- 预训练语言模型中认知智能的发展
经验表明,大型预训练语言模型的新认知能力使其成为认知科学理论的候选模型。本研究通过心理测量学测试选择四组任务,对十个热门预训练语言模型进行评估,发现无论模型大小,PLMs 的训练过程在人类认知发展的某个窗口期内表现出最高程度的一致性。在该窗 - 认知启示的能量基世界模型
通过训练基于能量的世界模型,我们引入了一种能够模拟人类认知的方法,其通过预测上下文和未来状态的兼容性来解决传统的自回归模型的局限性,并展示了在计算机视觉和自然语言处理中的潜在应用。
- 语言模型的哲学导论 - 第二部分:前进之路
通过对大型语言模型的解释性、因果干预方法的证据,以及多模态和模块化扩展,最近关于意识最低标准的争议以及在大型语言模型研究中的保密性和可重复性方面的担忧的讨论,该文讨论了大型语言模型及其对人类认知建模的相关性。
- 基于人类概念代表的可控视觉刺激生成
理解人类是如何处理视觉对象的是认知科学的一个核心问题,这篇研究利用 Concept based Controllable Generation (CoCoG) 框架,通过两个组成部分 —— 提取可解释概念并预测人类在视觉相似性判断任务中的决 - 机器心理学:大型语言模型预测人类记忆
通过测试 ChatGPT 在语言记忆任务中对人类表现的预测能力,研究发现 ChatGPT 和人类的表现有惊人的一致性,尽管它们的内部机制可能存在显著差异,这一发现强调了生成型人工智能模型在准确预测人类表现方面的潜力。
- 利用人类_概念形成避免视觉分类中的灾难性遗忘
该研究提出了 Cobweb4V,一种新颖的视觉分类方法,通过借鉴人类逐步学习新概念的方式,有效地学习视觉概念而不会出现灾难性遗忘效应,与人类认知的学习策略相符,是一种有前景的神经网络方法替代方案。
- 自我视角下的他人评估
人工智能系统在模拟或接近人类间的相互作用中,特别是在多层次环境中与不同实体进行的情况下,必须首先深入而细致地理解自己,以实现对人类认知的高质量理解。
- 视觉问答模型和人类智能的认知比较研究
通过比较视觉问答模型的输出和注意力图与人类的相似之处,研究发现虽然 VQA 模型在结构和识别水平上与人类相似,但在认知推理方面仍然存在挑战。人类思维过程的分析有助于指导未来的研究,并在建模特征和架构中引入更多的认知能力。
- 认知心理学启发下的人工智能自主探索
该研究旨在探讨人类探索行为与人工智能自主性和适应性的联系,并将认知心理学范例应用于机器学习方法中。研究表明,与人类对应的人工智能代理可以通过内部状态与探索行为之间的因果关系来学习并自我发展,这对于人类认知研究和人工智能的发展都具有重大意义。
- 用纠缠作为减少不确定性的方法
通过针对纯态纠缠状体的研究,我们证明了人类认知中的概念结合也存在 “非经典性的熵减” 现象,并提出了一种新的关于纠缠本质的假设,即通过纠缠实现的复合体制备其过程可以解释为 “减少不确定性的协作过程”,这可以自然地解释为什么某些量子逻辑连接是 - 大型语言模型能够以人类相似的方式划分叙事事件
本文介绍了一种计算机处理连续叙述文本的方法,通过使用大型语言模型 GPT-3 自动完成事件分割和注释,获得与人类注释高度相关的结果,可能为深入探究人类事件感知的原理提供有用的方法。
- 大型语言模型中的无参考意义
本文讨论大型语言模型是否存在人类概念或含义,并指出语言模型可能捕捉了重要的含义方面,这符合人类认知的合理解释。由于概念角色由内部表示状态之间的关系定义,因此含义不能从模型的体系结构,训练数据或目标函数中确定,而只能通过研究其内部状态之间的关 - 神经语言模型计算抽象同一关系是否类似于人类?
本研究探讨了最先进的 NLP 模型是否展现了来自人类认知的基本机制,特别是它们是否能计算 “抽象的相似关系” 这一机制,结果发现人类婴儿在计算该抽象机制方面的认知能力比所有研究中的预训练语言模型都要强。
- 感性人工智能:运用意义建构理论重新构想可解释性
本文提出了一种基于 Weick 的理解框架,强调解释面向的对象,并提供了具体特征如身份背景、社交环境、环境线索等指导 Sensible AI 设计的设计准则,以理解人类认知的细微差别为前提构建 AI 的解释性。
- 学习组合表示以实现有效的少样本泛化
基于人类认知启发的 Recognition as Part Composition 图像编码方法,在零样本学习、少样本学习和无监督领域自适应等低样本泛化任务中,可以克服深度卷积神经网络面临的难题,并且在对抗攻击下比深度神经网络更具鲁棒性。此 - 认知协议的组合语境性扩展
该论文提出了对组合方法的扩展,以支持在因果影响中确定语境性。作者提出了一个基于因果模型的组合方法的形式化定义,并通过该方法为认知实验提供了一个表示这些元素的协议,为区分噪声和因果影响提供了技术方法,从而为认知现象的语境性测量提供了一种可行性 - EMNLP跨语言和同一语言中的惊奇度 - 持续时间权衡
研究发现,人类认知塑造了语言的演变和使用,600 种语言的语料库证实了超出和内部有惊讶 - 持续时间权衡的存在,结果是在不同语言中,更少惊讶的音位生成速度更快,反之亦然,并且确认了 319 种语言中更惊讶的音位平均更长。
- IJCAI基于上下文决策和解释的认知视角
通过理解人类认知中心的特点,提出了使用 “上下文重要性和效用(Contextual Importance and Utility method)” 等方法去实现可解释的 AI 决策。
- AAAIDualVD:一种用于视觉对话中深度视觉理解的自适应双编码模型
该研究提出了一种新的模型来从视觉和语义两个角度描述图像,在多角度图像特征的基础上提出了特征选择框架,逐层适应性地捕捉问题相关信息,并在基准视觉对话数据集上取得了最先进的结果。更重要的是,通过可视化门控值,我们能够确定视觉和语义哪个模式在回答 - NIPS极简自然人工智能
本文阐述学习算法的归纳偏好原理作为发展通用人工智能的一个关键因素。并且,我们必须将学习算法与人类认知和人类任务的统计数据和结构产生的任务来对齐以实现通用人工智能。