Jan, 2024

将生成网络与认知的共同模型相结合

PDF
TL;DR该文章提出了将认知通用模型调整为人工智能领域中的大型生成网络模型的理论框架。通过将通用模型中的模块重组为辅助于中心生产系统的阴影生成系统，可以实现这一目标，该中心生产系统基于阴影生成系统的输出进行高级推理。在通用模型中实现这种创新结构，可以实现认知体系结构和生成神经网络之间无缝的连接。
发现论文，激发创造
  • 通过赫布学习和自由能最小化的神经模仿实现普通认知模型

    使用神经生成模型构建 COGnitive Neural GENerative 系统，以优化变分自由能函数，并探讨其在认知科学中的应用。

    Oct, 2023

  • 人类和生成型人工智能间共享共同基础的认知架构：唐纳姆命名任务中模型间互动的试验

    通过研究模型间共同基准的过程，该研究关注以生成 AI 为基础在人工智能模型中建立共同基准的过程，其中以七巧板命名任务作为测试实验，并观察到通过增量反向传播可以提高模型性能。

    Nov, 2023

  • 构建人工神经电路实现领域通用认知：关于脑启发系统级架构的入门指南

    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

  • 一种增强的常识生成知识注入模型

    利用外部知识概念辅助 CommonSense 生成，通过原型建模和知识注入方法显著提高了性能。

    Dec, 2020

  • Commonsense 知识图谱上的多跳推理语言生成

    本文提出了一种利用常识知识图谱，将结构信息和语义信息结合到推理中，提高语言模型在生成任务中处理常识知识的准确性。通过动态多跳推理模块，本文建立了 Generation with Multi-Hop Reasoning Flow (GRF) 模型，实验表明该模型在三个包含常识知识推理的生成任务中的表现优于现有基线模型。

    Sep, 2020

  • 使用认知神经符号系统实现高层机器推理

    我们提出通过将认知架构与外部神经符号组件相结合，使人工智能系统能够进行高层次推理，讨论生成模型在最近和未来应用中的作用。

    Nov, 2023

  • 网络生成模型的统一视角：模型、方法、机遇与挑战

    介绍了概率网络模型的不同类型以及它们之间的相似性和不同之处，这些模型包含了物理学、社会学、生物学、统计学和机器学习等多个领域，同时也揭示了未来的研究机会和挑战。

    Nov, 2014

  • AAAI 2022 秋季研讨会：基于共同认知模型实现的系统 1 和系统 2

    本文旨在将关于 System-1 和 System-2 的双重系统描述引入人工智能领域，并通过将其置于认知共同模型中解决这一和其他问题。结果表明，被认为是 System-1 和 System-2 特征的不同性质实际上形成了一个认知属性光谱。共同模型提供了有关 System-1 和 System-2 所涉及的计算单元、其基本机制以及对学习、元认知和情感的影响的全面视野。

    May, 2023

  • 基于知识增强的通识常识故事生成预训练模型

    本文针对故事生成中存在的重复、逻辑冲突和长距离一致性缺乏等问题，提出了一种基于知识增强预训练模型的通用故事生成方法。通过利用外部知识库中的常识知识来生成合理的故事，并采用多任务学习的方法来捕捉合理故事中句子之间的因果关系和时间依赖关系，从而在逻辑和整体一致性方面比其他最先进的模型有更好的表现。

    Jan, 2020

  • 透过认知通用模型阐明系统 1 和 2

    该研究采用计算思维作为分析工具并运用认知共同模型来解决对 System-1 和 System-2 的双系统描述难以精确和滋生误解的问题，结果表明 System-1 和 System-2 的特点形成了认知属性的一种谱系，并阐明了其潜在机制、存在的误解及对元认知的影响。

    May, 2023