論文の概要: Naturalistic Computational Cognitive Science: Towards generalizable models and theories that capture the full range of natural behavior
- arxiv url: http://arxiv.org/abs/2502.20349v1
- Date: Thu, 27 Feb 2025 18:20:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-28 14:56:20.295446
- Title: Naturalistic Computational Cognitive Science: Towards generalizable models and theories that capture the full range of natural behavior
- Title（参考訳）: 自然主義計算認知科学 : 自然行動の全範囲を捉える一般化可能なモデルと理論を目指して
- Authors: Wilka Carvalho, Andrew Lampinen,
- Abstract要約: AIの進歩は、認知科学がますます自然主義的な刺激、タスク、行動を伴う実験を受け入れる機会を提供すると主張する。
本稿では,方法論的実践が自然主義的認知科学の累積的進歩にどのように貢献するかについて,実践的なガイダンスを提供する。
- 参考スコア（独自算出の注目度）: 4.298496794225824
- License:
- Abstract: Artificial Intelligence increasingly pursues large, complex models that perform many tasks within increasingly realistic domains. How, if at all, should these developments in AI influence cognitive science? We argue that progress in AI offers timely opportunities for cognitive science to embrace experiments with increasingly naturalistic stimuli, tasks, and behaviors; and computational models that can accommodate these changes. We first review a growing body of research spanning neuroscience, cognitive science, and AI that suggests that incorporating a broader range of naturalistic experimental paradigms (and models that accommodate them) may be necessary to resolve some aspects of natural intelligence and ensure that our theories generalize. We then suggest that integrating recent progress in AI and cognitive science will enable us to engage with more naturalistic phenomena without giving up experimental control or the pursuit of theoretically grounded understanding. We offer practical guidance on how methodological practices can contribute to cumulative progress in naturalistic computational cognitive science, and illustrate a path towards building computational models that solve the real problems of natural cognition - together with a reductive understanding of the processes and principles by which they do so.
- Abstract（参考訳）: 人工知能は、ますます現実的な領域内で多くのタスクを実行する、大規模で複雑なモデルをますます追求している。
これらのAIの発展は認知科学にどのように影響するのか?
AIの進歩は、認知科学にとって、ますます自然主義的な刺激、タスク、行動を伴う実験を取り入れるタイムリーな機会を与え、これらの変化に対応できる計算モデルを提供する、と我々は主張する。
我々はまず、神経科学、認知科学、AIにまたがる、成長を続ける研究の分野をレビューし、我々の理論が一般化することを確実にするためには、より広範な自然主義的な実験パラダイム(およびそれに対応するモデル)を取り入れることが必要であることを示唆する。
そして、AIと認知科学の最近の進歩を統合することで、実験的な制御を諦めたり理論的に根ざした理解を追求することなく、より自然主義的な現象に関わりやすくなることを提案します。
自然主義的認知科学における方法論的実践が累積的な進歩にどのように貢献するかについて実践的なガイダンスを提供し、自然認識の真の問題を解決する計算モデルを構築するための道筋を示す。
関連論文リスト
- Rethinking Cognition: Morphological Info-Computation and the Embodied Paradigm in Life and Artificial Intelligence [1.14219428942199]
本研究の目的は,情報,計算,認知に関する現在の研究のより広い文脈に,ロレンツォ・マグナニス・エコ認知計算主義を配置することである。
我々は、認知を、物理的、化学的、生物学的領域にまたがる自己集合、自己組織化、自己ポエシスのプロセスによって駆動される、同時モルフォロジー計算の網としてモデル化する。
論文 参考訳（メタデータ） (2024-12-01T10:04:53Z) - 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) - 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) - Advancing Perception in Artificial Intelligence through Principles of
Cognitive Science [6.637438611344584]
我々は、周囲の信号を入力として取り、それを処理して環境を理解する、知覚の認知機能に焦点を当てる。
我々は、認知科学にインスパイアされたAIシステムを構築するために、AIに一連の方法を提案する。
論文 参考訳（メタデータ） (2023-10-13T01:21:55Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - 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) - 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) - Natural Computational Architectures for Cognitive Info-Communication [3.3758186776249928]
認知アーキテクチャに関する40年間の研究の概観(Kotseruba と Tsotsos 2020)は、人間の中核的な認知能力のモデリングを評価するが、自然計算に基づく生物学的に妥当なアプローチには限界がある。
我々は進化的情報計算の枠組みを用いており、そこでは自然・物理的・形態的計算がますます複雑な認知システムの進化に繋がる。
論文 参考訳（メタデータ） (2021-10-01T18:01:16Z) - 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。
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。