論文の概要: A Mathematical Model of Motivated Emotional Mind - Cognitive Embodied System

• arxiv url: http://arxiv.org/abs/2609.20437v1
• Date: Thu, 17 Sep 2026 14:13:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.314365
• Title: A Mathematical Model of Motivated Emotional Mind - Cognitive Embodied System
• Title（参考訳）: 動機付けられた情緒心の数学的モデル -認知的体操システム-
• Abstract要約: 本稿では,知的システムを具現化したモチベート感情認知アーキテクチャの数学的モデルを提案する。 そのようなシステムは、モチベーション付き学習(ML)と呼ばれる、内部モチベーションに基づく強化学習の一般化形式を通じて、そのホメオスタシスを維持することを学習する。 このモデルは認知現象のより厳密な形式化に向けたステップであり、生物学的プロセスにインスパイアされた人工知能システムにおけるさらなる理論的解析、コンピュータシミュレーション、実装の基礎を提供する可能性がある。
• 参考スコア（独自算出の注目度）: 0.6445605125467572
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This article presents a mathematical model of the Motivated Emotional Mind cognitive architecture developed for embodied intelligent systems. Such a system learns to maintain its homeostasis through a generalized form of reinforcement learning based on its internal motivations, termed motivated learning (ML). The principal contribution of this article is a rigorous formalization of the re-entrant loop integrating feedforward processing, lateral interactions, and feedback pathways, together with the representational selection mechanisms that govern adaptive system responses. The model specifies how ongoing exteroceptive and interoceptive signals, bodily-motivational context, and memory traces are bound into associative memory structures termed semblions, which compete for access to further processing and top-down reconstruction. The formalization encompasses secondary perception, representational competition, curiosity, procedural gaps, and action selection directed toward limiting allostatic violations. Within this framework, motivated learning is tailored to embodied systems whose dynamics are shaped by needs, affect, and the current regulatory state. Unlike standard reinforcement-learning models, the proposed approach incorporates need thresholds, goal generation and shifting goals, bodily state, resource constraints, and action uncertainty, thereby providing a more adequate account of response selection under regulatory pressure. Global affect functions as a central control signal, modulating the learning rate, representational valence, and the balance between exploration and exploitation. The model presented here is a step toward a more rigorous formalization of cognitive phenomena and may provide a basis for further theoretical analysis, computer simulation, and implementation in artificial-intelligence systems inspired by biological processes.
• Abstract（参考訳）: 本稿では,知的システムを具現化したモチベート感情認知アーキテクチャの数学的モデルを提案する。 このようなシステムは、モチベーション付き学習(ML)と呼ばれる内部モチベーションに基づく強化学習の一般化形式を通じて、そのホメオスタシスを維持することを学習する。 本稿の主な貢献は、フィードフォワード処理、横方向相互作用、フィードバック経路を統合した再入出力ループの厳密な形式化と、適応システム応答を管理する表現選択機構である。 このモデルでは、現在進行中の外部受容と相互受容の信号、身体的動機づけのコンテキスト、およびメモリトレースが、セムブリオンと呼ばれる連想記憶構造にバインドされ、さらなる処理とトップダウン再構成へのアクセスを競う。 形式化は、二次知覚、表現的競争、好奇心、手続き的ギャップ、およびアロスタティック違反を制限するための行動選択を含む。 この枠組みの中では、モチベーション付き学習は、要求、影響、そして現在の規制状態によって形作られた力学を具現化したシステムに適合する。 従来の強化学習モデルとは異なり、提案手法では、要求しきい値、目標生成およびシフト目標、身体状態、資源制約、行動の不確実性などを導入し、規制圧力下での応答選択をより適切に評価する。 グローバルな影響は中心的な制御信号として機能し、学習率、表現価、探索と搾取のバランスを調節する。 ここで提示されるモデルは、認知現象のより厳密な形式化に向けたステップであり、生物学的プロセスにインスパイアされた人工知能システムにおけるさらなる理論的解析、コンピュータシミュレーション、実装の基盤となる可能性がある。

関連論文リスト

• Integrative neurocybernetic modeling in the era of large-scale neuroscience [10.509674860067108]
  我々は、理解行動には統合的ニューロサイバネティックモデルが必要であると論じる。 このようなモデルは、目標を、神経記録の予測から、神経および行動力学を支配する組織原理の推測へとシフトさせる。 このアジェンダは、断片化されたデータから、脳がどのように行動を生み出すかの機械科学へのモデル中心のパスを提供する。
  論文  参考訳（メタデータ） (2026-04-26T22:26:28Z)
• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• The DIME Architecture: A Unified Operational Algorithm for Neural Representation, Dynamics, Control and Integration [0.0]
  この研究は、共通の運用サイクル内で知覚、記憶、評価、意識的なアクセスを編成する神経アーキテクチャであるDIMEを紹介している。 この枠組みは、海馬の索引付け、反復する皮質処理、リプレイ現象、大規模なネットワーク統合、神経調節調節などの経験的証拠と一致している。 DIMEはまた、統一されたメカニズムから表現、評価、時間的シークエンシングが現れるアーキテクチャテンプレートを提供することで、人工知能とロボティクスに通知する。
  論文  参考訳（メタデータ） (2026-03-07T11:05:15Z)
• 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)
• One Model, Two Minds: A Context-Gated Graph Learner that Recreates Human Biases [3.7958475517455947]
  本稿では認知科学の二重過程理論に触発された新しい心の理論(ToM)フレームワークを紹介する。 我々のモデルは、学習された文脈ゲート機構を通して直観的で熟考的な推論のバランスをとる。 この研究は人工知能と認知理論を橋渡しし、曖昧で人間らしい社会的認知と適応的な意思決定能力を示すAIシステムへの道を開く。
  論文  参考訳（メタデータ） (2025-09-10T15:55:14Z)
• Lilith: Developmental Modular LLMs with Chemical Signaling [49.1574468325115]
  人工知能の現在のパラダイムは、神経レベルでの脳活動をモデル化するフィードフォワードネットワークの層に依存している。 我々は,モジュール型言語モデルの発達訓練と,ブレインインスパイアされたトークンベースの通信プロトコルを組み合わせた,新しいアーキテクチャLILITHを提案する。
  論文  参考訳（メタデータ） (2025-07-06T23:18:51Z)
• Closing the Loop: How Semantic Closure Enables Open-Ended Evolution? [0.042970700836450486]
  この写本は意味的クロージャの進化的出現を探求している。 生物学、生理学、生態心理学の概念を統合している。 我々は,生命の臨界特性を捉えることが可能なモデルを開発し,そのモデルとして,オートポエシス,予測,適応などがある。
  論文  参考訳（メタデータ） (2024-04-05T19:35:38Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• A Novel Neural-symbolic System under Statistical Relational Learning [47.30190559449236]
  NSF-SRLと呼ばれる統計的関係学習に基づくニューラルシンボリック・フレームワークを提案する。 シンボリック推論の結果は、深層学習モデルによる予測の洗練と修正に利用され、深層学習モデルはシンボリック推論プロセスの効率を高める。 我々は、このアプローチがニューラルシンボリックシステムの新しい標準となり、汎用人工知能の分野における将来の研究を促進すると信じている。
  論文  参考訳（メタデータ） (2023-09-16T09:15:37Z)

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。