論文の概要: Morphological Cognition: Classifying MNIST Digits Through Morphological Computation Alone
- arxiv url: http://arxiv.org/abs/2508.17469v1
- Date: Sun, 24 Aug 2025 17:53:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.54348
- Title: Morphological Cognition: Classifying MNIST Digits Through Morphological Computation Alone
- Title（参考訳）: 形態的認知:形態的計算によるMNISTディジットの分類
- Authors: Alican Mertan, Nick Cheney,
- Abstract要約: 本研究では,シミュレートされた身体の構成要素の単純かつ固定的な振る舞いが,認知として分類できる創発的行動をもたらすかに焦点を当てる。
固定動作を模擬したボクセルを組み合わせて、MNIST桁ゼロの画像を提示すると、左に移動するロボットを作成する方法を示す。
このようなロボットは、形態学的プロセスの結果として認知行動を実行する能力である形態学的認知(morphological cognition')と呼ばれるものを持っている。
- 参考スコア（独自算出の注目度）: 0.32944203974612035
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the rise of modern deep learning, neural networks have become an essential part of virtually every artificial intelligence system, making it difficult even to imagine different models for intelligent behavior. In contrast, nature provides us with many different mechanisms for intelligent behavior, most of which we have yet to replicate. One of such underinvestigated aspects of intelligence is embodiment and the role it plays in intelligent behavior. In this work, we focus on how the simple and fixed behavior of constituent parts of a simulated physical body can result in an emergent behavior that can be classified as cognitive by an outside observer. Specifically, we show how simulated voxels with fixed behaviors can be combined to create a robot such that, when presented with an image of an MNIST digit zero, it moves towards the left; and when it is presented with an image of an MNIST digit one, it moves towards the right. Such robots possess what we refer to as ``morphological cognition'' -- the ability to perform cognitive behavior as a result of morphological processes. To the best of our knowledge, this is the first demonstration of a high-level mental faculty such as image classification performed by a robot without any neural circuitry. We hope that this work serves as a proof-of-concept and fosters further research into different models of intelligence.
- Abstract（参考訳）: 現代のディープラーニングの台頭により、ニューラルネットワークは事実上すべての人工知能システムにとって不可欠な部分となり、知的行動の異なるモデルを想像することさえ困難になっている。
対照的に、自然は知的行動の多くの異なるメカニズムを提供し、そのほとんどはまだ複製されていない。
このような知性の未解明の側面の1つは、インボディーメントとそれが知的行動において果たす役割である。
本研究では、シミュレーションされた身体を構成する部分の単純かつ固定的な振る舞いが、外部観察者によって認知として分類できる創発的な振る舞いをもたらすかに焦点を当てる。
具体的には,MNIST 桁 0 の画像を提示すると,左に移動し,MNIST 桁 1 の画像を提示すると,右に移動するロボットを作成する。
このようなロボットは、形態学的プロセスの結果として認知行動を実行する能力を持つ「形態学的認知」と呼ばれるものを持っている。
我々の知る限りでは、ロボットが神経回路を使わずに行う画像分類のような、高レベルの精神学部のデモンストレーションとしては、これが初めてである。
この研究が概念実証の役割を果たし、さまざまなインテリジェンスモデルの研究を促進することを願っています。
関連論文リスト
- Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [58.58177409853298]
大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。
この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。
本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
論文 参考訳（メタデータ） (2025-05-12T15:05:34Z) - Brain-Model Evaluations Need the NeuroAI Turing Test [4.525325675715108]
アラン・チューリングが提唱した古典的なテストは行動に焦点を当てており、人工エージェントの行動が人間の行動と区別できないことを要求している。
このポジションペーパーは、チューリングテストの標準的な定義はNeuroAIには不完全であると主張している。
これは、振る舞いのみを越えて拡張されるベンチマークであるNeuroAI Turing Test'と呼ばれる、より強力なフレームワークを提案する。
論文 参考訳（メタデータ） (2025-02-22T14:16:28Z) - No-brainer: Morphological Computation driven Adaptive Behavior in Soft Robots [0.24554686192257422]
ロボット制御のための分離された明示的な脳がなくても、インテリジェントな行動が作成できることを示す。
具体的には, 簡単な反応材料を用いて, ボクセルをベースとした仮想ソフトロボットにおいて適応的かつ複雑な動作を創出できることを示す。
論文 参考訳（メタデータ） (2024-07-23T16:20:36Z) - 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) - 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) - From Biological Synapses to Intelligent Robots [0.0]
ヘビアンシナプス学習は、機械学習とインテリジェンスのための機能的関連モデルとして議論されている。
適応的な学習と制御の可能性を、監督なしで先導する。
ここで収集された洞察は、インテリジェントなロボティクスとセンサーシステムの選択ソリューションとして、Hebbianモデルに向けられている。
論文 参考訳（メタデータ） (2022-02-25T12:39:22Z) - A Neural Dynamic Model based on Activation Diffusion and a
Micro-Explanation for Cognitive Operations [4.416484585765028]
記憶の神経機構は、人工知能における表現の問題と非常に密接な関係を持っている。
脳内のニューロンのネットワークとその情報処理のシミュレーションを行う計算モデルが提案された。
論文 参考訳（メタデータ） (2020-11-27T01:34:08Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z) - Robot self/other distinction: active inference meets neural networks
learning in a mirror [9.398766540452632]
ロボットがミラー上で非出現自認を行うことを可能にするアルゴリズムを提案する。
このアルゴリズムは、脳内の知覚と行動の理論モデルであるアクティブ推論とニューラルネットワーク学習を組み合わせる。
ヒューマノイドロボットの実験結果から,初期条件の異なるアルゴリズムの信頼性が示された。
論文 参考訳（メタデータ） (2020-04-11T19:51:47Z)
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。