人工智能的基础
探索了地基的概念,从认知科学和机器学习的角度,对地基的复杂性、在协作代理中的重要性以及两个领域中地基方法的相似性和差异进行了研究。研究了定制地基任务的神经符号方法的潜力,展示了它们如何更全面地处理地基。最后,讨论了地基进一步探索和发展的领域。
Feb, 2024
通过增强和无监督学习,训练具备最少先验知识的机器人在仿真 3D 环境中理解自然语言指令,将语言符号与周围物理环境的感知表示和相关的行动序列联系起来,实现语言含义的压缩和提取,从而揭示出关于语言基于感知概念的本质和潜力。
Jun, 2017
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
该论文探讨了 “语言基础” 这一挑战,旨在通过将语言绑定到真实世界的参照物中来完全理解自然语言。该研究提供了三个贡献,分别为:a)分析了人工智能技术、数据集和用户界面等方面的语言基础研究概述;b)提出并实证了与语言基础相关的六个假设的信任因素,该实验是在人机清洁组中进行的;以及 c)探讨了信任语言基础的未来研究方向。
Sep, 2022
通过探究内在表征的多种不同地基于生物或人工系统方法(指示性、感觉运动、关系、交流和认识性地基础),梳理分化它们之间的差异,并阐述说明认为指示性地基础是矢量基础问题的关键所在。基于哲学和认知科学中的表征内容理论,本文提出了某些大语言模型(LLMs,尤其是使用人类反馈从 RLHF 进行调整的)具有克服矢量基础问题所必需的特征,并且提出,多模态和体现都不是人工系统指示性基础的必要或充分条件。
Apr, 2023
通过建立一种方法论框架,对比训练在不同输入模态下的模型,本文研究了提供比仅有文本更丰富的输入来源对自然语言处理系统的影响,发现交叉模态接地、跨语言接地和未接地的模型之间存在质的差异,这从整体数据集层面和具体词表示层面衡量了模型的表现。
Oct, 2023
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