大脑原理编程
该文是一篇关于强人工智能的论文,提出了基于类别论的 Brain Principles Programming(BPP)的形式化方法,并应用数学模型和算法对其进行描述和建模,最终得到了计算机实验演示算法操作的结果。
May, 2022
本论文描述了一种基于脑活动的五个原则实现的认知体系结构,包括逻辑 - 概率推理、概率形式概念和功能系统理论三个子系统,建立体系结构需要实现任务驱动方法,提供了基本本体论,以及可能的应用示例。
Feb, 2023
本文介绍了一种认知体系结构,其基于五个已确定的大脑活动原则,以三个子系统的实现为基础:逻辑概率推理、概率形式概念和功能系统理论。建立体系结构需要实现任务驱动方法,以允许将应用程序的目标函数定义为在应用本体中表达的任务,因此我们提供了一组基本本体用于一些实用应用程序以及基于该本体的主题域本体,并描述了提议的架构,并给出了这些应用程序在该架构中执行的可能示例。
Apr, 2022
人工智能(AI)是本世纪迅速发展的关键技术之一。然而,使用误差反向传播学习算法训练的深度神经网络在 AI 领域取得的大多数成果已经凸显出一些重要限制,例如计算成本高、难以量化不确定性、缺乏鲁棒性、不可靠性和生物不可行性。解决这些限制可能需要受到神经科学理论启发和指导的方案。其中一种理论称为预测编码(PC),在机器智能任务中表现出有希望的性能,具有令人兴奋的特性,对机器学习社区具有潜在价值:PC 可以模拟大脑不同区域的信息处理,可用于认知控制和机器人学,并具有基于变分推断的坚实数学基础,为某类连续状态生成模型提供了强大的反演方案。希望通过调研有助于这一方向的文献,突出展示 PC 在机器学习和计算智能的未来中可能发挥的多种作用。
Aug, 2023
该综述旨在通过研究神经科学和认知心理学的方法,为人工通用智能的追求做出贡献。尽管深度学习模型在各个领域取得了令人印象深刻的进展,但它们在抽象推理和因果理解方面仍然存在缺点。这些能力应该最终整合到人工智能系统中,以克服数据驱动的限制,并以更加接近人类智能的方式支持决策。本工作是一项纵向综述,试图广泛探索大脑功能的范围,包括从低层生物神经元、尖峰神经网络和神经元集合到更高层的概念,如脑解剖学、向量符号体系结构、认知和分类模型以及认知体系结构。希望这些概念能为人工通用智能的解决方案提供启示。
Jan, 2024
本论文概述了生物神经网络为灵活认知所需的特征,讨论了神经网络体系结构的系统级通信和重复性以及短期拓扑变化对于机器学习模型的贡献,并说明人工系统中测试这些归纳偏见有助于理解领域通用认知的生物学原则。
Mar, 2023
这篇论文提出了一种基于大脑和自我概念的人工智能 (BriSe AI) 范式,强调自我在塑造未来人工智能中的关键作用,通过自我感知、自体建模、自主交互、社交互动和概念理解等多层次的自我层次框架,增强了 BriSe AI 对信息的有意识理解和对复杂环境的灵活适应,使其向着真正的人工通用智能迈进。
Feb, 2024
本文介绍了基于大脑启发的 AI 技术的概念、技术和伦理问题,并提出了一种启发式方法以识别和解决由大脑启发的 AI 产生的伦理问题。结果显示,相对于传统的 AI,大脑启发的 AI 提出了新的基础性和实际的伦理问题,加剧了传统 AI 提出的某些问题。
May, 2023
自然神经网络的结构规律采用了自组织网络模式,这种归纳偏见使其能够快速学习、从少量数据推广并填补抽象目标与具体情况之间的差距,为人工神经网络研究中的一些开放问题提供了重要的参考意见。
Apr, 2022
计算机科学和脑科学的历史紧密相连。两者间存在着类似和不同之处。该研究提出要研究脑科学与计算机科学的交界处,并探索其带来的新机遇和连接。在这个界面,还存在许多关键问题需要研究,同时也提供了 CISE 研究社区发挥战略作用的机会,以促进工作的进展。
Apr, 2020