用量工叙事理解检验定量时空假说（一）：将情节叙事视为特征景观自举意义
人工智能
2020-10-19 v1 机器学习
摘要
本文以文本叙事为测试用例，研究在不经先验训练的情况下，从符号序列的感觉数据流中提取重要且有意义的片段这一问题。这是一个关于从时空过程提取概念及其在混合符号—学习“人工智能”中知识表示的更大型研究的一部分。大多数文本分析方法广泛利用演化而来的人类语言与语义感。本工作中，流在不具备语义知识的情况下被解析，仅使用变化符号流中可测量的模式（大小与时间）——作为一种事件“景观”。这是一种干涉测量形式。利用可在单 CPU 上数秒内运行的轻量程序，本工作研究了语义时空假说在将概念作为过程不变量提取时的有效性。该“语义预处理器”随后可作为更复杂的长期基于图的学习技术的前端。结果表明，我们认为感觉经验中重要且有趣之处并非仅基于高级推理，而是基于简单的时空过程线索，而这或许正是认知处理在初始阶段被自举的方式。
引用
@article{arxiv.2010.08126,
title = {Testing the Quantitative Spacetime Hypothesis using Artificial Narrative Comprehension (I) : Bootstrapping Meaning from Episodic Narrative viewed as a Feature Landscape},
author = {Mark Burgess},
journal= {arXiv preprint arXiv:2010.08126},
year = {2020}
}