Feb, 2024

从人工智能和认知科学的视角进行理论研究

PDF
TL;DR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。
发现论文，激发创造
  • 人工智能的基础

    智能的核心功能是基于感性经验和抽象知识与内部对真实世界的表达进行连接。这篇论文试图系统地研究这个问题。

    Dec, 2023

  • 基于方法的地基和全面发展：跨模态和跨语言连接研究的一种方法论

    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

  • 神经符号系统的软化符号定位

    神经符号学习中的符号基础问题是人工智能中的一个基本问题。本文提出了一种新的、软化的符号基础过程，能够桥接神经网络训练和符号约束求解两个分离的领域，从而构建一个高效且有效的神经符号学习框架，并通过实验证明该框架具有优越的符号基础能力。

    Mar, 2024

  • 向量基础问题

    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

  • 语言基础的信任：人机协作中的新 AI 挑战

    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

  • 在模拟的 3D 世界中的基于场景语言学习

    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

  • 人机交互中自主在线自然语言实体绑定

    本文提出了一种基于交叉情景学习的符号接地框架，用于自然语言沟通机器人与人类交互，并在机器人与人类之间的交互实验中表现优异。

    Jul, 2020

  • 视觉和语言模型中短语定位和任务表现的联合研究

    通过在图像环境中关联文字和短语到图像区域，本文提出了一个框架来共同研究任务表现和短语的关联，并提出了三个基准来研究二者之间的关系。我们的研究结果显示，现有模型在关联短语和解决任务方面存在不一致性。我们展示了如何通过对关联短语注释进行穷举式训练来解决这个问题，并分析了它所产生的动态性。

    Sep, 2023

  • 在 XAI 中借鉴南半球背景下的可解释性

    该研究提出了建立在社会背景和社技术系统中的关于 AI 可解释性的理解，将这个理解放在全球南方和印度的背景下，并表示需要更多的全球南方的研究以提高可解释性和 AI 的水平。

    May, 2022

  • 多模态指令中的符号基础

    本文提出了一种方法来处理跨模态输入的原始流，以产生物体的细分并与高级概念相关联，以学习用户的颜色和形状的概念，并表明该模型可以从少量的物理演示中推广到识别新单词的物理指示。

    Jun, 2017