論文の概要: Neuromorphic Intelligence
- arxiv url: http://arxiv.org/abs/2509.11940v4
- Date: Sun, 02 Nov 2025 09:37:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-04 16:14:22.231991
- Title: Neuromorphic Intelligence
- Title（参考訳）: ニューロモルフィックインテリジェンス
- Authors: Marcel van Gerven,
- Abstract要約: ニューロモルフィックコンピューティングは、人工システムにおける人間の脳の顕著な効率、柔軟性、適応性を再現しようと試みている。
ニューロモルフィックシステムは脳にインスパイアされた計算の原理を利用して、より大きなエネルギー効率のオーダーを達成している。
中心的な課題は、多様な規律をブリッジできる統一理論の枠組みを特定することである。
- 参考スコア（独自算出の注目度）: 0.7638802020261348
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Neuromorphic computing seeks to replicate the remarkable efficiency, flexibility, and adaptability of the human brain in artificial systems. Unlike conventional digital approaches, which suffer from the Von Neumann bottleneck and depend on massive computational and energy resources, neuromorphic systems exploit brain-inspired principles of computation to achieve orders of magnitude greater energy efficiency. By drawing on insights from a wide range of disciplines -- including artificial intelligence, physics, chemistry, biology, neuroscience, cognitive science and materials science -- neuromorphic computing promises to deliver intelligent systems that are sustainable, transparent, and widely accessible. A central challenge, however, is to identify a unifying theoretical framework capable of bridging these diverse disciplines. We argue that dynamical systems theory provides such a foundation. Rooted in differential calculus, it offers a principled language for modeling inference, learning, and control in both natural and artificial substrates. Within this framework, noise can be harnessed as a resource for learning, while differential genetic programming enables the discovery of dynamical systems that implement adaptive behaviors. Embracing this perspective paves the way toward emergent neuromorphic intelligence, where intelligent behavior arises from the dynamics of physical substrates, advancing both the science and sustainability of AI.
- Abstract（参考訳）: ニューロモルフィックコンピューティングは、人工システムにおける人間の脳の顕著な効率、柔軟性、適応性を再現しようと試みている。
フォン・ノイマンのボトルネックに悩まされ、膨大な計算資源とエネルギー資源に依存している従来のデジタルアプローチとは異なり、ニューロモルフィックシステムは脳にインスパイアされた計算原理を利用してエネルギー効率を最大化する。
人工知能、物理学、化学、生物学、神経科学、認知科学、材料科学など、幅広い分野からの洞察に基づいて、ニューロモルフィックコンピューティングは、持続可能で透明で広くアクセス可能なインテリジェントなシステムを提供することを約束している。
しかし、中心的な課題は、これらの多様な規律をブリッジできる統一理論の枠組みを特定することである。
我々は力学系理論がそのような基礎を提供すると主張する。
微分計算で回転し、自然基板と人工基板の両方で推論、学習、制御をモデル化するための原則言語を提供する。
このフレームワーク内では、ノイズは学習のリソースとして利用でき、一方、差分遺伝プログラミングは適応的な振る舞いを実装する動的システムの発見を可能にする。
この視点を受け入れることは、知的行動が物理的基質のダイナミクスから生じ、AIの科学と持続可能性の両方を前進させる、創発的な神経形知能への道を開く。
関連論文リスト
- Modularity is the Bedrock of Natural and Artificial Intelligence [51.60091394435895]
モジュラリティは、効率的な学習と強力な一般化能力をサポートするために重要であることが示されている。
ナチュラルインテリジェンスにおけるその役割と、さまざまな異なるように見えるAIサブフィールドでのメリットが証明されているにもかかわらず、モジュラリティはメインストリームのAI研究において比較的過小評価されている。
特に、モジュラリティがもたらす計算上の優位性や、それがいくつかのAI研究領域にまたがるソリューションとして現れる方法、そしてモジュラリティが、自然と人工知能のギャップを埋めるのにどのように役立つかを検討する。
論文 参考訳（メタデータ） (2026-02-21T21:47:09Z) - Intelligence Foundation Model: A New Perspective to Approach Artificial General Intelligence [55.07411490538404]
我々は,人工知能基盤モデル(IFM)による人工知能(AGI)への新たな視点を提案する。
IFMは、多様な知的行動から直接学習することで、インテリジェンスの基礎となるメカニズムを取得することを目的としている。
論文 参考訳（メタデータ） (2025-11-13T09:28:41Z) - Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective [53.556348738917166]
エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムにつながっている。
人間の空間知能は、統合された多感覚知覚、空間記憶、認知マップに根ざし、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。
論文 参考訳（メタデータ） (2025-09-11T05:23:22Z) - Neuromorphic Computing with Multi-Frequency Oscillations: A Bio-Inspired Approach to Artificial Intelligence [7.742102806887099]
驚くべき能力にもかかわらず、人工知能は限られた柔軟性と一般化可能な知性を示す。
この制限は、神経領域の機能的特殊化と、これらの特殊システムの調整に不可欠な時間的ダイナミクスの両方を無視する生物学的認知から、その根本的な違いに起因している。
本稿では,機能的に特殊な知覚システム,補助システム,実行システムを含む三部構成の脳インスパイアされたアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-08-04T08:40:33Z) - 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) - 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) - Towards Reverse-Engineering the Brain: Brain-Derived Neuromorphic Computing Approach with Photonic, Electronic, and Ionic Dynamicity in 3D integrated circuits [2.649646793770068]
人間の脳は、極度のエネルギー効率とスケールで膨大な学習能力を持ち、人工システムは一致していない。
本稿では,脳由来ニューロモルフィックコンピューティングシステムのプロトタイプを設計することで,脳のリバースエンジニアリングの可能性について議論する。
論文 参考訳（メタデータ） (2024-03-28T05:24:04Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - 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) - Non-equilibrium physics: from spin glasses to machine and neural
learning [0.0]
障害のある多体系は様々なスケールで幅広い創発現象を示す。
我々は、統計物理学を通して、乱れたシステムにおけるそのような突発的な知性を特徴付けることを目指している。
知的システムを設計するための指針となる学習メカニズムと物理力学の関係を明らかにする。
論文 参考訳（メタデータ） (2023-08-03T04:56:47Z) - A brain basis of dynamical intelligence for AI and computational
neuroscience [0.0]
より多くの脳のような能力は、新しい理論、モデル、および人工学習システムを設計する方法を要求するかもしれない。
本稿は,第6回US/NIH BRAIN Initiative Investigators Meetingにおける動的神経科学と機械学習に関するシンポジウムに触発されたものです。
論文 参考訳（メタデータ） (2021-05-15T19:49:32Z)
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。