論文の概要: NeuroAI and Beyond: Bridging Between Advances in Neuroscience and ArtificialIntelligence
- arxiv url: http://arxiv.org/abs/2604.18637v1
- Date: Sun, 19 Apr 2026 01:42:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-22 22:41:49.374741
- Title: NeuroAI and Beyond: Bridging Between Advances in Neuroscience and ArtificialIntelligence
- Title（参考訳）: NeuroAIとBeyond: 神経科学の進歩と人工知能の橋渡し
- Abstract要約: 神経科学と人工知能(AI)は近年、目覚ましい進歩を遂げています。
現在のAIには、物理的な世界と対話できないこと、不安定なシステムを生成する不十分な学習、持続不可能なエネルギーとデータ非効率の3つの基本的な能力ギャップがある。
神経科学を応用した人工知能であるNeuroAIは、生物学的ニューラルネットワークの理解を深めつつ、現在のAIの限界を克服する可能性を秘めていると結論付けている。
- 参考スコア（独自算出の注目度）: 45.94827203099552
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Neuroscience and Artificial Intelligence (AI) have made impressive progress in recent years but remain only loosely interconnected. Based on a workshop convened by the National Science Foundation in August 2025, we identify three fundamental capability gaps in current AI: the inability to interact with the physical world, inadequate learning that produces brittle systems, and unsustainable energy and data inefficiency. We describe the neuroscience principles that address each: co-design of body and controller, prediction through interaction, multi-scale learning with neuromodulatory control, hierarchical distributed architectures, and sparse event-driven computation. We present a research roadmap organized around these principles at near, mid, and long-term horizons. We argue that realizing this program requires a new generation of researchers trained across the boundary between neuroscience and engineering, and describe the institutional conditions: interdisciplinary training, hardware access, community standards, and ethics, needed to support them. We conclude that NeuroAI, neuroscience-informed artificial intelligence, has the potential to overcome limitations of current AI while deepening our understanding of biological neural computation.
- Abstract（参考訳）: 神経科学と人工知能(AI)は近年、目覚ましい進歩を遂げています。
2025年8月に国立科学財団(National Science Foundation)が主催したワークショップに基づいて、現在のAIの基本的な能力ギャップとして、物理的な世界と対話できないこと、不安定なシステムを生成する不十分な学習、持続不可能なエネルギーとデータ非効率の3つを特定します。
身体とコントローラの共設計、相互作用による予測、神経調節制御によるマルチスケール学習、階層的な分散アーキテクチャ、スパースイベント駆動型計算など、それぞれに対処する神経科学の原則について述べる。
我々は、これらの原則を中心に、近・中・長期の地平線で組織された研究ロードマップを提示する。
我々は、このプログラムを実現するためには、神経科学と工学の境界を越えて訓練された新しい世代の研究者を必要とし、学際訓練、ハードウェアアクセス、コミュニティ標準、倫理といった制度的条件を記述する必要があると論じている。
神経科学を応用した人工知能であるNeuroAIは、生物学的ニューラルネットワークの理解を深めつつ、現在のAIの限界を克服する可能性を秘めていると結論付けている。
関連論文リスト
- NeuroAI and Beyond [10.165763848540522]
神経科学と人工知能(AI)はここ数年で大きな進歩を遂げてきたが、相互接続は緩いものだった。
これら2つの分野間の相乗効果の現在と将来の領域を同定する。
我々は,神経科学のインフォームド人工知能の一種であるNeuroAIの開発を提唱する。
論文 参考訳（メタデータ） (2026-01-27T01:57:51Z) - Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
知的科学研究所(ISL)のパラダイムを提案する。
ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。
このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-24T13:31:44Z) - 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) - Neuroplasticity in Artificial Intelligence -- An Overview and Inspirations on Drop In & Out Learning [42.086960710257564]
我々は、神経新生、神経アポトーシス、神経可塑性が将来のAI進歩にどのように影響するかを探求する。
神経新生と再考のためのドロップイン'の概念を導入し,神経アポトーシスのための構造解析を行った。
我々は、この学際領域におけるより大きな研究努力を提唱することで締めくくる。
論文 参考訳（メタデータ） (2025-03-27T12:09:04Z) - Artificial Intelligence without Restriction Surpassing Human Intelligence with Probability One: Theoretical Insight into Secrets of the Brain with AI Twins of the Brain [20.956507640605093]
人工知能(AI)は、将来的には人間の知性を上回るように進化するのか?
本稿では、理論上、神経科学のための新しい細胞レベルのAI技術を持つ新しいAIツインが、脳とその機能システムに近似できることを示す。
本稿では,70年前にFrank Rosenblatt氏がAIの可能性について行った予想の有効性を間接的に証明する。
論文 参考訳（メタデータ） (2024-12-04T13:17:44Z) - A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。
本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。
我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
論文 参考訳（メタデータ） (2024-02-16T18:05:09Z) - Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。
PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - A Rubric for Human-like Agents and NeuroAI [2.749726993052939]
コントリビュートされた研究は、振る舞いの模倣から機械学習メソッドのテストまで幅広い。
これら3つの目標のうちの1つが自動的に他の目標の進捗に変換されることは想定できない。
これは、弱く強いニューロAIとヒトのようなエージェントの例を用いて明らかにされている。
論文 参考訳（メタデータ） (2022-12-08T16:59:40Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - A brain basis of dynamical intelligence for AI and computational
neuroscience [0.0]
より多くの脳のような能力は、新しい理論、モデル、および人工学習システムを設計する方法を要求するかもしれない。
本稿は,第6回US/NIH BRAIN Initiative Investigators Meetingにおける動的神経科学と機械学習に関するシンポジウムに触発されたものです。
論文 参考訳（メタデータ） (2021-05-15T19:49:32Z)
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。