論文の概要: An Axiomatic Approach to General Intelligence: SANC(E3) -- Self-organizing Active Network of Concepts with Energy E3
- arxiv url: http://arxiv.org/abs/2601.08224v1
- Date: Tue, 13 Jan 2026 05:06:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-14 18:27:19.066577
- Title: An Axiomatic Approach to General Intelligence: SANC(E3) -- Self-organizing Active Network of Concepts with Energy E3
- Title（参考訳）: 一般知能への公理的アプローチ:SANC(E3) -- エネルギーE3を用いた自己組織型概念ネットワーク
- Authors: Daesuk Kwon, Won-gi Paeng,
- Abstract要約: 一般知性は、経験を有限資源下での予測と行動を可能にする内部構造に再編成する必要がある。
本稿では,表現単位に優先権を与えるのではなく,競争選択の安定な結果として生じる公理的枠組みであるSANC(E3)を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: General intelligence must reorganize experience into internal structures that enable prediction and action under finite resources. Existing systems implicitly presuppose fixed primitive units -- tokens, subwords, pixels, or predefined sensor channels -- thereby bypassing the question of how representational units themselves emerge and stabilize. This paper proposes SANC(E3), an axiomatic framework in which representational units are not given a priori but instead arise as stable outcomes of competitive selection, reconstruction, and compression under finite activation capacity, governed by the explicit minimization of an energy functional E3. SANC(E3) draws a principled distinction between system tokens -- structural anchors such as {here, now, I} and sensory sources -- and tokens that emerge through self-organization during co-occurring events. Five core axioms formalize finite capacity, association from co-occurrence, similarity-based competition, confidence-based stabilization, and the reconstruction-compression-update trade-off. A key feature is a pseudo-memory-mapped I/O mechanism, through which internally replayed Gestalts are processed via the same axiomatic pathway as external sensory input. As a result, perception, imagination, prediction, planning, and action are unified within a single representational and energetic process. From the axioms, twelve propositions are derived, showing that category formation, hierarchical organization, unsupervised learning, and high-level cognitive activities can all be understood as instances of Gestalt completion under E3 minimization.
- Abstract（参考訳）: 一般知性は、経験を有限資源下での予測と行動を可能にする内部構造に再編成する必要がある。
既存のシステムは、トークン、サブワード、ピクセル、あるいは事前に定義されたセンサーチャネルなど、固定されたプリミティブなユニットを暗黙的に前提としている。
本稿では,エネルギー汎関数 E3 の明示的最小化によって支配される,有限活性化能力下での競争選択,再構成,圧縮の安定な結果として,表現単位を優先しない公理的枠組み SANC(E3) を提案する。
SANC(E3)は、システムトークン("here, now, I}"のような構造的なアンカー)と、イベントの共起時に自己組織化によって現れるトークンとを、原則的に区別する。
5つのコア公理は有限容量を形式化し、共起、類似性に基づく競合、信頼に基づく安定化、再構成圧縮更新トレードオフを関連づける。
重要な特徴は擬似メモリマップされたI/O機構であり、内部で再生されたゲシュタルトは外部感覚入力と同じ公理経路で処理される。
その結果、知覚、想像、予測、計画、行動は、単一の表現的かつエネルギティックなプロセスの中で統合される。
公理から12の命題が導出され、カテゴリー形成、階層的組織、教師なし学習、高レベルの認知活動は全て、E3の最小化の下でのゲシュタルト完了の例として理解できることを示す。
関連論文リスト
- Non-Resolution Reasoning (NRR): A Computational Framework for Contextual Identity and Ambiguity Preservation [0.0]
現在の人工知能システムは、曖昧さを早期に解決する、基本的なアーキテクチャ上の限界を示す。
この早期のセマンティック崩壊は、標準的なニューラルネットワークに埋め込まれた古典的なアイデンティティの仮定に由来する。
あいまいさ保持を有効な推論モードとして扱う計算フレームワークであるNon-Resolution Reasoning (NRR)を提案する。
論文 参考訳（メタデータ） (2025-12-15T16:14:32Z) - Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。
本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。
実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
論文 参考訳（メタデータ） (2025-09-29T16:18:32Z) - ERIS: An Energy-Guided Feature Disentanglement Framework for Out-of-Distribution Time Series Classification [51.07970070817353]
理想的な時系列分類(TSC)は不変表現をキャプチャできるべきである。
現在の手法は、真に普遍的な特徴を分離するために必要な意味的な方向性を欠いている。
本稿では,シフト・ロバストネス・フレームワークのためのエンドツーエンドのエネルギー規則化情報を提案する。
論文 参考訳（メタデータ） (2025-08-19T12:13:41Z) - Understanding Transformers through the Lens of Pavlovian Conditioning [0.5076419064097734]
本稿では,注意のコア計算をパブロヴィアン条件付けとして再解釈する理論的枠組みを提案する。
注意点のクエリ,キー,値が,古典的条件付けの3つの要素にマッピング可能であることを示す。
我々の枠組みは、この線形化モデルに基づくいくつかの理論的洞察をもたらす。
論文 参考訳（メタデータ） (2025-08-05T05:00:00Z) - The Recursive Coherence Principle: A Formal Constraint on Scalable Intelligence, Alignment, and Reasoning Architecture [0.0]
コヒーレンス(coherence)は、高階構造がセマンティック一貫性を保証しない限り脆弱である。
本稿ではRecursive Coherence Principle (RCP)を紹介する。
我々は、任意の規模でRCPを満たすことができる唯一の既知の演算子として、FMI(Functional Model of Intelligence)を定義する。
論文 参考訳（メタデータ） (2025-07-18T09:44:01Z) - Why Neural Network Can Discover Symbolic Structures with Gradient-based Training: An Algebraic and Geometric Foundation for Neurosymbolic Reasoning [73.18052192964349]
我々は、連続的なニューラルネットワークトレーニングのダイナミックスから、離散的なシンボル構造が自然に現れるかを説明する理論的枠組みを開発する。
ニューラルパラメータを測度空間に上げ、ワッサーシュタイン勾配流としてモデル化することにより、幾何的制約の下では、パラメータ測度 $mu_t$ が2つの同時現象となることを示す。
論文 参考訳（メタデータ） (2025-06-26T22:40:30Z) - On Context-Content Uncertainty Principle [5.234742752529437]
我々は、コンテキスト-コンテンツ不確実性原理から運用原則を導出する階層計算フレームワークを開発する。
基盤レベルでは、CCUPは推論を方向性エントロピー最小化として定式化し、コンテンツファーストの構造化を好む変分勾配を確立する。
本稿では,形式的同値定理,原理間の依存格子,CCUP型推論の効率性向上を示す計算シミュレーションを提案する。
論文 参考訳（メタデータ） (2025-06-25T17:21:19Z) - Emotion-Gradient Metacognitive RSI (Part I): Theoretical Foundations and Single-Agent Architecture [0.0]
本稿では,内観的メタ認知と感情に基づく本質的モチベーションを統合した新しいアーキテクチャEG-MRSIフレームワークを提案する。
このフレームワークは、公式に制限されたリスクの下で、独自の学習アルゴリズムを明示的に上書きすることができる。
論文 参考訳（メタデータ） (2025-05-12T17:02:47Z) - Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。
我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。
このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
論文 参考訳（メタデータ） (2023-10-03T05:40:56Z) - Spatio-Temporal Representation Factorization for Video-based Person
Re-Identification [55.01276167336187]
本稿では、re-IDのための時空間表現分解モジュール(STRF)を提案する。
STRFはフレキシブルな新しい計算ユニットであり、re-IDのための既存のほとんどの3D畳み込みニューラルネットワークアーキテクチャと併用することができる。
実験により、STRFは様々なベースラインアーキテクチャの性能を向上し、新しい最先端の成果を示す。
論文 参考訳（メタデータ） (2021-07-25T19:29:37Z)
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。