人工智能中的决策侧重性:证据支持的利与弊
该研究提出了一种双侧神经网络结构,模仿大脑左右脑半球的功能区别,并通过对图像分类任务的测试表明,这种结构比其他容量类似的基线模型更具有效性,可以实现对图像特征的加权注意力。
Sep, 2022
通过训练具有不同损失函数的半球,该研究探讨了一种用于运动任务的双侧神经网络架构作为控制系统,以实现类似于人类的半球专门化,其中协调和运动效率较好的领先体系在协调性任务上表现出色,而非领先体系在需要位置稳定性的任务上表现更好,并发现双侧模型优于单侧模型,在两项任务中都优于 “非首选” 手,并且不同模型之间的神经连接对于专门化的模型不一定总是改进性能。
Jan, 2024
本研究通过实验研究 AI 算法在双重委托代理问题的双重合同模型中的行为,发现 AI 算法可以自主学会设计可以激励合规的合同,而在合同中,一方可以采取勾结或竞争等多态行为,而且欺骗行为似乎并不存在于制定的合同中。
Mar, 2023
本文主张人工智能系统需要模拟、理解、甚至复制人类的认知偏差,在人机协作中扮演更加重要的角色,并提出了关于人类认知偏差和人工智能之间相互作用的研究议程及三个感兴趣的广泛领域,并为具有更好对人类偏见的人工智能系统的设计方向提出了研究方向。
Oct, 2022
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
本文介绍了 Legal Artificial Intelligence 的历史,现状和未来方向,并从法律专业人员和自然语言处理研究人员的角度说明了任务,展示了几个代表性的应用程序,在现有工作的优缺点方面进行了深入的分析,探索了可能的未来方向。
Apr, 2020
我们首先综述了对大型语言模型(LLMs)的现有评估,包括标准化测试和面向能力的基准测试。然后,我们明确了当前评估方法存在的几个问题,倾向于夸大 LLMs 的能力。我们进一步阐述了人工通用智能应该超越 LLMs 能力的几个特征。我们提出了通用智能代理的四个特征:1)能够执行无限的任务;2)能够在特定环境中生成新的任务;3)基于支撑任务生成的价值体系进行操作;4)拥有反映现实的世界模型,影响其与世界的交互。在这一观点基础上,我们强调了人工通用智能中缺失的部分,即认知与行动的统一。我们认为与现实世界中的对象进行积极互动可以提供更强大的形成概念表示的信号。此外,知识获取不仅依赖于被动输入,还需要反复尝试和错误。最后,我们概述了人工通用智能领域未来研究的有希望的方向。
Jul, 2023
探讨了人类智能与人工智能在预测特定结果方面的优劣,提出了在未来几十年内的劳动分工典范可能是混合智能。这个概念旨在利用人类智能和人工智能的互补优势,以使它们能够比两者分别表现得更好,并探讨了其在组织上下文中的应用。
May, 2021
生物和人工信息处理系统形成世界的表示,以用于分类、推理、规划、导航和决策。研究这些不同系统形成的表示在多大程度上一致?不同的表示是否仍然可以导致相同的行为?系统如何修改其表示以更好地匹配另一个系统的表示?研究表示对齐的这些问题是当代认知科学、神经科学和机器学习最活跃的研究领域之一。为了改善不同领域之间的沟通,我们提出了一个统一的框架,可以作为研究表示对齐的研究人员之间的共同语言。我们从认知科学、神经科学和机器学习领域的文献中进行综述,并展示了以前的工作如何适应这个框架。最后,我们提出了在表示对齐方面的开放问题,进展可以使这三个领域受益。我们希望我们的工作能够促进跨学科合作,加速所有研究和开发信息处理系统的社区的进步。请注意,这是一篇工作论文,欢迎读者提出他们对未来修订的建议。
Oct, 2023