Jul, 2016

人工智能时代的认知科学：逆向工程婴儿语言学习者的路线图

PDF
TL;DR通过机器学习和可穿戴技术等工程科学的显著进展，研究如何在复杂的学习环境下，通过分析婴儿的语言发展过程、比较婴儿与机器的学习成果以及通过多种测试手段对机器学习进行评估等一系列条件和措施来揭示婴儿语言习得的科学原理。
language developmentinfantsmachine learningwearable sensorspsycholinguist tests
发现论文，激发创造
  • 人工神经网络对人类语言习得的启示

    通过使用机器学习及自然语言处理技术，研究语言习得过程，探讨如何让模型学习在有限的语言输入下获取语言知识，以验证关于人类语言学习本质的假说。

    Aug, 2022

  • 构建类人交际智能：一个基于现实经验的视角

    该论文旨在提出一种 “基础” 的视角，启发人工智能的进步，包括 “基于感知 - 动作循环的体现、嵌入、延伸和实践认知” 的研究方向，以及运用逐步发展的技能促进逐步的语言发展、逐渐适应物理和社会环境的智能代理等几个具体的组成部分，以建立人类一样的语言能力。

    Jan, 2022

  • 语言认知与语言计算 —— 人类和机器的语言理解

    语言理解是认知科学和计算机科学领域的关键科学问题。本文比较了认知科学和计算机科学在语言理解方面的不同研究问题和方法，并探讨如何将两个领域的洞见结合起来，为构建智能语言模型和研究语言认知机制提供新的启示和展望。

    Jan, 2023

  • 模仿与创新：儿童能做到的，大型语言模型和语音 - 视觉模型（目前）无法做到的

    本文论述大型语言模型和语言 - 视觉模型是一种人工智能文化技术，它们通过增强文化传播和成为高效的模仿引擎来展现出其重要性。文章探讨了这些模型在 “模仿” 和 “创新” 方面的作用，以及它们的表现与人类儿童相比的异同，旨在深入研究从特定学习技术和数据中获取哪些具体的抽象表示、能力以及哪些具体的知识或技能。关键发现表明，机器可能需要比语言和图像的大规模更多的元素才能做到像儿童一样具备的能力。

    May, 2023

  • 不欺骗图灵测试：朝向人工智能的基于实证的语言学习

    研究自然语言理解在人工智能领域的挑战，结合认知科学、 心理学、思维哲学和认知语言学的见解，评估目前的方法和挑战。

    Jun, 2022

  • 将机器语言模型推广至人类水平的语言理解

    语言是理解和交流情境的关键，而语言处理系统使用类似人脑的神经网络以及查询注意力等方法来提高其能力，但当前的模型主要集中在内部语言任务上，限制其理解情境的能力，因此需要未来的模型应用认知神经科学和人工智能来扩展理解任务。

    Dec, 2019

  • 通过认知科学原理推进人工智能的感知能力

    通过对认知科学和人工智能的比较研究，本文旨在以认知科学为基础构建基本的人工智能研究模块，并提供了一系列通过认知科学启发的人工智能方法，以开发更好的感知系统。

    Oct, 2023

  • 面向语言驱动的科学人工智能

    基于 AI 在自然语言理解和生成方面的革命性进展，我们设计了能够解决复杂科学任务的 AI 系统，并将自然语言作为 AI 与人类科学家之间的核心表示、推理和交换格式。本文旨在探讨实现这一愿景所面临的主要研究挑战。

    Oct, 2022

  • 我们是否已经建造出像人一样思考的机器？

    通过一系列的实验，我们评估了当前基于视觉的大型语言模型在直觉物理、因果推理和直观心理领域的表现。我们的研究结果表明，尽管这些模型在处理和解释视觉数据方面表现出显著的能力，但在这些领域仍然不如人类。这些模型对物理定律和因果关系有基本的理解，但缺乏更深入的洞察力 - 人类认知的一个关键方面。此外，在需要直觉心理理论的任务中，这些模型完全失败。我们的结果强调了将更强大的理解因果关系、物理动力学和社会认知机制整合到现代基于视觉的语言模型中的必要性，并指出了认知启发式评估标准的重要性。

    Nov, 2023

  • 揭开语言习得的黑盒子

    通过序列记忆和分块构建的最小认知体系架构用于学习语言，替代了使用深度学习的大型语言模型，并且能够从零开始学习人工语言，并提取支持学习的语法信息。研究表明这种简单的架构的强大性，并强调序列记忆作为语言学习过程的关键组成部分的重要性，这可能解释了仅人类发展了复杂语言的原因。

    Feb, 2024