論文の概要: Modularity is the Bedrock of Natural and Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2602.18960v1
- Date: Sat, 21 Feb 2026 21:47:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-24 17:42:02.418922
- Title: Modularity is the Bedrock of Natural and Artificial Intelligence
- Title（参考訳）: モジュール性は自然と人工知能のベッドロック
- Authors: Alessandro Salatiello,
- Abstract要約: モジュラリティは、効率的な学習と強力な一般化能力をサポートするために重要であることが示されている。
ナチュラルインテリジェンスにおけるその役割と、さまざまな異なるように見えるAIサブフィールドでのメリットが証明されているにもかかわらず、モジュラリティはメインストリームのAI研究において比較的過小評価されている。
特に、モジュラリティがもたらす計算上の優位性や、それがいくつかのAI研究領域にまたがるソリューションとして現れる方法、そしてモジュラリティが、自然と人工知能のギャップを埋めるのにどのように役立つかを検討する。
- 参考スコア（独自算出の注目度）: 51.60091394435895
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The remarkable performance of modern AI systems has been driven by unprecedented scales of data, computation, and energy -- far exceeding the resources required by human intelligence. This disparity highlights the need for new guiding principles and motivates drawing inspiration from the fundamental organizational principles of brain computation. Among these principles, modularity has been shown to be critical for supporting the efficient learning and strong generalization abilities consistently exhibited by humans. Furthermore, modularity aligns well with the No Free Lunch Theorem, which highlights the need for problem-specific inductive biases and motivates architectures composed of specialized components that solve subproblems. However, despite its fundamental role in natural intelligence and its demonstrated benefits across a range of seemingly disparate AI subfields, modularity remains relatively underappreciated in mainstream AI research. In this work, we review several research threads in artificial intelligence and neuroscience through a conceptual framework that highlights the central role of modularity in supporting both artificial and natural intelligence. In particular, we examine what computational advantages modularity provides, how it has emerged as a solution across several AI research areas, which modularity principles the brain exploits, and how modularity can help bridge the gap between natural and artificial intelligence.
- Abstract（参考訳）: 現代のAIシステムの顕著なパフォーマンスは、前例のない規模のデータ、計算、エネルギーによって推進されている。
この格差は、新しい指針の原則の必要性を強調し、脳計算の基本的な組織原理からインスピレーションを引き出す動機となっている。
これらの原則の中で、モジュール性は人間によって一貫して示される効率的な学習と強力な一般化能力を支援するために重要であることが示されている。
さらに、モジュラリティは問題固有の帰納バイアスの必要性を強調し、サブプロブレムを解決する特別なコンポーネントからなるアーキテクチャを動機付けるNo Free Lunch Theoremとよく一致している。
しかし、自然知能における基本的な役割と、さまざまな異なるように見えるAIサブフィールドにまたがるメリットが証明されているにもかかわらず、モジュラリティは主流のAI研究において比較的過小評価されている。
本研究では,人工知能と神経科学のいくつかの研究スレッドを,人工知能と自然科学の両方を支えるモジュール性の中心的役割を強調する概念的枠組みを通じてレビューする。
特に、モジュール性がもたらす計算上の優位性や、脳が活用するモジュール性原理や、自然と人工知能のギャップを埋める上でモジュール性がどのように役立つか、といった、いくつかのAI研究分野におけるソリューションとして登場した方法を検討する。
関連論文リスト
- Monotropic Artificial Intelligence: Toward a Cognitive Taxonomy of Domain-Specialized Language Models [0.0]
我々は、厳格な特殊化は制限ではなく、安全クリティカルなアプリケーションに対して異なる利点を持つ代替の認知アーキテクチャであると主張する。
我々の枠組みは、人工知能がAI研究の唯一の正統な願望を構成するという暗黙の仮定に挑戦する。
論文 参考訳（メタデータ） (2026-02-27T22:30:03Z) - 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) - Flexible Swarm Learning May Outpace Foundation Models in Essential Tasks [0.0]
ファウンデーションモデルはAIを急速に進歩させ、彼らの決定が現実世界のドメインにおける人間の戦略を上回るかどうかという疑問を提起している。
一般的な課題は、複雑なシステムを動的環境に適応させることである。
モノリシックな基盤モデルは、それを克服する上で概念的な限界に直面している、と私たちは主張する。
対話型小型エージェントネットワーク(SAN)の分散アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-10-07T18:10:31Z) - Neuromorphic Intelligence [0.7638802020261348]
ニューロモルフィックコンピューティングは、人工システムにおける人間の脳の顕著な効率、柔軟性、適応性を再現しようと試みている。
ニューロモルフィックシステムは脳にインスパイアされた計算の原理を利用して、より大きなエネルギー効率のオーダーを達成している。
中心的な課題は、多様な規律をブリッジできる統一理論の枠組みを特定することである。
論文 参考訳（メタデータ） (2025-09-15T13:59:42Z) - 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) - Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
音の誘惑的推論は、一般知能の必然的に望ましい側面である。
もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。
彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-30T14:37:50Z) - Advancing AI-Scientist Understanding: Multi-Agent LLMs with Interpretable Physics Reasoning [0.7499722271664147]
大規模言語モデル(LLM)は、記号操作、数値計算、科学的推論の支援によって物理学研究においてますます重要な役割を担っている。
我々は,3つの重要なモジュールを通じてAIと人間科学者の協調を促進する,新しい多エージェントLLM物理学者フレームワークを導入する。
ケーススタディでは,本手法が解釈可能性を大幅に向上し,体系的な検証が可能となり,物理問題解決と発見における人間とAIの連携が向上することを示した。
論文 参考訳（メタデータ） (2025-04-02T17:13:16Z) - Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。
自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。
また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
論文 参考訳（メタデータ） (2025-03-31T18:00:29Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z)
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。