A Brain-inspired Computational Model for Human-like Concept Learning

要約

概念学習は人間の認知の基本的な側面であり、分類、推論、記憶、意思決定などの精神的プロセスにおいて重要な役割を果たします。
さまざまな分野の研究者が、個人における概念獲得のプロセスに一貫した関心を示してきました。
人間の概念学習に関与するメカニズムを解明するために、この研究では計算神経科学と認知心理学の知見を検証します。
これらの発見は、脳による概念の表現が、多感覚表現とテキスト由来の表現という 2 つの重要な要素に依存していることを示しています。
これら 2 種類の表現は意味制御システムによって調整され、最終的に概念の獲得につながります。
このメカニズムからインスピレーションを得て、この研究では、スパイキング ニューラル ネットワークに基づいた概念学習のための人間に似た計算モデルを開発しました。
多様な情報源と概念表現の 2 つの形式の不均衡な次元によってもたらされる課題に効果的に対処することで、この研究は人間に似た概念表現を達成することに成功しました。
同様の概念を含むテストでは、人間が概念を学習する方法を模倣したモデルが、人間の認知と密接に一致する表現を生成することが実証されています。

要約(オリジナル)

Concept learning is a fundamental aspect of human cognition and plays a critical role in mental processes such as categorization, reasoning, memory, and decision-making. Researchers across various disciplines have shown consistent interest in the process of concept acquisition in individuals. To elucidate the mechanisms involved in human concept learning, this study examines the findings from computational neuroscience and cognitive psychology. These findings indicate that the brain’s representation of concepts relies on two essential components: multisensory representation and text-derived representation. These two types of representations are coordinated by a semantic control system, ultimately leading to the acquisition of concepts. Drawing inspiration from this mechanism, the study develops a human-like computational model for concept learning based on spiking neural networks. By effectively addressing the challenges posed by diverse sources and imbalanced dimensionality of the two forms of concept representations, the study successfully attains human-like concept representations. Tests involving similar concepts demonstrate that our model, which mimics the way humans learn concepts, yields representations that closely align with human cognition.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google