論文の概要: From generative AI to the brain: five takeaways

• arxiv url: http://arxiv.org/abs/2511.16432v1
• Date: Thu, 20 Nov 2025 15:00:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.684647
• Title: From generative AI to the brain: five takeaways
• Title（参考訳）: ジェネレーティブAIから脳へ:5つの視点
• Authors: Claudius Gros,
• Abstract要約: これらの生成原理のどれが脳でも機能しているかを徹底的に研究することが必須であり、それゆえ認知神経科学に関係している。 我々は、世界モデリングの欠点、思考プロセスの生成、注意、神経スケーリング法則、量子化の5つの例について論じる。
• 参考スコア（独自算出の注目度）: 2.0305676256390934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The big strides seen in generative AI are not based on somewhat obscure algorithms, but due to clearly defined generative principles. The resulting concrete implementations have proven themselves in large numbers of applications. We suggest that it is imperative to thoroughly investigate which of these generative principles may be operative also in the brain, and hence relevant for cognitive neuroscience. In addition, ML research led to a range of interesting characterizations of neural information processing systems. We discuss five examples, the shortcomings of world modelling, the generation of thought processes, attention, neural scaling laws, and quantization, that illustrate how much neuroscience could potentially learn from ML research.
• Abstract（参考訳）: 生成AIで見られる大きな進歩は、やや曖昧なアルゴリズムに基づいているのではなく、明確に定義された生成原理に基づいている。 その結果、具体的な実装は、多くのアプリケーションで証明されている。 脳内でもこれらの生成原理のどれが機能しているかを徹底的に調査し,認知神経科学に関係していることが示唆された。 さらに、ML研究は、神経情報処理システムの様々な興味深い特徴付けにつながった。 我々は、世界モデリングの欠点、思考プロセスの生成、注意、神経スケーリング法則、量子化の5つの例について論じる。

関連論文リスト

• Brain in the Dark: Design Principles for Neuromimetic Inference under the Free Energy Principle [0.0]
  自由エネルギー原則(FEP)はAIで理解し実装するには複雑すぎると考えられていることが多い。 FEPはAIを理解し実装するには複雑すぎると考えられがちだ。 本稿では、FEPのデミスティフィケーションと、人間のような知覚能力を持つニューロミメティクスモデルを設計するための包括的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-02-13T00:18:47Z)
• A theory of neural emulators [0.0]
  神経科学における中心的な目標は、動物神経系が意識のような行動や認知状態をいかに生み出すかを説明することである。 生体脳活動の回路およびスケールに依存しない予測モデルとしてエミュレータ理論(ET)とニューラルエミュレータを提案する。
  論文  参考訳（メタデータ） (2024-05-22T07:12:03Z)
• 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)
• Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
  予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。 PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Neuronal Sequence Models for Bayesian Online Inference [0.0]
  連続神経活動は、脳内の幅広いプロセスの基盤となる。 ニューロン配列の神経科学的証拠は、知覚、運動制御、スピーチ、空間ナビゲーション、記憶といった領域で報告されている。 本稿では、ニューロン配列に関する重要な知見を概説し、感覚運動処理と認識のモデルとして、シーケンスのオンライン推論の概念に関連付ける。
  論文  参考訳（メタデータ） (2020-04-02T10:52:54Z)

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。