論文の概要: Grounded world models in biological organisms and future embodied AI

• arxiv url: http://arxiv.org/abs/2607.13560v1
• Date: Wed, 15 Jul 2026 08:02:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.69379
• Title: Grounded world models in biological organisms and future embodied AI
• Title（参考訳）: 生物の接地世界モデルと未来のAI
• Abstract要約: 生成的および具体的AIの最近の進歩は、マルチモーダルデータに対する大規模な予測学習によって推進されている。 神経科学と認知科学は、生物学的知性は反対の方法で組織されていることを示唆している。
• 参考スコア（独自算出の注目度）: 0.3015442485490763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in generative and embodied AI have been driven by large-scale predictive learning over multimodal data. However, the resulting systems remain largely based on passive training regimes where linguistic regularities create the scaffold onto which information from other modalities is attached. Conversely, neuroscience and cognitive science suggest that biological intelligence is organized in the opposite way, where grounded world models acquired through interaction with the environment provide the semantic scaffold to which language is attached. Here, we illustrate five examples of neural circuits supporting grounded world modelling, which underlie navigation in physical and conceptual spaces, affordance-based perception and interaction with objects, active perception and exploratory learning, allostatic control and emotion, and the distinction between self- and world-generated outcomes. These examples highlight several features largely missing from current embodied AI, including the role of intrinsic dynamics as a foundation for learning, the centrality of action in aligning these dynamics with the external world, the prominence of autonomous experience and open-ended learning over passive assimilation of externally provided data, and the fact that early predictive and control mechanisms scaffold higher cognitive abilities such as reasoning, conceptual navigation, planning, imagination, understanding others' minds, and communication. Finally, we discuss whether and how principles derived from biological systems may inform future embodied AI, including training regimes based on social interaction to construct world models that are not only grounded but also socially shared and aligned with human norms and values.
• Abstract（参考訳）: 生成的および具体的AIの最近の進歩は、マルチモーダルデータに対する大規模な予測学習によって推進されている。 しかし、結果として得られるシステムは、言語規則が他のモダリティからの情報が付加される足場を作る受動的訓練体制に大きく依存している。 逆に神経科学と認知科学は、生物学的知性は反対の方法で組織されていることを示唆しており、そこでは、環境との相互作用によって獲得された接地された世界モデルが、どの言語が添付されているかの意味的な足場を提供する。 ここでは,物理空間と概念空間におけるナビゲーション,空白に基づく知覚とオブジェクトとの相互作用,能動的知覚と探索学習,アロスタティックコントロールと感情,自己と世界生成結果の区別を支援する,接地された世界モデリングをサポートするニューラルネットワークの5つの例を紹介する。 これらの例としては、学習の基盤としての本質的なダイナミクスの役割、これらのダイナミクスと外界との整合における行動の中心性、自律的な経験の卓越、外部から提供されたデータの受動的同化よりもオープンな学習、初期の予測と制御メカニズムが推論、概念的ナビゲーション、計画、想像力、他者の心の理解、コミュニケーションといった認知能力を高めることなどがあげられる。 最後に,生物システムから派生した原理が,人間の規範や価値観と整合した世界モデルを構築するための社会的相互作用に基づくトレーニング体制を含む,未来の具体的AIにどのような影響を及ぼすのかを論じる。

関連論文リスト

• Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science [79.50667364149979]
  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。
  論文  参考訳（メタデータ） (2026-03-16T14:54:56Z)
• The brain-AI convergence: Predictive and generative world models for general-purpose computation [0.0]
  注目に基づくトランスフォーマーを備えたAIシステムの最近の進歩は、新皮質と小脳がどのように多様な機能をもたらすかについての潜在的窓口を提供する。 注意型新皮質と非注意性小脳における共有計算機構を同定した。
  論文  参考訳（メタデータ） (2025-12-02T05:03:14Z)
• 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)
• WoW: Towards a World omniscient World model Through Embodied Interaction [83.43543124512719]
  世界モデルの正当性的な物理的直観は、現実世界との広範囲で因果的に豊かな相互作用に基礎を置いていなければならない。 このWoWは、200万のロボットインタラクショントラジェクトリに基づいてトレーニングされた、ジェネレーティブな世界モデルである。 WoWBenchは、ビデオの物理的一貫性と因果推論に焦点を当てた新しいベンチマークである。
  論文  参考訳（メタデータ） (2025-09-26T17:59:07Z)
• Embodied AI Agents: Modeling the World [188.85697524284834]
  本稿では,視覚的,仮想的,物理的形態を具現化したAIエージェントの研究について述べる。 我々は,世界モデルの開発が,具体的AIエージェントの推論と計画の中心であることを提案する。 また,より優れた人間とエージェントのコラボレーションを実現するために,ユーザのメンタルワールドモデルを学ぶことを提案する。
  論文  参考訳（メタデータ） (2025-06-27T16:05:34Z)
• 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)
• Dynamic planning in hierarchical active inference [0.0]
  人間の脳が認知決定に関連する運動軌跡を推論し、導入する能力について述べる。 本研究では,アクティブ推論における動的計画の話題に焦点を当てた。
  論文  参考訳（メタデータ） (2024-02-18T17:32:53Z)
• World Models and Predictive Coding for Cognitive and Developmental Robotics: Frontiers and Challenges [51.92834011423463]
  我々は世界モデルと予測符号化の2つの概念に焦点を当てる。 神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
  論文  参考訳（メタデータ） (2023-01-14T06:38:14Z)

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。