- 通过概率类比映射进行零 - shot 视觉推理
本文介绍了 VisiPAM(visual Probabilistic Analogical Mapping)的视觉推理模型,该模型综合了视觉推理和类比推理两种方法,使用从自然视觉输入中直接推导出的学习表示和源自人类推理认知理论的相似性映射操 - IJCAI使用 Transformer 模型进行语义流畅性的认知建模
使用前沿的深度语言模型进行超参数猜测,探讨这些模型设计的局限性,以追求认知行为的个性化描述符;在预测语义流畅性任务表现时,我们使用了几种方法来预测下一个发言,表明 TLM 可以更好地计算个体差异和人类记忆提取策略,为知识表示的认知建模提供新 - 不欺骗图灵测试:朝向人工智能的基于实证的语言学习
研究自然语言理解在人工智能领域的挑战,结合认知科学、 心理学、思维哲学和认知语言学的见解,评估目前的方法和挑战。
- 通过类比维度理解叙事
本研究从认知科学研究成果出发,对类比推理的六个维度进行了规范,在寓言语料上进行了注释,并定义了四个任务来评估新型 AI 技术的可扩展性,实验结果显示现有的方法能够在有限的范围内推理类比,但需要进一步的研究来提高 AI 的综合性和可扩展性。
- 神经网络捕捉类人语音识别的成功与关键失败
本研究通过实验,评估了最先进的神经网络作为 “可计算的、优化的观察者” 在语音识别方面的表现,并发现了人类和人类机理学习中的不同之处,为听觉认知科学和工程之间建立更紧密的联系提供了启示。
- 一台具备类人记忆系统的机器
本研究基于认知科学理论显式建模了一个拥有语义记忆和情景记忆系统的智能体,并展示了这种智能体比仅有其中一个记忆系统更优秀的性能表现。通过 OpenAI Gym 兼容的 “the Room” 环境,我们让智能体学习如何编码、存储和检索记忆,以最 - ECCVGEB+: 通用事件边界字幕、关联和检索基准
本文介绍了一个新的数据集 Kinetic-GEB+,该数据集有助于通过状态更改促进视频的细粒度、鲁棒性和类人理解,还设计了新的 TPD 建模方法,可使视觉差异的表示和精确定位状态更改得到显著的性能改进。
- 利用人工智能生成的决策辅助工具提升人类决策能力
使用机器学习和认知科学的方法为人类决策制定决策辅助方法,将其转化为自然语言指令可显著提高决策性能。
- 开放世界中的物理推理
本文研究开放世界推理,用 Prolog 实现了一个容器微世界的推理器。
- 图形类比问题的自动出题生成:综述与展望
本文从跨学科的视角出发,对人能力测试和数据驱动的 AI 模型的图像类比物自动项目生成的重要工作进行了分析和比较,并提出了未来研究的要求。
- 第九届认知系统进展会议(ACS)
描述了人工智能和认知科学的初始目标,涉及计算术语解释思想,并在计算工具中复现整个人类认知能力的多项研究, Advances in Cognitive Systems 为该领域的研究人员提供了最新结果和新挑战的场所。
- 构建类人交际智能:一个基于现实经验的视角
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 - 神经网络求解数学问题中出现了组合处理
本文探讨了人类学习机制中的组合性问题,并扩展了先前针对自然语言的神经网络研究到数学推理领域。研究发现,神经网络不仅能够学习到训练数据中的结构关系,而且能够将这些知识用于指导复合意义的组合。
- 自然和人工智能中的元学习
该综述旨在利用元学习的视角重新审视生物智能研究领域中的既有研究,并将这些工作放入同一框架中进行,同时讨论 AI 和神经科学之间的最新交互点以及从这种视角出发出现的有趣新方向。
- EMNLP如果 Beam Search 是答案,那么问题是什么?
采用 Beam Search 解码思路得出的结果通常要优于最大后验概率解码方式,因为前者更加符合认知科学理论,这启示我们有必要提出一系列解码目标,明确地强化文本信息均匀分布的特性,以解决解码过程中存在的问题。
- MM从概率到综合:解释价值如何实现贝叶斯推理
提出了一种贝叶斯方法来解释认知科学中广泛的说明价值,并阐明了心理学、统计学和科学哲学中的核心价值如何从一个公共数学框架中出现。同时,这个框架还可以用来重新解释推动阴谋论、妄想和极端意识形态的说明副产品。
- 机器人任务中的可操作性 -- 调查
机器人学中的可行性是指机器人必须感知到的关键属性,以有效地与新型物体交互的核心概念,该综述文章特别关注机器人学,并尝试找到不同方法之间的共同点,我们提出基于先前知识水平的分类,用于建立有助于实现机器人任务的不同可行性组件之间的关系。
- VRGym: 一个用于物理交互人工智能的虚拟测试平台
提出了一个名为 VRGym 的虚拟现实测试平台,致力于构建和训练物理和交互式机器人,提供物理模拟和机器学习算法训练工具包,以支持人机交互和认知科学的实验。
- 认知偏差可能对基于规则的机器学习模型解释的影响综述
讨论机器学习模型的可解释性应当从认知科学的角度考虑,并探讨认知偏差对于人类理解基于数据挖掘发现的逻辑规则的可解释机器学习模型的影响,提出算法设计师可以采取的去偏执技巧。该综述旨在弥合认知心理学和机器学习之间的差距,但需要进一步关注机器学习领 - MM建造像人类一样学习和思考的机器
本文综述认知科学的进展,提出了人工智能领域需要实现的目标和面临的挑战,即建立支持解释和理解的世界因果模型,以及将学习基于物理和心理直觉理论,使用组合性和学习来学习以适应新的任务和情况