.png){kind=icon}
返回
Machine Memory Intelligence: Inspired by Human Memory Mechanisms
.png){kind=icon}
OA
AI
DOI：10.1016/j.eng.2025.01.012.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
以ChatGPT为代表的超大模型已达到当代人工智能（AI）的顶峰。然而，它们存在三大固有缺陷：训练数据及计算资源消耗过大、易受灾难性遗忘影响，以及黑箱模型中逻辑推理能力不足。为应对这些挑战，我们借鉴人类记忆机制引入“机器记忆”概念，将其定义为通过将外部信息编码为机器可表示和可计算格式而形成的存储结构。以机器记忆为核心，我们提出全新的机器记忆智能（M2I）框架，该框架包含表示、学习和推理模块及循环。我们探讨了M2I四大核心方面的关键问题与最新进展，包括神经机制、关联表示、持续学习以及机器记忆中的协作推理。M2I旨在使机器智能摆脱以数据为中心的神经网络束缚，从根本上突破现有超大模型的局限，推动弱人工智能向强人工智能的质变飞跃。
Keyword:
Machine memory intelligence
Neural mechanism
Associative representation
Continual learning
Collaborative reasoning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
11.6
论文数:
2.7K
被引数:
1.5W
机构
引用论文
Varying demands for cognitive control reveals shared neural processes supporting semantic and episodic memory retrieval.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
分享收藏Imaging brain tissue architecture across millimeter to nanometer scalesNATURE BIOTECHNOLOGYOAAI
NATURE BIOTECHNOLOGYIF41.7
OAAI分享收藏
查看更多内容