論文の概要: Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science

• arxiv url: http://arxiv.org/abs/2603.15381v1
• Date: Mon, 16 Mar 2026 14:54:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 18:28:58.516201
• Title: Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science
• Title（参考訳）: AIシステムが学習しない理由とそれについて何をすべきか:認知科学からの自律学習の教訓
• Authors: Emmanuel Dupoux, Yann LeCun, Jitendra Malik,
• Abstract要約: 自律学習における現在のAIモデルの限界を批判的に検討し、人間と動物の認知に触発された学習アーキテクチャを提案する。 提案フレームワークは、内部的に生成されたメタ制御信号(システムM)の関数として、観察(システムA)からの学習と活動行動(システムB)からの学習を統合し、これらの学習モードを柔軟に切り替える。
• 参考スコア（独自算出の注目度）: 79.50667364149979
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We critically examine the limitations of current AI models in achieving autonomous learning and propose a learning architecture inspired by human and animal cognition. The proposed framework integrates learning from observation (System A) and learning from active behavior (System B) while flexibly switching between these learning modes as a function of internally generated meta-control signals (System M). We discuss how this could be built by taking inspiration on how organisms adapt to real-world, dynamic environments across evolutionary and developmental timescales.
• Abstract（参考訳）: 自律学習における現在のAIモデルの限界を批判的に検討し、人間と動物の認知に触発された学習アーキテクチャを提案する。 提案フレームワークは、内部的に生成されたメタ制御信号(システムM)の関数として、これらの学習モードを柔軟に切り替えながら、観察(システムA)からの学習と活動行動(システムB)からの学習を統合する。 進化的・発達的な時間スケールを越えて、生物が現実世界の動的環境にどのように適応するかに着想を得て、どのように構築できるかについて議論する。

関連論文リスト

• Human-Inspired Continuous Learning of Internal Reasoning Processes: Learning How to Think for Adaptive AI Systems [0.11844977816228043]
  内部推論プロセスは、動的現実世界環境で持続的な適応が可能なAIシステムの開発に不可欠である。 本研究では,シーケンシャルな推論モデル内での推論,行動,反射,検証を統一する,人間にインスパイアされた継続的学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-12T03:19:04Z)
• 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)
• Towards Neurocognitive-Inspired Intelligence: From AI's Structural Mimicry to Human-Like Functional Cognition [1.3126858950459552]
  ニューロ認知インスパイアドインテリジェンス(Neurocognitive-Inspired Intelligence)は、神経科学、認知科学、コンピュータビジョン、AIを組み合わせたハイブリッドアプローチである。 これらのシステムは、人間の脳が柔軟に学習し、推論し、記憶し、知覚し、最小限の監督で現実世界で行動する能力をエミュレートすることを目的としている。
  論文  参考訳（メタデータ） (2025-10-09T20:10:55Z)
• World Models in Artificial Intelligence: Sensing, Learning, and Reasoning Like a Child [10.183372891207966]
  世界モデルは人工知能(AI)が成果を予測し、その環境を判断し、意思決定を導くのに役立つ。 我々は6つの重要な研究分野、物理情報学習、ニューロシンボリックラーニング、継続学習、因果推論、ヒューマン・イン・ザ・ループAI、そして責任あるAIを、AIの真理化を可能にする上で不可欠なものとして強調する。
  論文  参考訳（メタデータ） (2025-03-19T12:50:40Z)
• NeuroChat: A Neuroadaptive AI Chatbot for Customizing Learning Experiences [20.413397262021064]
  NeuroChatは、リアルタイムEEGベースのエンゲージメントトラッキングと生成AIを統合する、概念実証型ニューロアダプティブAIチューターである。 以上の結果から,NeuroChatは認知的・主観的エンゲージメントを高めるが,学習結果に即時的な影響は示さないことが示唆された。
  論文  参考訳（メタデータ） (2025-03-10T17:57:20Z)
• Learning System Dynamics without Forgetting [60.08612207170659]
  本研究では,CDL(Continuous Dynamics Learning)の問題,タスク構成の検証,既存手法の適用性について検討する。 本稿では、LG-ODEとサブネットワーク学習の長所をモデムスイッチングモジュールと統合したモードスイッチンググラフODE(MS-GODE)モデルを提案する。 CDLのための生体動態システムの新しいベンチマーク、Bio-CDLを構築し、異なるダイナミクスを持つ多様なシステムを特徴付ける。
  論文  参考訳（メタデータ） (2024-06-30T14:55:18Z)
• The Physics of Learning: From Autoencoders to Truly Autonomous Learning Machines [0.0]
  我々は,教師なし学習装置が外部エネルギー源から完全に独立することを提案する。 学習をエネルギー探索のプロセスとして再認識することで、学習システムにおいて真の自律性を達成する可能性を強調する。
  論文  参考訳（メタデータ） (2024-02-12T01:36:26Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。