論文の概要: Mathematics of natural intelligence

• arxiv url: http://arxiv.org/abs/2512.10988v1
• Date: Sun, 07 Dec 2025 10:15:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.50024
• Title: Mathematics of natural intelligence
• Title（参考訳）: 自然知能の数学
• Authors: Evgenii Vityaev,
• Abstract要約: 本稿では,心の認知構造に関する数学的モデルを提案する。 認知細胞は機能系と細胞アンサンブルの2つのタイプの相互結合したCOG(神経細胞の認知グループ)から構成される。 本稿は、P.K. Anokhinによる「自然」分類理論、E. Rocheによる分類理論、Bob Rehterによる因果モデル理論、G. Tononiによる統合情報としての意識理論を提示する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the process of evolution, the brain has achieved such perfection that artificial intelligence systems do not have and which needs its own mathematics. The concept of cognitome, introduced by the academician K.V. Anokhin, as the cognitive structure of the mind -- a high-order structure of the brain and a neural hypernetwork, is considered as the basis for modeling. Consciousness then is a special form of dynamics in this hypernetwork -- a large-scale integration of its cognitive elements. The cognitome, in turn, consists of interconnected COGs (cognitive groups of neurons) of two types -- functional systems and cellular ensembles. K.V. Anokhin sees the task of the fundamental theory of the brain and mind in describing these structures, their origin, functions and processes in them. The paper presents mathematical models of these structures based on new mathematical results, as well as models of different cognitive processes in terms of these models. In addition, it is shown that these models can be derived based on a fairly general principle of the brain works: \textit{the brain discovers all possible causal relationships in the external world and draws all possible conclusions from them}. Based on these results, the paper presents models of: ``natural" classification; theory of functional brain systems by P.K. Anokhin; prototypical theory of categorization by E. Roche; theory of causal models by Bob Rehter; theory of consciousness as integrated information by G. Tononi.
• Abstract（参考訳）: 進化の過程で、脳は、人工知能システムが持っておらず、独自の数学を必要とするような完全性を達成した。 認知論の概念は、脳の高次構造とニューラル・ハイパーネットワークの認知構造として、学者のK.V. Anokhinによって導入された。 意識は、認知要素の大規模な統合である、このハイパーネットワークにおける、特別な形のダイナミクスである。 認知機構は、機能系と細胞アンサンブルの2つのタイプの相互に結合したCOG(神経細胞の認知グループ)から構成される。 K.V.アノキンは、これらの構造、その起源、機能、プロセスを記述する際に、脳と心の基本的な理論のタスクを見ている。 本稿では,新しい数学的結果に基づくこれらの構造の数学的モデルと,これらのモデルの観点から異なる認知過程のモデルを提案する。 さらに、これらのモデルはかなり一般的な脳の原理に基づいて導出できることが示されている: \textit{the brainは外界におけるあらゆる因果関係を発見し、それらから可能なすべての結論を引き出す。 これらの結果に基づき、本論文は「自然」分類、P.K.アノキンによる機能脳系理論、E. Rocheによる分類の原型理論、Bob Rehterによる因果モデル理論、G. Tononiによる統合情報としての意識理論」のモデルを提示した。

関連論文リスト

• 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)
• Rethinking Cognition: Morphological Info-Computation and the Embodied Paradigm in Life and Artificial Intelligence [1.14219428942199]
  本研究の目的は,情報,計算,認知に関する現在の研究のより広い文脈に,ロレンツォ・マグナニス・エコ認知計算主義を配置することである。 我々は、認知を、物理的、化学的、生物学的領域にまたがる自己集合、自己組織化、自己ポエシスのプロセスによって駆動される、同時モルフォロジー計算の網としてモデル化する。
  論文  参考訳（メタデータ） (2024-12-01T10:04:53Z)
• Brain-like Functional Organization within Large Language Models [58.93629121400745]
  人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた 最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。 本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。 このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
  論文  参考訳（メタデータ） (2024-10-25T13:15:17Z)
• Coin-Flipping In The Brain: Statistical Learning with Neuronal Assemblies [9.757971977909683]
  脳の計算モデルNEMOにおける統計的学習の出現について検討する。 アセンブリ間の接続が統計を記録し、環境騒音を利用して確率的選択をすることができることを示す。
  論文  参考訳（メタデータ） (2024-06-11T20:51:50Z)
• 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)
• Formalization of the principles of brain Programming (Brain Principles Programming) [0.0]
  『超知能へのアプローチ』には、汎用人工知能(AGI)の概要が記載されている。 脳原理プログラミング(Brain Principles Programming、BPP)は、脳の情報処理の普遍的なメカニズム(原理)の形式化である。 この論文は、P.K.アノキン関数脳系の理論、エレノア・ロッシュ分類理論、ボブ・レーダー因果モデルの理論、そして「自然」分類の数学的モデルとアルゴリズムを使用する。
  論文  参考訳（メタデータ） (2022-05-13T13:16:34Z)
• Brain Principles Programming [0.3867363075280543]
  脳原理プログラミング(Brain Principles Programming、BPP)は、脳の働きの普遍的なメカニズム(原理)を情報と共に定式化したものである。 この論文は以下の理論の数学的モデルとアルゴリズムを用いている。
  論文  参考訳（メタデータ） (2022-02-13T13:41:44Z)
• A Mathematical Approach to Constraining Neural Abstraction and the Mechanisms Needed to Scale to Higher-Order Cognition [0.0]
  人工知能はこの10年で大きな進歩を遂げてきたが、人工知能の最もよく知られている例である人間の脳にはまだ及ばない。 神経の過程があまり知られていないため、脳はほんの少しで跳躍を達成できる。 本稿では, グラフ理論とスペクトルグラフ理論を用いた数学的アプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T02:13:22Z)

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。