論文の概要: Cancermorphic Computing Toward Multilevel Machine Intelligence

• arxiv url: http://arxiv.org/abs/2503.12743v1
• Date: Mon, 17 Mar 2025 02:23:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 12:34:53.154033
• Title: Cancermorphic Computing Toward Multilevel Machine Intelligence
• Title（参考訳）: マルチレベルマシンインテリジェンスに向けた癌型コンピューティング
• Authors: Rosalia Moreddu, Michael Levin,
• Abstract要約: 本稿では,がんの適応的,弾力的,進化的戦略から導かれるパラダイムとして,癌にインスパイアされたコンピューティングの概念を紹介する。 がんに触発されたコンピューティングは、体細胞突然変異、転移、血管新生、免疫回避など、がん細胞の生存戦略の独特さをエミュレートすることに注目している。 このビジョンは、多レベルインテリジェンスと文脈駆動突然変異の概念と、可塑性制限されたニューロモルフィックアプローチとカオスアプローチのランダムネスを同時に克服する可能性に焦点を当てている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Despite their potential to address crucial bottlenecks in computing architectures and contribute to the pool of biological inspiration for engineering, pathological biological mechanisms remain absent from computational theory. We hereby introduce the concept of cancer-inspired computing as a paradigm drawing from the adaptive, resilient, and evolutionary strategies of cancer, for designing computational systems capable of thriving in dynamic, adversarial or resource-constrained environments. Unlike known bioinspired approaches (e.g., evolutionary and neuromorphic architectures), cancer-inspired computing looks at emulating the uniqueness of cancer cells survival tactics, such as somatic mutation, metastasis, angiogenesis and immune evasion, as parallels to desirable features in computing architectures, for example decentralized propagation and resource optimization, to impact areas like fault tolerance and cybersecurity. While the chaotic growth of cancer is currently viewed as uncontrollable in biology, randomness-based algorithms are already being successfully demonstrated in enhancing the capabilities of other computing architectures, for example chaos computing integration. This vision focuses on the concepts of multilevel intelligence and context-driven mutation, and their potential to simultaneously overcome plasticity-limited neuromorphic approaches and the randomness of chaotic approaches. The introduction of this concept aims to generate interdisciplinary discussion to explore the potential of cancer-inspired mechanisms toward powerful and resilient artificial systems.
• Abstract（参考訳）: 計算アーキテクチャにおける重要なボトルネックに対処し、工学における生物学的インスピレーションのプールに貢献する可能性にもかかわらず、病理生物学的メカニズムは計算理論から欠落している。 本稿では, 適応的, 弾力的, 進化的戦略に基づくパラダイムとして, 動的, 対角的, 資源制約のある環境に適応可能な計算システムを設計する手法として, 癌に触発されたコンピューティングの概念を紹介する。 既知のバイオインスパイアされたアプローチ(進化的およびニューロモーフィックアーキテクチャなど)とは異なり、がんにインスパイアされたコンピューティングは、がん細胞の生存戦略(体細胞突然変異、転移、血管新生、免疫回避など)の独自性をエミュレートすることに焦点を当てている。 現在、がんのカオス的な成長は生物学では制御できないと見なされているが、ランダム性に基づくアルゴリズムは、カオスコンピューティング統合のような他のコンピューティングアーキテクチャの能力向上に成功している。 このビジョンは、多レベルインテリジェンスと文脈駆動突然変異の概念と、可塑性制限されたニューロモルフィックアプローチとカオスアプローチのランダムネスを同時に克服する可能性に焦点を当てている。 この概念の導入は、がんに触発された強力なレジリエントな人工システムに対するメカニズムの可能性を探るため、学際的な議論を生み出すことを目的としている。

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)
• Knowledge-driven Subspace Fusion and Gradient Coordination for Multi-modal Learning [14.1062929554591]
  マルチモーダル学習は癌診断と予後において重要な役割を担っている。 現在のディープラーニングに基づくマルチモーダルアプローチは、ゲノム学と組織学のデータの間の複雑な相関をモデル化する能力によって制限されることが多い。 本稿では, 生物学的に解釈し, 堅牢なマルチモーダル学習フレームワークを提案し, ヒストロジー画像とゲノム学を効率的に統合する。
  論文  参考訳（メタデータ） (2024-06-20T04:01:35Z)
• 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)
• Spike-based Neuromorphic Computing for Next-Generation Computer Vision [1.2367795537503197]
  ニューロモルフィック・コンピューティングは、従来のフォン・ノイマン・コンピューティング・パラダイムと比較してエネルギー効率の桁違いの改善を約束する。 目標は、適応的でフォールトトレラント、低フットプリント、高速、低エネルギーの知能システムを開発することであり、脳の機能を学び、エミュレートすることである。
  論文  参考訳（メタデータ） (2023-10-15T01:05:35Z)
• 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)
• A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems [120.297940190903]
  AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。 ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
  論文  参考訳（メタデータ） (2022-05-02T18:00:10Z)
• Qualities, challenges and future of genetic algorithms: a literature review [0.0]
  遺伝的アルゴリズムは自然進化をシミュレートするコンピュータプログラムである。 ニューラルネットワークアーキテクチャ探索から戦略ゲームまで,さまざまな最適化問題の解決に使用されている。 GPU、並列コンピューティング、量子コンピューティングなどの最近の発展、強力なパラメータ制御法の概念、表現戦略における新しいアプローチは、それらの限界を克服するための鍵となるかもしれない。
  論文  参考訳（メタデータ） (2020-11-05T17:53:33Z)

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。