玩转神经科学:神经影像学与游戏的过去、现在和未来
该论文调查了将神经进化(NE)应用于游戏的研究,分析了在五个不同的方面中,NE 在游戏中的应用,其中包括选择在游戏中发挥作用的 NE 角色,使用的不同类型的神经网络,这些网络如何进化,如何确定适应性以及网络接收的输入类型,同时还强调了该领域的重要开放性研究挑战。
Oct, 2014
本研究介绍了人工智能与神经科学的联系,探讨了强化学习算法在神经科学领域的应用,通过扩展 T 型迷宫任务进行实验验证表明,现有算法无法解决该问题,并提出神经科学的见解可能有助于解释部分问题。
Apr, 2021
研究人员提出要加快人工智能领域的发展,必须在神经人工智能的基础研究上投资,其中核心是实体图灵测试,要求人工智能的动物模型实现与其动物同类水平的感知运动交互,这将提供下一代人工智能的发展路线图。
Oct, 2022
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
本文回顾了近期深度学习在不同类型的游戏中(例如第一人称射击、街机游戏和实时策略游戏)的应用,分析了不同游戏类型对深度学习系统的独特需求,并强调了应用这些机器学习方法到视频游戏领域的重要挑战,例如通用游戏演奏、处理极大的决策空间和稀疏回报等。
Aug, 2017
本文综述了应用于游戏中的人工智能的伦理问题,通过情感循环的组成部分研究了 AI 在游戏开发中所面临的伦理挑战,包括情感的伦理边界,隐私与安全游戏空间之间的权衡,以及透明度与所有权等方面的问题。并呼吁开放性对话和行动,以确保保护用户并引导开发人员为他们的客户提供更安全、更好的体验。
May, 2023
自动信号解读在情感计算和人类活动识别领域有许多令人印象深刻的应用。本文探讨了通过一组特定信号对认知活动进行识别的可能性,并以参与者所玩游戏的识别作为问题探索的基础。我们构建了三种不同游戏(Space Invaders,Tetris,Tower Defence)和游戏间暂停的分类器,并在参与者独立和依赖于参与者的场景中进行了验证。我们讨论了在依赖于参与者的情况下,基于生物特征的个人识别方面的改进。根据游戏分类的结果,我们考虑了智能监控和个人数据量化方面的潜在应用。
Oct, 2023
通过使用具有视觉和上下文输入的多模态模型 VISION,我们成功预测了人类大脑对自然图像的功能性磁共振成像(fMRI)扫描反应,其准确度超过了现有技术性能 45%,并揭示了不同视觉区域的表征偏差,生成了可实验检验的假设,并形成了可解释的指标将这些假设与皮层功能相关联,为设计和实现视觉皮层功能分析带来了降低成本和时间负担的可能性。通过计算模型的进化,我们的工作表明可能揭示出对视觉皮层的基本理解,并提供可靠的脑机接口的可行方法。
Sep, 2023
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