张量脑如何利用嵌入与具身化来编码感知与符号
人工智能
2024-12-31 v2 机器学习
神经与进化计算
神经元与认知
摘要
张量脑(TB)作为一种感知与记忆的计算模型已被提出。本文综述了TB模型,并融入最新发展与功能洞察。TB由两层主要组成:表征层和索引层。表征层作为次符号化全球工作区的模型,源自意识研究概念,其状态代表认知脑状态，捕捉感知与认知过程的动态相互作用。索引层则包含概念、时间实例和谓词的符号表示。在自下而上的操作中,感知输入激活表征层,进而触发关联的符号标签于索引层。相反,在自上而下的操作中,索引层的符号激活表征层,进而通过具身化影响更早的处理层。这一自上而下的机制构成语义记忆,使抽象知识能够整合到感知和认知过程中。TB的关键特性是使用概念嵌入,这些嵌入作为连接权重将索引层与表征层相连。作为概念的"DNA",这些嵌入整合来自多样经验、感知模态和符号表示的知识,为学习与记忆提供统一框架。
引用
@article{arxiv.2409.12846,
title = {How the (Tensor-) Brain uses Embeddings and Embodiment to Encode Senses and Symbols},
author = {Volker Tresp and Hang Li},
journal= {arXiv preprint arXiv:2409.12846},
year = {2024}
}