論文の概要: Spontaneous Functional Differentiation in Large Language Models: A Brain-Like Intelligence Economy

• arxiv url: http://arxiv.org/abs/2603.29735v1
• Date: Tue, 31 Mar 2026 13:36:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.684866
• Title: Spontaneous Functional Differentiation in Large Language Models: A Brain-Like Intelligence Economy
• Title（参考訳）: 大規模言語モデルにおける自律的機能分化--脳に似たインテリジェンス経済
• Authors: Junjie Zhang, Zhen Shen, Gang Xiong, Xisong Dong,
• Abstract要約: 大規模言語モデルは、情報統合が人間の脳と著しく類似した個々の部分を超えるような、シナジスティックなコアを自然に発達させることが示される。 統合情報分解(Integrated Information Decomposition)を複数のアーキテクチャにわたって使用すると、中間層が相乗的な処理を示し、初期層と後期層が冗長性に依存していることがわかった。
• 参考スコア（独自算出の注目度）: 15.03232023785853
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The evolution of intelligence in artificial systems provides a unique opportunity to identify universal computational principles. Here we show that large language models spontaneously develop synergistic cores where information integration exceeds individual parts remarkably similar to the human brain. Using Integrated Information Decomposition across multiple architectures we find that middle layers exhibit synergistic processing while early and late layers rely on redundancy. This organization is dynamic and emerges as a physical phase transition as task difficulty increases. Crucially ablating synergistic components causes catastrophic performance loss confirming their role as the physical entity of abstract reasoning and bridging artificial and biological intelligence.
• Abstract（参考訳）: 人工システムにおける知性の進化は、普遍的な計算原理を識別するユニークな機会を提供する。 ここでは、大規模言語モデルが、情報統合が人間の脳と著しく類似した個々の部分を超えるシナジスティックコアを自然に発達させることを示す。 統合情報分解(Integrated Information Decomposition)を複数のアーキテクチャにわたって使用すると、中間層が相乗的な処理を示し、初期層と後期層が冗長性に依存していることがわかった。 この組織は動的で、タスクの難易度が増加するにつれて物理的なフェーズ遷移として出現します。 不可解な相乗的要素は、抽象的推論と人工的および生物学的知性のブリッジングの物理的実体としての役割を裏付ける破滅的なパフォーマンス損失を引き起こす。

関連論文リスト

• A Brain-like Synergistic Core in LLMs Drives Behaviour and Learning [50.68188138112555]
  大規模言語モデルが自然に相乗的コアを開発することを示す。 中層の領域は相乗的処理を示し, 初期層と後期層は冗長性に依存していることがわかった。 この収束は、シナジスティック情報処理が知性の基本的な性質であることを示している。
  論文  参考訳（メタデータ） (2026-01-11T10:48:35Z)
• Lessons from Neuroscience for AI: How integrating Actions, Compositional Structure and Episodic Memory could enable Safe, Interpretable and Human-Like AI [0.8481798330936976]
  ファンデーションモデルは、複数の抽象化スケールのアクションと、合成生成アーキテクチャとエピソディックメモリを統合するべきだ、と我々は主張する。 ファンデーションモデルにこれらの欠落したコンポーネントを追加することで、現在の障害に対処する方法について説明する。 私たちは、歴史的に実りある脳科学とAIのアイデアの交換が、安全で解釈可能な人間中心のAIへの道を開くのに役立ちます。
  論文  参考訳（メタデータ） (2025-12-27T11:54:54Z)
• Bridging Brains and Machines: A Unified Frontier in Neuroscience, Artificial Intelligence, and Neuromorphic Systems [30.78088656917387]
  この位置と調査論文は、神経科学、人工知能、ニューロモルフィックコンピューティングの出現する収束を識別する。 我々は,次世代AGIシステムの設計原則として,シナプスの可塑性,スパーススパイクに基づくコミュニケーション,マルチモーダルアソシエーションがいかに重要であるかを強調した。 我々は、シリコンの脳規模の効率を達成するために、フォン・ノイマンのボトルネックを破ることのできる新しい物理基板について論じる。
  論文  参考訳（メタデータ） (2025-07-14T18:43:05Z)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• The Philosophical Foundations of Growing AI Like A Child [6.832692010881936]
  本稿では,人間と機械の認知発達の相違から生じる課題について論じる。 人間の中核知識の実証的な証拠を探究し、言語モデルがそれを取得できない理由を分析し、この制限は固有のアーキテクチャ上の制約ではないと主張する。
  論文  参考訳（メタデータ） (2025-02-15T09:47:20Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• Meta-brain Models: biologically-inspired cognitive agents [0.0]
  メタ脳モデルと呼ぶ計算手法を提案する。 特殊なモデルを用いて構成したレイヤの組み合わせを提案する。 我々は、この柔軟でオープンソースなアプローチの開発における次のステップを提案して、結論付けます。
  論文  参考訳（メタデータ） (2021-08-31T05:20:53Z)

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。