論文の概要: Towards Neurocognitive-Inspired Intelligence: From AI's Structural Mimicry to Human-Like Functional Cognition

• arxiv url: http://arxiv.org/abs/2510.13826v1
• Date: Thu, 09 Oct 2025 20:10:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-17 21:15:14.449423
• Title: Towards Neurocognitive-Inspired Intelligence: From AI's Structural Mimicry to Human-Like Functional Cognition
• Title（参考訳）: 神経認知インスピレーションインテリジェンスを目指して:AIの構造ミミリーから人間のような機能認知へ
• Authors: Noorbakhsh Amiri Golilarz, Hassan S. Al Khatib, Shahram Rahimi,
• Abstract要約: ニューロ認知インスパイアドインテリジェンス(Neurocognitive-Inspired Intelligence)は、神経科学、認知科学、コンピュータビジョン、AIを組み合わせたハイブリッドアプローチである。 これらのシステムは、人間の脳が柔軟に学習し、推論し、記憶し、知覚し、最小限の監督で現実世界で行動する能力をエミュレートすることを目的としている。
• 参考スコア（独自算出の注目度）: 1.3126858950459552
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence has advanced significantly through deep learning, reinforcement learning, and large language and vision models. However, these systems often remain task specific, struggle to adapt to changing conditions, and cannot generalize in ways similar to human cognition. Additionally, they mainly focus on mimicking brain structures, which often leads to black-box models with limited transparency and adaptability. Inspired by the structure and function of biological cognition, this paper introduces the concept of "Neurocognitive-Inspired Intelligence (NII)," a hybrid approach that combines neuroscience, cognitive science, computer vision, and AI to develop more general, adaptive, and robust intelligent systems capable of rapid learning, learning from less data, and leveraging prior experience. These systems aim to emulate the human brain's ability to flexibly learn, reason, remember, perceive, and act in real-world settings with minimal supervision. We review the limitations of current AI methods, define core principles of neurocognitive-inspired intelligence, and propose a modular, biologically inspired architecture that emphasizes integration, embodiment, and adaptability. We also discuss potential implementation strategies and outline various real-world applications, from robotics to education and healthcare. Importantly, this paper offers a hybrid roadmap for future research, laying the groundwork for building AI systems that more closely resemble human cognition.
• Abstract（参考訳）: 人工知能は、ディープラーニング、強化学習、および大規模言語と視覚モデルを通じて大きく進歩した。 しかしながら、これらのシステムはしばしばタスク固有のままであり、変化する条件に適応するのに苦労し、人間の認知と似た方法で一般化することができない。 さらに、主に脳構造を模倣することに焦点を当てており、しばしば透明性と適応性に制限されたブラックボックスモデルに繋がる。 本稿では,神経科学,認知科学,コンピュータビジョン,AIを組み合わせて,より汎用的で適応的で堅牢な知能システムを開発し,より高速に学習し,少ないデータから学習し,事前経験を活用するハイブリッドアプローチである「ニューロ認知インスピレーションドインテリジェンス(NII)」の概念を紹介する。 これらのシステムは、人間の脳が柔軟に学習し、推論し、記憶し、知覚し、最小限の監督で現実世界で行動する能力をエミュレートすることを目的としている。 我々は、現在のAI手法の限界をレビューし、ニューロ認知にインスパイアされたインテリジェンスのコア原則を定義し、統合、実施、適応性を重視したモジュラーで生物学的にインスパイアされたアーキテクチャを提案する。 また,実装戦略についても論じ,ロボット工学から教育,医療に至るまで,さまざまな実世界の応用について概説する。 重要なことは、この論文は将来の研究のためのハイブリッドなロードマップを提供し、人間の認識によく似たAIシステムを構築するための基礎を築き上げている。

関連論文リスト

• Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact [27.722167796617114]
  本稿では,人工知能,認知神経科学,心理学,生成モデル,エージェントベースシステムの学際的合成について述べる。 我々は汎用知能のアーキテクチャと認知の基礎を分析し、モジュラー推論、永続記憶、マルチエージェント協調の役割を強調した。 我々は、人工知能への道の鍵となる科学的、技術的、倫理的課題を特定します。
  論文  参考訳（メタデータ） (2025-07-01T16:52:25Z)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
  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)
• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。 AIシステムは特にメタ認知に苦しむ。 スマートAIのベンチマーク、トレーニング、実装について論じる。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• A Review of Findings from Neuroscience and Cognitive Psychology as Possible Inspiration for the Path to Artificial General Intelligence [0.0]
  本論は,神経科学と認知心理学の手法を検討することによって,人工知能の探求に貢献することを目的とする。 深層学習モデルによって達成された印象的な進歩にもかかわらず、抽象的推論と因果的理解にはまだ欠点がある。
  論文  参考訳（メタデータ） (2024-01-03T09:46:36Z)
• 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)
• World Models and Predictive Coding for Cognitive and Developmental Robotics: Frontiers and Challenges [51.92834011423463]
  我々は世界モデルと予測符号化の2つの概念に焦点を当てる。 神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
  論文  参考訳（メタデータ） (2023-01-14T06:38:14Z)

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。