論文の概要: A neural network for modeling human concept formation, understanding and communication

• arxiv url: http://arxiv.org/abs/2601.02010v1
• Date: Mon, 05 Jan 2026 11:19:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:23.035451
• Title: A neural network for modeling human concept formation, understanding and communication
• Title（参考訳）: 人間の概念形成・理解・コミュニケーションをモデル化するニューラルネットワーク
• Authors: Liangxuan Guo, Haoyang Chen, Yang Chen, Yanchao Bi, Shan Yu,
• Abstract要約: 人間の脳の顕著な能力は、感覚運動経験からより抽象的な概念的表現を形成することである。 このギャップを埋めるために、デュアルモジュールニューラルネットワークフレームワークであるCATS Netを提案する。 本モデルは,低次元概念表現を抽出する概念抽出モジュールと,視覚的判断タスクを実行する課題解決モジュールから構成される。
• 参考スコア（独自算出の注目度）: 16.869818236001223
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: A remarkable capability of the human brain is to form more abstract conceptual representations from sensorimotor experiences and flexibly apply them independent of direct sensory inputs. However, the computational mechanism underlying this ability remains poorly understood. Here, we present a dual-module neural network framework, the CATS Net, to bridge this gap. Our model consists of a concept-abstraction module that extracts low-dimensional conceptual representations, and a task-solving module that performs visual judgement tasks under the hierarchical gating control of the formed concepts. The system develops transferable semantic structure based on concept representations that enable cross-network knowledge transfer through conceptual communication. Model-brain fitting analyses reveal that these emergent concept spaces align with both neurocognitive semantic model and brain response structures in the human ventral occipitotemporal cortex, while the gating mechanisms mirror that in the semantic control brain network. This work establishes a unified computational framework that can offer mechanistic insights for understanding human conceptual cognition and engineering artificial systems with human-like conceptual intelligence.
• Abstract（参考訳）: 人間の脳の顕著な能力は、感覚運動経験からより抽象的な概念的表現を形成し、直接感覚入力とは無関係に柔軟に適用することである。 しかし、この能力の根底にある計算機構はいまだに理解されていない。 本稿では,このギャップを埋めるために,デュアルモジュールニューラルネットワークフレームワークであるCATS Netを提案する。 本モデルは,低次元概念表現を抽出する概念抽出モジュールと,構成概念の階層的ゲーティング制御の下で視覚判断タスクを実行するタスク解決モジュールとから構成される。 本システムは,概念的コミュニケーションを通じてネットワーク間知識の伝達を可能にする概念表現に基づく伝達可能な意味構造を開発する。 モデル脳適合解析により、これらの創発的概念空間は、人間の腹側頭側頭葉皮質における認知的意味モデルと脳反応構造の両方と一致し、ゲーティング機構は、セマンティックコントロール脳ネットワークにおいてそれを反映していることが明らかとなった。 この研究は、人間の概念認識を理解するための機械的な洞察と、人間のような概念知性を持つ人工システムを構築するための統合された計算フレームワークを確立する。

関連論文リスト

• 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)
• Neuro-Symbolic Concepts [72.94541757514396]
  本稿では、連続的に学習し、柔軟に推論できるエージェントを構築するための概念中心のパラダイムについて述べる。 概念中心のエージェントは、ニューロシンボリックな概念の語彙を利用する。 このフレームワークには、データ効率、構成一般化、連続学習、ゼロショット転送など、いくつかの利点がある。
  論文  参考訳（メタデータ） (2025-05-09T17:02:51Z)
• Grounding Agent Reasoning in Image Schemas: A Neurosymbolic Approach to Embodied Cognition [12.269231280154482]
  本稿では,認知理論とエージェントシステムを橋渡しする新しい枠組みを提案する。 我々は、エージェントの基本的な概念構造に対する理解を基盤として、ニューロシンボリックシステムを構築することができるだろう。
  論文  参考訳（メタデータ） (2025-03-31T14:01:39Z)
• Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
  大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。 これらのモデルでは、概念は人間のものと似ていますか? LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• A Brain-inspired Computational Model for Human-like Concept Learning [12.737696613208632]
  この研究は、スパイクニューラルネットワークに基づく概念学習のための人間のような計算モデルを開発する。 多様な情報源によって引き起こされる課題と2つの概念表現の非バランスな次元性に効果的に対処することにより、この研究は人間のような概念表現を達成することに成功した。
  論文  参考訳（メタデータ） (2024-01-12T09:32:51Z)
• Rejecting Cognitivism: Computational Phenomenology for Deep Learning [5.070542698701158]
  本稿では,新しい手法である計算現象学に基づくディープラーニングのための非表現主義的フレームワークを提案する。 我々は、人工知能が外部エンティティの表現を符号化する深層学習の現代の認知論的解釈を拒絶する。
  論文  参考訳（メタデータ） (2023-02-16T20:05:06Z)
• Formal Conceptual Views in Neural Networks [0.0]
  本稿では,ニューラルネットワークの概念的視点,特に多値・記号的視点の2つの概念を紹介する。 我々は、ImageNetとFruit-360データセットの異なる実験を通して、新しいビューの概念的表現性をテストする。 本研究では,ニューロンからの人間の理解可能なルールの帰納的学習に概念的視点が適用可能であることを実証する。
  論文  参考訳（メタデータ） (2022-09-27T16:38:24Z)
• Controlling Recurrent Neural Networks by Conceptors [0.5439020425818999]
  本稿では, 非線形力学と概念抽象と論理の基本原理を結合した, 概念論という, 神経力学の機構を提案する。 単一のニューラルネットワーク内の多数の動的パターンを学習、保存、抽象化、フォーカス、モーフィック、一般化、デノイズ化、認識することが可能になります。
  論文  参考訳（メタデータ） (2014-03-13T18:58:37Z)

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。