論文の概要: A Foundational Theory for Decentralized Sensory Learning
- arxiv url: http://arxiv.org/abs/2503.15130v1
- Date: Wed, 19 Mar 2025 11:44:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-20 15:22:33.325311
- Title: A Foundational Theory for Decentralized Sensory Learning
- Title（参考訳）: 分散型感覚学習の基礎理論
- Authors: Linus Mårtensson, Jonas M. D. Enander, Udaya B. Rongala, Henrik Jörntell,
- Abstract要約: 感覚活動の最小値がネットワークの完全報酬信号であることを示す。
この方法では、地球上で最初期の単細胞生物がすでに存在していた可能性が示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: In both neuroscience and artificial intelligence, popular functional frameworks and neural network formulations operate by making use of extrinsic error measurements and global learning algorithms. Through a set of conjectures based on evolutionary insights on the origin of cellular adaptive mechanisms, we reinterpret the core meaning of sensory signals to allow the brain to be interpreted as a negative feedback control system, and show how this could lead to local learning algorithms without the need for global error correction metrics. Thereby, a sufficiently good minima in sensory activity can be the complete reward signal of the network, as well as being both necessary and sufficient for biological learning to arise. We show that this method of learning was likely already present in the earliest unicellular life forms on earth. We show evidence that the same principle holds and scales to multicellular organisms where it in addition can lead to division of labour between cells. Available evidence shows that the evolution of the nervous system likely was an adaptation to more effectively communicate intercellular signals to support such division of labour. We therefore propose that the same learning principle that evolved already in the earliest unicellular life forms, i.e. negative feedback control of externally and internally generated sensor signals, has simply been scaled up to become a fundament of the learning we see in biological brains today. We illustrate diverse biological settings, from the earliest unicellular organisms to humans, where this operational principle appears to be a plausible interpretation of the meaning of sensor signals in biology, and how this relates to current neuroscientific theories and findings.
- Abstract（参考訳）: 神経科学と人工知能の両方において、一般的な機能フレームワークとニューラルネットワークの定式化は、外在的エラー測定とグローバルな学習アルゴリズムを使用することによって行われる。
細胞適応機構の起源に関する進化的洞察に基づく一連の予想を通じて、脳が負のフィードバック制御系として解釈できるように、感覚信号の中核的な意味を再解釈し、グローバルな誤差補正指標を必要とせずに、どのようにして局所的な学習アルゴリズムに繋がるかを示す。
これにより、感覚活動の十分優れたミニマは、ネットワークの完全な報酬信号であり、生物学的学習が生じるのに必要かつ十分である。
この方法では、地球上で最初期の単細胞生物がすでに存在していた可能性が示唆された。
我々は、同じ原理が細胞間労働の分断につながる可能性がある多細胞生物に保たれ、スケールする証拠を示す。
有効な証拠は、神経系の進化は、そのような分業を支援するために細胞間信号をより効果的に伝達する適応であった可能性が高いことを示している。
そこで我々は, 初期の単細胞生物形態, すなわち, 外部および内部的に発生するセンサ信号の負のフィードバック制御においてすでに進化した学習原理が, 生物脳における学習の基盤となるように, 単にスケールアップされていることを示唆した。
我々は、初期の単細胞生物からヒトまで多様な生物学的環境について説明し、この動作原理は生物学におけるセンサー信号の意味のもっともらしい解釈であり、これが現在の神経科学的理論や研究結果とどのように関係しているかを説明している。
関連論文リスト
- From Worms to Mice: Homeostasis Maybe All You Need [0.0]
本稿では, 生物の神経回路における可塑性の関連様式の基礎となる, 単純な神経XORモチーフを提案する。
このXORモチーフは、受信信号と参照信号との相違を単に信号する。
複雑化を伴う各種生物のコネクトームにおけるXORモチーフの出現状況について検討した。
論文 参考訳（メタデータ） (2024-12-28T09:17:09Z) - 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) - 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) - 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 least-control principle for learning at equilibrium [65.2998274413952]
我々は、平衡反復ニューラルネットワーク、深層平衡モデル、メタラーニングを学ぶための新しい原理を提案する。
私たちの結果は、脳がどのように学習するかを明らかにし、幅広い機械学習問題にアプローチする新しい方法を提供します。
論文 参考訳（メタデータ） (2022-07-04T11:27:08Z) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳（メタデータ） (2021-11-29T15:27:51Z) - Applications of the Free Energy Principle to Machine Learning and
Neuroscience [0.0]
我々は、自由エネルギー原理にインスパイアされた手法を機械学習と神経科学の2つの重要な分野に適用する。
我々は、自由エネルギー原理から派生した神経生物学的に妥当なプロセス理論である予測符号化に焦点を当てる。
第2に、変動メッセージパッシングによる行動の神経生物学的根拠である能動推論について検討する。
最後に, 生物学的に有効な脳内クレジット代入法について検討した。
論文 参考訳（メタデータ） (2021-06-30T22:53:03Z) - Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。
この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。
これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
論文 参考訳（メタデータ） (2020-11-30T18:29:25Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳（メタデータ） (2020-05-22T14:29:51Z) - Brain-inspired self-organization with cellular neuromorphic computing
for multimodal unsupervised learning [0.0]
本稿では,自己組織マップとヘビアン様学習を用いた再突入理論に基づく脳刺激型ニューラルシステムを提案する。
システムトポロジがユーザによって固定されるのではなく,自己組織化によって学習されるような,いわゆるハードウェアの可塑性の獲得について述べる。
論文 参考訳（メタデータ） (2020-04-11T21:02:45Z)
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。