論文の概要: Whither symbols in the era of advanced neural networks?

• arxiv url: http://arxiv.org/abs/2508.05776v1
• Date: Thu, 07 Aug 2025 18:42:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:05.982817
• Title: Whither symbols in the era of advanced neural networks?
• Title（参考訳）: 高度なニューラルネットワークの時代におけるシンボルは?
• Authors: Thomas L. Griffiths, Brenden M. Lake, R. Thomas McCoy, Ellie Pavlick, Taylor W. Webb,
• Abstract要約: 現代のニューラルネットワークと、それら上に構築された人工知能システムは、同様の能力を持っている、と我々は主張する。 これは、人間の心が使用する認知過程と表現が象徴的であるという議論を弱めている。
• 参考スコア（独自算出の注目度）: 28.417833278000476
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Some of the strongest evidence that human minds should be thought about in terms of symbolic systems has been the way they combine ideas, produce novelty, and learn quickly. We argue that modern neural networks -- and the artificial intelligence systems built upon them -- exhibit similar abilities. This undermines the argument that the cognitive processes and representations used by human minds are symbolic, although the fact that these neural networks are typically trained on data generated by symbolic systems illustrates that such systems play an important role in characterizing the abstract problems that human minds have to solve. This argument leads us to offer a new agenda for research on the symbolic basis of human thought.
• Abstract（参考訳）: 人間の心が象徴的なシステムの観点から考えるべきという最も強い証拠は、それらがアイデアを結合し、新しいものを生み出し、素早く学ぶ方法であった。 現代のニューラルネットワークと、それらの上に構築された人工知能システムは、同様の能力を持っている、と私たちは主張する。 これは、人間の心が使用する認知過程と表現が象徴的であるという議論を弱めているが、これらのニューラルネットワークが典型的に象徴的なシステムによって生成されたデータに基づいて訓練されているという事実は、人間の心が解決しなければならない抽象的な問題を特徴づける上で、そのようなシステムが重要な役割を果たすことを示している。 この議論は、人間の思考の象徴的基盤の研究のための新しいアジェンダを提供するきっかけとなる。

関連論文リスト

• 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)
• The Roles of Symbols in Neural-based AI: They are Not What You Think! [25.450989579215708]
  知的エージェントのための新しいニューロシンボリック仮説と有望なアーキテクチャを提案する。 私たちの仮説と関連するアーキテクチャは、シンボルが知的システムの将来に重要なままであることを示している。
  論文  参考訳（メタデータ） (2023-04-26T15:33:41Z)
• Emergence of Symbols in Neural Networks for Semantic Understanding and Communication [8.156761369660096]
  本稿では,シンボルの作成,意味論の理解,コミュニケーションの実現が可能なニューラルネットワークを実現するためのソリューションを提案する。 SEA-netは特定のタスクを実行するためにネットワークを動的に構成するシンボルを生成する。 これらのシンボルは合成意味情報をキャプチャし、システムは記号操作や通信によって純粋に新しい関数を取得できる。
  論文  参考訳（メタデータ） (2023-04-13T10:13:00Z)
• 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 Data-and Knowledge-Driven Artificial Intelligence: A Survey on Neuro-Symbolic Computing [73.0977635031713]
  ニューラルシンボリック・コンピューティング(NeSy)は、人工知能(AI)の活発な研究領域である。 NeSyは、ニューラルネットワークにおける記号表現の推論と解釈可能性の利点と堅牢な学習の整合性を示す。
  論文  参考訳（メタデータ） (2022-10-28T04:38:10Z)
• Brain-inspired Graph Spiking Neural Networks for Commonsense Knowledge Representation and Reasoning [11.048601659933249]
  神経科学、認知科学、心理学、人工知能において、人間の脳におけるニューラルネットワークがどのように常識知識を表現するかは重要な研究トピックである。 本研究は, 個体群エンコーディングとスパイクタイミング依存的可塑性(STDP)機構をスパイクニューラルネットワークの学習に組み込む方法について検討する。 異なるコミュニティのニューロン集団は、コモンセンス知識グラフ全体を構成し、巨大なグラフがニューラルネットワークをスパイクする。
  論文  参考訳（メタデータ） (2022-07-11T05:22:38Z)
• Adversarially trained neural representations may already be as robust as corresponding biological neural representations [66.73634912993006]
  本研究では,霊長類脳活動に直接対人的視覚攻撃を行う方法を開発した。 霊長類の視覚系を構成する生物学的ニューロンは、既存の(不正に訓練された)人工ニューラルネットワークに匹敵する敵の摂動に感受性を示す。
  論文  参考訳（メタデータ） (2022-06-19T04:15:29Z)
• Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
  Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。 本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。 NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-25T12:41:59Z)
• Emergence of Machine Language: Towards Symbolic Intelligence with Neural Networks [73.94290462239061]
  本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。 対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-01-14T14:54:58Z)

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。