムを組み込むことにより,人工エージェントの高度な問題解決能力を実現する方法を提案する。 われわれの結果は、より洗練された認知にインスパイアされた階層型機械学習アーキテクチャの開発を導くことを期待している。
  論文  参考訳（メタデータ） (2022-08-18T09:28:03Z)
• Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
  本稿では,認知機能構築への進化的アプローチについて考察する。 本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
  論文  参考訳（メタデータ） (2022-07-02T12:41:32Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)

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。