論文の概要: Cultivating Machine Intelligence: The OMEGA Shift from Top-Down Optimization to Autopoietic Cognitive Ecologies

• arxiv url: http://arxiv.org/abs/2605.25062v1
• Date: Sun, 24 May 2026 13:13:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:18.742016
• Title: Cultivating Machine Intelligence: The OMEGA Shift from Top-Down Optimization to Autopoietic Cognitive Ecologies
• Title（参考訳）: マシンインテリジェンスを育成する - トップダウン最適化からオートポエティ認知エコロジーへの移行
• Authors: Ata G. Zare,
• Abstract要約: 本稿では,計算生態学による知性を育成するための理論的枠組みであるRECLAIMを紹介する。 ダーウィン一般主義は、勾配を盲目な変化と選択的保持に置き換える。 非エージェントの出現は、環境物理学による評価報酬を代用する。 このアーキテクチャは、マルコフが有界で有限計算エネルギーを競う自己ポエティック単位(autopoietic unit)を定めている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The dominant artificial intelligence paradigm trains neural architectures via gradient descent against proxy objectives and reinforcement learning from human feedback. While remarkably capable, this top-down optimization inherently generates structural failure modes, including hallucination, sycophancy, reward hacking, and alignment fragility, which represent paradigmatic limitations rather than mere engineering defects. In response, we introduce RECLAIM (Recursive, Ecological, Cognitive, Lifelike, Adaptive, Intelligent Machine), a theoretical framework for cultivating intelligence through computational ecology rather than engineering it through strict optimization. The model is supported by four interlocking theoretical pillars. General Darwinism replaces gradients with blind variation and selective retention, while non-agentic emergence substitutes evaluative rewards with environmental physics to structurally prevent specification gaming against human intent. Concurrently, the Polya-Hebbian bridge applies Polya urn dynamics to Hebbian reinforcement for path-dependent specialization, and the free energy principle is integrated as environmental thermodynamics rather than as an agent objective. The architecture situates autopoietic units, bounded by Markov blankets and competing for finite computational energy, within a data ecology shaped by cognitive food chains and Red Queen arms races. This framework suggests the spontaneous emergence of dual-process cognition, sensory specialization, analogical reasoning, and intrinsic motivation as natural consequences of evolution under resource constraints. We conceptualize this paradigm transition as the OMEGA shift, representing a move from optimization and maximization to emergence through generative autopoiesis.
• Abstract（参考訳）: 支配的な人工知能パラダイムは、プロキシ目的に対する勾配降下と人間のフィードバックからの強化学習を通じて、ニューラルネットワークを訓練する。 非常に有能だが、このトップダウン最適化は本質的には、幻覚、梅毒、報酬ハッキング、アライメントの脆弱性など、単なるエンジニアリング上の欠陥よりもパラダイム的な制限を表す構造的障害モードを生成する。 これに対し、計算生態学による知能の育成のための理論フレームワークであるRECLAIM(Recursive, Ecological, Cognitive, Lifelike, Adaptive, Intelligent Machine)を導入する。 このモデルは4つの交差する理論的な柱によって支えられている。 ダーウィン・ジェネラル・ダーウィンは勾配を盲目な変化と選択的な保持に置き換える一方、非エージェント的な出現は、人間の意図に対する仕様ゲームの構造的防止のために、環境物理学による評価的な報酬を代用する。 同時に、ポリア・ヘビアン橋は経路依存的な特殊化のためにポリア・ルン力学をヘビアン強化に適用し、自由エネルギーの原理はエージェントの目的ではなく環境熱力学として統合される。 このアーキテクチャは、認知食品チェーンとレッドクイーンの腕レースによって形成されたデータエコロジーの中で、マルコフの毛布で囲まれ、有限の計算エネルギーを競うオートポエティクス単位を定めている。 この枠組みは、資源制約下での進化の自然の結果として、二重プロセス認知、感覚特殊化、類推、本質的な動機の自然発生を示唆している。 我々は、このパラダイム移行をOMEGAシフトとして概念化し、最適化と最大化から生成オートポエシスによる出現への移行を表す。

関連論文リスト

• Information as Maximum-Caliber Deviation: A bridge between Integrated Information Theory and the Free Energy Principle [51.56484100374058]
  この研究は、情報が有限時間地平線上の制約付き最大曲率(MaxCal)パスアンサンブルから実現された力学の偏差$$$として定義されることを示唆している。 この定義の下では、IIT 3.0の中心となる原因/影響レパートリーは、MaxCalの変分原理から直接現れる。 情報$$は、付随する予測符号化モデルの下での予測誤差と同値である。
  論文  参考訳（メタデータ） (2026-05-03T07:22:55Z)
• General Self-Prediction Enhancement for Spiking Neurons [71.01912385372577]
  スパイキングニューラルネットワーク(SNN)は、イベント駆動のスパース計算によって非常にエネルギー効率が良いが、そのトレーニングは、性能、効率、生物学的妥当性の非微分可能性とトレードオフによって困難である。 本稿では,その入力出力履歴から内部予測電流を生成し,膜電位を変調する自己予測強化スパイキングニューロン法を提案する。 この設計には2つの利点があり、失明した勾配を緩和し、トレーニングの安定性と精度を高める連続的な勾配経路を作成し、また遠位樹状突起変調とエラー駆動のシナプス塑性に類似した生物学的原理と整合する。
  論文  参考訳（メタデータ） (2026-01-29T15:08:48Z)
• Top 10 Open Challenges Steering the Future of Diffusion Language Model and Its Variants [85.33837131101342]
  本稿では,基盤基盤,アルゴリズム最適化,認知推論,統合マルチモーダルインテリジェンスという4つの柱で構成された戦略ロードマップを提案する。 この移行は、複雑な構造的推論、動的自己補正、シームレスなマルチモーダル統合が可能な次世代AIの開発に不可欠である、と我々は主張する。
  論文  参考訳（メタデータ） (2026-01-20T14:58:23Z)
• Evolving Cognitive Architectures [51.56484100374058]
  本稿では,次世代のインテリジェントな技術システムの構築につながる研究と開発の方向性を提案する。 これらのシステムの特徴的な特徴は、進化的変化を起こす能力である。
  論文  参考訳（メタデータ） (2025-12-29T10:09:20Z)
• Information Physics of Intelligence: Unifying Logical Depth and Entropy under Thermodynamic Constraints [7.411478588468014]
  本稿では,情報処理を存在論的状態からキャリア状態へのマッピングを可能にする理論的枠組みを提案する。 与えられた論理深度から対象状態を計算するのに必要な有効な作業量を定量化する,新しい計量である導出エントロピーを導入する。 このことから, 導出エントロピーの最小化は, 生物と人工知能の双方の進化に支配的な原則であることが示唆された。
  論文  参考訳（メタデータ） (2025-11-24T14:24:08Z)
• Cancermorphic Computing Toward Multilevel Machine Intelligence [0.0]
  本稿では,がんの適応的,弾力的,進化的戦略から導かれるパラダイムとして,癌にインスパイアされたコンピューティングの概念を紹介する。 がんに触発されたコンピューティングは、体細胞突然変異、転移、血管新生、免疫回避など、がん細胞の生存戦略の独特さをエミュレートすることに注目している。 このビジョンは、多レベルインテリジェンスと文脈駆動突然変異の概念と、可塑性制限されたニューロモルフィックアプローチとカオスアプローチのランダムネスを同時に克服する可能性に焦点を当てている。
  論文  参考訳（メタデータ） (2025-03-17T02:23:29Z)
• Neural Manifolds and Cognitive Consistency: A New Approach to Memory Consolidation in Artificial Systems [0.0]
  本稿では, ニューラル人口動態, 海馬鋭波リップル(SpWR)生成, ハイダー理論に触発された認知的一貫性の制約を統一する新しい数学的枠組みを提案する。 我々のモデルは低次元多様体表現を利用して構造化された神経ドリフトを捕捉し、コヒーレントシナプス相互作用を強制するためにバランスエネルギー関数を組み込む。 この研究は、神経科学と人工知能を橋渡しするスケーラブルなニューロモルフィックアーキテクチャの道を開くもので、将来のインテリジェントシステムに対してより堅牢で適応的な学習メカニズムを提供する。
  論文  参考訳（メタデータ） (2025-02-25T18:28:25Z)
• 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)

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。