論文の概要: A Cortically Inspired Architecture for Modular Perceptual AI
- arxiv url: http://arxiv.org/abs/2603.07295v1
- Date: Sat, 07 Mar 2026 17:35:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-10 15:13:14.212743
- Title: A Cortically Inspired Architecture for Modular Perceptual AI
- Title（参考訳）: モジュール型知覚AIのためのCortically Inspireed Architecture
- Authors: Prerna Luthra,
- Abstract要約: 本稿では、神経科学と人工知能を橋渡しして、モジュール型知覚AIのためのコルチカルインスパイアされた青写真を提案する。
我々は知覚を特殊で対話的なモジュールに分解することを提唱する。
このアーキテクチャは階層的な予測フィードバックループと共有潜在空間を通じて内部推論プロセスを明示することにより、構造化された人間にインスパイアされた推論をサポートする。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper bridges neuroscience and artificial intelligence to propose a cortically inspired blueprint for modular perceptual AI. While current monolithic models such as GPT-4V achieve impressive performance, they often struggle to explicitly support interpretability, compositional generalization, and adaptive robustness - hallmarks of human cognition. Drawing on neuroscientific models of cortical modularity, predictive processing, and cross-modal integration, we advocate decomposing perception into specialized, interacting modules. This architecture supports structured, human-inspired reasoning by making internal inference processes explicit through hierarchical predictive feedback loops and shared latent spaces. Our proof-of-concept study provides empirical evidence that modular decomposition yields more stable and inspectable representations. By grounding AI design in biologically validated principles, we move toward systems that not only perform well, but also support more transparent and human-aligned inference.
- Abstract（参考訳）: 本稿では、神経科学と人工知能を橋渡しして、モジュール型知覚AIのためのコルチカルインスパイアされた青写真を提案する。
GPT-4Vのような現在のモノリシックモデルは目覚ましい性能を達成するが、解釈可能性、構成的一般化、適応的堅牢性(人間認知の目印)を明示的にサポートするのに苦労することが多い。
我々は、皮質のモジュラリティ、予測処理、相互統合の神経科学的モデルに基づいて、知覚を特殊で相互作用するモジュールに分解することを提唱する。
このアーキテクチャは階層的な予測フィードバックループと共有潜在空間を通じて内部推論プロセスを明示することにより、構造化された人間にインスパイアされた推論をサポートする。
我々の概念実証研究は、モジュラ分解がより安定で検査可能な表現をもたらすという実証的な証拠を提供する。
AI設計を生物学的に検証された原則で基礎づけることによって、私たちは、うまく機能するだけでなく、より透明で人間に準拠した推論をサポートするシステムに向かっています。
関連論文リスト
- Modularity is the Bedrock of Natural and Artificial Intelligence [51.60091394435895]
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。
論文 参考訳（メタデータ） (2026-02-21T21:47:09Z) - From monoliths to modules: Decomposing transducers for efficient world modelling [74.41506965793417]
我々はトランスデューサで表される複雑な世界モデルを分解するフレームワークを開発する。
提案手法は,異なる入力出力サブ空間で動作するサブトランスデューサを導出する。
論文 参考訳（メタデータ） (2025-12-01T20:37:43Z) - 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) - The Generalist Brain Module: Module Repetition in Neural Networks in Light of the Minicolumn Hypothesis [0.0]
レビューは、神経モジュールの反復に関する歴史的、理論的、方法論的な視点を合成することを目的としている。
私たちは、CIの利点を取り入れながら、ミニカラムのアーキテクチャと機能原則を守りながら、スケーラビリティ、エネルギー消費、民主化という現代のAI問題に挑戦できると信じています。
論文 参考訳（メタデータ） (2025-07-01T09:13:10Z) - 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) - 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) - Towards a Predictive Processing Implementation of the Common Model of
Cognition [79.63867412771461]
本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。
提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
論文 参考訳（メタデータ） (2021-05-15T22:55:23Z) - S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。
我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
論文 参考訳（メタデータ） (2020-07-13T17:44:30Z)
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。