درونی سازی زبان و فرهنگ برای هوش مصنوعی اتوتلیک انسان

ساختن عوامل خودمختار که قادر به رشد کارنامه های باز و مهارت در طول زندگی خود هستند ، یک هدف اساسی از هوش مصنوعی (AI) است. یک رویکرد امیدوارکننده توسعه ، طراحی عوامل با انگیزه ذاتی را توصیه می کند که مهارت های جدید را با تولید و دنبال کردن اهداف خود - عوامل اتلیک - یاد می گیرند. اما با وجود پیشرفت های اخیر ، الگوریتم های موجود هنوز هم از نظر تنوع هدف ، اکتشاف ، تعمیم یا ترکیب مهارت محدودیت های جدی را نشان می دهند. این دیدگاه مستلزم غوطه وری عوامل اتوتلیک در جهان های غنی اجتماعی و فرهنگی ، یک ویژگی بسیار مهم از محیط ما است که شناخت انسان را شکل می دهد اما بیشتر در هوش مصنوعی مدرن حذف شده است. ما با الهام از کار اصلی Vygotsky ، ما به عوامل اتوتلیک Vygotskian پیشنهاد می کنیم - نمایندگان قادر به تعامل خود با دیگران و تبدیل آنها به ابزارهای شناختی. ما بر روی زبان تمرکز می کنیم و نشان می دهیم که چگونه ساختار و محتوای اطلاعاتی آن ممکن است از توسعه عملکردهای شناختی جدید در عوامل مصنوعی پشتیبانی کند ، همانطور که در انسان انجام می شود. ما این رویکرد را با کشف چندین نمونه از عملکردهای شناختی مصنوعی جدید ناشی از تعامل بین زبان و تجسم در آثار اخیر در تقاطع یادگیری تقویت عمیق و پردازش زبان طبیعی توجیه می کنیم. با نگاهی به جلو ، ما فرصت ها و چالش های آینده را برای تحقیقات AI AI Vygotskian برجسته می کنیم ، از جمله استفاده از مدل های زبان به عنوان مدلهای فرهنگی که از توسعه شناختی مصنوعی حمایت می کنند.

این پیش نمایش محتوای اشتراک ، دسترسی از طریق موسسه شما است

گزینه های دسترسی

مشترک شدن در ژورنال

به مدت 1 سال دسترسی کامل ژورنال را دریافت کنید

فقط 7،71 € در هر شماره

تمام قیمت ها قیمت خالص هستند. مالیات بر ارزش افزوده بعداً در پرداخت اضافه می شود. محاسبه مالیات در هنگام پرداخت نهایی نهایی می شود.

دسترسی به زمان محدود یا کامل مقاله در ReadCube را دریافت کنید.

تمام قیمت ها قیمت خالص هستند.

شکل 2: سه مؤلفه عوامل اتوتلیک Vygotskian ، یعنی فعل و انفعالات اجتماعی و فرهنگی ، استخراج زبانی و تولید زبانی درونی.

منابع

Sutton ، R. S. & Barto ، A. G. مقدمه ای برای یادگیری تقویت (MIT Press ، 1998).

نقره ، D. و همکاران. تسلط بر بازی Go با شبکه های عصبی عمیق و جستجوی درخت. طبیعت 529 ، 484-489 (2016).

Bellemare ، M. G. et al. ناوبری خودمختار بالن های استراتوسفر با استفاده از یادگیری تقویت. طبیعت 588 ، 77-82 (2020).

DeGrave ، J. و همکاران. کنترل مغناطیسی پلاسماهای توکاماک از طریق یادگیری تقویت عمیق. طبیعت 602 ، 414-419 (2022).

Piaget ، J. منشأ اطلاعات در کودکان (ترجمه. کوک ، م.) (WW Norton ، 1952).

Dautenhahn ، K. & Billard ، A. مطالعه شناخت اجتماعی ربات در یک چارچوب روانشناسی رشد. پروکEurobot 187-194 (IEEE ، 1999).

Colas ، C. ، Karch ، T. ، Sigaud ، O. & Oudeyer ، P.-Y. عوامل اتوتلیک با یادگیری تقویت شده با هدف ذاتی با انگیزه: یک بررسی کوتاه. J. Artif. هوشres74 ، 1159 1199 (2022).

Schaul ، T. ، Horgan ، D. ، Gregor ، K. & Silver ، D. تقریبی عملکرد ارزش جهانی. پروکICML 37 ، 1312-1320 (PMLR ، 2015).

Berlyne ، D. E. کنجکاوی و اکتشاف. علم 153 ، 25-33 (1966).

Kidd ، C. & Hayden ، B. Y. روانشناسی و علوم اعصاب کنجکاوی. نورون 88 ، 449-460 (2015).

Gottlieb ، J. & Ooudeyer ، P.-Y. به سمت یک علوم اعصاب از نمونه گیری فعال و کنجکاوی. نات. روحانی Neurosci. 19 ، 758-770 (2018).

Schmidhuber ، J. سیستم های کنترل مدل سازی کنجکاو. کنفرانس مشترک بین المللی IEEE در شبکه های عصبی 2 ، 1458-1463 (IEEE ، 1991).

Barto ، A. G. & Simsek ، O. انگیزه ذاتی برای سیستم های یادگیری تقویت. پروکسیزدهم کارگاه ییل در مورد سیستم های تطبیقی و یادگیری 113-118 (ییل دانشگاه. Press ، 2005).

اودیر ، P.-Y. ، Kaplan ، F. & Hafner ، V. V. سیستم های انگیزشی ذاتی برای رشد ذهنی خودمختار. معاملات IEEE در محاسبات تکاملی 11 ، 265 286 (IEEE ، 2007).

اودایر ، P.-Y.& Kaplan ، F. انگیزه ذاتی چیست؟نوع شناسی رویکردهای محاسباتی. جلو. Neurorobot. 1 ، 1-6 (2009).

Colas ، C. et al. زبان به عنوان ابزاری شناختی برای تصور اهداف در اکتشافات محور کنجکاوی. پروکNeurips 33 ، 3761-3774 (Curran Associates ، 2020).

Witty ، S. et al. اندازه گیری و توصیف تعمیم در یادگیری تقویت عمیق. کاربردAi Lett. https://doi.org/10. 1002/ail2. 45 (2021).

Shanahan ، M. & Mitchell ، M. Abstraction برای یادگیری تقویت عمیق. پروکIJCAI 31 ، 5588-5596 (2022).

Vygotsky ، L. S. تفکر و زبان (MIT Press ، 1934).

برک ، L. E. چرا کودکان با خودشان صحبت می کنند. علمیصبح. 271 ، 78-83 (1994).

Lupyan ، G. در روانشناسی یادگیری و انگیزه 57 ، 255-297 (ویرایش راس ، ب. H.) (الزویر ، 2012).

Gentner ، D. & Hoyos ، C. قیاس و انتزاع. بالا. شناختعلمی9 ، 672-693 (2017).

Whorf ، B. L. زبان ، اندیشه و واقعیت: نوشته های منتخب Benjamin Le Whorf (ویرایش شده توسط Carroll J. B.) (MIT Press ، 1956).

Rumelhart ، D. E. ، Smolensky ، P. ، McClelland ، J. L. & Hinton ، G. در پردازش موازی توزیع شده: کاوش در ریزساختارهای شناخت (1986).

Lakoff ، G. & Johnson ، M. استعاره ما با آنها زندگی می کنیم (Univ. Chicago Press ، 2008).

Hesse ، M. ادعاهای شناختی استعاره. J. Phlfulative Phil. 2 ، 1-16 (1988).

دنت ، D. C. آگاهی توضیح داد (پنگوئن ، 1993).

Clark ، A. در زبان و اندیشه 162-183 (eds Carruthers ، P. & Boucher ، J.) (Univ. Cambridge Univ. Press ، 1998).

Carruthers ، P. مدولار ، زبان و انعطاف پذیری فکر. رفتار. SCI مغز. 25 ، 705-719 (2002).

Tomasello ، M. منشأ فرهنگی شناخت انسان (دانشگاه هاروارد Univ. Press ، 1999).

Tomasello ، M. ، Carpenter ، M. ، Call ، J. ، Behne ، T. & Moll ، H. درک و اشتراک اهداف: منشأ شناخت فرهنگی. رفتار. SCI مغز. 28 ، 675-691 (2005).

Brewer ، K. ، Pollock ، N. & Wright ، F. V. پرداختن به چالش های تعیین هدف مشترک با کودکان و خانواده های آنها. فیزیکاشغالآنجاکودکان34 ، 138-152 (2014).

Carruthers ، P. & Boucher ، J. Language and Thought (کمبریج دانشگاه مطبوعات ، 1998).

Dove ، G. زبان به عنوان یک فناوری مختل کننده: مفاهیم انتزاعی ، تجسم و ذهن انعطاف پذیر. فیلترانس. R. Soc. B 373 ، 705-719 (2018).

براون ، T. B. و همکاران. مدل های زبانی یادگیرنده های چند عکس هستند. پروکNeurips 33 ، 1877-1901 (2020).

Chowdhery ، A. et al. PALM: مقیاس گذاری مدل سازی زبان با مسیرها. preprint در https://arxiv.org/abs/2204. 02311 (2022).

رادفورد ، A. و همکاران. یادگیری مدل های بصری قابل انتقال از نظارت بر زبان طبیعی. پروکICML 38 ، 8748-8763 (2021). PMLR

Ramesh ، A. ، Dhariwal ، P. ، Nichol ، A. ، Chu ، C. & Chen ، M. Hierarchical Text-Condition تولید تصویر با لباس های کلیپ. preprint در https://arxiv.org/abs/2204. 06125 (2022).

Alayrac ، J.-B. و همکارانFlamingo: یک مدل زبان بصری برای یادگیری چند عکس. پروکNeurips 36 (2022)

Creswell ، A. ، Shanahan ، M. & Higgins ، I. انتخاب انتخاب: بهره برداری از مدل های بزرگ زبان برای استدلال منطقی قابل تفسیر. preprint در https://arxiv.org/abs/2205. 09712 (2022).

West ، P. et al. تقطیر دانش نمادین: از مدل های زبان عمومی گرفته تا مدل های عوام. پروکNAACL 4602-4625 (ACL ، 2022).

هرشکوویچ ، D. و همکاران. چالش ها و استراتژی ها در NLP متقابل فرهنگی. پروکACL 60 ، 6997-7013 (2022). انجمن زبانشناسی رایانه.

Arora ، A. ، Kaffee ، L.-A.& Augenstein ، I. مدل های زبان از قبل آموزش دیده برای تفاوت های متقابل فرهنگی در مقادیر. پروکACL (2022).

Zlatev ، J. اپی ژن معنا در انسان و احتمالاً در روبات ها. Minds Mach 11 ، 155-195 (2001).

Lindblom ، J. & Ziemke ، T. موقعیت اجتماعی هوش طبیعی و مصنوعی: Vygotsky و Beyond. سازگار شدن. رفتار. 11 ، 79-96 (2003).

Mirolli ، M. & Parisi ، D. به سمت یک روباتیک شناختی Vygotskyan: نقش زبان به عنوان یک ابزار شناختی. ایده های جدید روان29 ، 298-311 (2011).

Cangelosi ، A. et al. ادغام عمل و دانش زبان: نقشه راه برای روباتیک توسعه. معاملات IEEE در توسعه ذهنی خودمختار 2 ، 167-195 (2010). IEEE

Jaques ، N. et al. تأثیر اجتماعی به عنوان انگیزه ذاتی برای یادگیری تقویت عمیق چند عامل. پروکICML 36 ، 3040-3049 (2019). PMLR

Sigaud ، O. ، Colas ، C. ، Akakzia ، A. ، Chetouani ، M. & Oudeyer ، P.-Y. به سمت عوامل خودمختار قابل آموزش. preprint در https://arxiv.org/abs/2105. 11977 (2021).

Harari ، Y. N. Sapiens: تاریخچه مختصری از بشر (خانه تصادفی ، 2014).

Vyshedskiy ، A. تکامل زبان به انقلاب: جهش از سیستم ارتباطی غنی از رکابولاری به زبان بازگشتی 70،000 سال پیش با دستیابی به یک مؤلفه جدید تخیل ، به نام سنتز پیشانی همراه بود ، که توسط یک جهش فعال می شود که سرعت پیشانی را کاهش می دهدبلوغ قشر به طور همزمان در دو یا چند کودک - فرضیه رومولوس و رموس. resنتایج ایده ها شماره. 7528 (2019).

گلدبرگ ، A. E. در ظهور زبان 197-212 (ویرایش مک وینی ، ب.) (مطبوعات روانشناسی ، 1999).

Hoffma ، T. Grammar and Creativity Construction: تکامل ، روانشناسی و علوم شناختی. شناختنشانه معده13 (2020).

Chomsky ، N. ساختارهای نحوی (Mouton ، 1957).

Fodor ، J. A. زبان اندیشه (دانشگاه هاروارد Univ. Press ، 1975).

ویتگنشتاین ، L. تحقیقات فلسفی (ویلی ، 1953).

McDowell ، J. Mind and World (دانشگاه هاروارد Univ Press ، 1996).

Sperber ، D. ، Premack ، D. & Premack ، A. J. شناخت علیت: یک بحث چند رشته ای (Clarendon Press ، 1995).

Allen ، C. & Bekoff ، M. گونه های ذهن: فلسفه و زیست شناسی اخلاق شناختی (MIT Press ، 1999).

Waxman ، S. R. & Markow ، D. B. کلمات به عنوان دعوت نامه برای تشکیل دسته ها: شواهدی از نوزادان 12 تا 13 ماهه. شناختروان29 ، 257-302 (1995).

Yoshida ، H. & Smith ، L. B. نمادگرایی صدا و یادگیری کلمات اولیه به دو زبان. در Proc. نشست سالانه انجمن علوم شناختی 25 ، 1287-1292 (2003).

Gentner ، D. & Loewenstein ، J. زبان رابطه ای و تفکر رابطه ای (Erlbaum ، 2002).

Henrich ، J. & McElreath ، R. تکامل تکامل فرهنگی. تحولانسان شناسی12 ، 123-135 (2003).

مورگان ، T. J. و همکاران. شواهد تجربی برای تکامل همزمان آموزش و زبان ساخت ابزار هومینین. نات. ارتباط6 ، 1-8 (2015).

Chopra ، S. ، Tessler ، M. H. & Goodman ، N. D. اولین میل لنگ از سطح فرهنگی: یادگیری و انتقال مفاهیم از طریق زبان. شناختعلمی41 ، 226-232 (2019).

Bruner ، J. اعمال معنا (دانشگاه هاروارد Univ. Press ، 1990).

Carruthers ، P. در زبان و اندیشه 94-120 (eds Carruthers ، P. and Boucher ، J.) (Univ. Cambridge Univ. Press ، 1998).

Lupyan ، G. در مدل سازی زبان ، شناخت و عمل (Eds Cangelosi ، A. et al.) 87-96 (World Scientific ، 2005).

هیل ، F. و همکاران. تعمیم سیستماتیک ظهور در یک عامل واقع شده. پروکICLR 8 (2020).

Jiang ، Y. ، Gu ، S. ، Murphy ، K. & Fi ، C. زبان به عنوان انتزاع برای یادگیری تقویت عمیق سلسله مراتبی. پروکNeurips 32 (Curran Associates ، 2019).

Lynch ، C. & Sermanet ، P. Language Impression Imlaining Impression بیش از داده های بدون ساختار. رباتیک: علوم و سیستم های XVII (2021).

Chevalier-Boisvert ، M. et al. Baby-AI: اولین قدم ها به سمت یادگیری زبان زمینی با یک انسان در حلقه. پروکICLR 7 (2019).

یوان ، X. و همکاران. یادگیری زبان تعاملی با پاسخ به سوال. در Proc. EMNLP 9 ، 2796-22813 (انجمن زبانشناسی محاسباتی ، 2019).

Colas ، C. ، Oudeyer ، P. ، Sigaud ، O. ، Fouier ، P. & Chetouani ، M. کنجکاو: یادگیری تقویت کننده چند گل ماژولار با انگیزه ذات. پروکICML 36 ، 1331 1340 (2019). PMLR

استوک ، A. و همکاران. یادگیری باز منجر به عوامل عموماً توانا می شود. preprint در https://arxiv.org/abs/2107. 12808 (2021).

Bahdanau ، D. et al. یادگیری برای درک مشخصات هدف با مدل سازی پاداش. پروکICLR 7 (2019).

تام ، A. C. و همکاران. اکتشاف معنایی از انتزاع زبان و بازنمودهای پیش ساخته. پروکNeurips ، 36 (2022).

MU ، J. و همکاران. بهبود اکتشافات ذاتی با انتزاع زبان. پروکNeurips ، 36 (2022).

هرمان ، K. M. و همکاران. یادگیری زبان زمینی در یک جهان سه بعدی شبیه سازی شده. preprint در https://arxiv.org/abs/1706. 06551 (2017).

Hill ، F. ، Mokra ، S. ، Wong ، N. & Harley ، T. آموزش انسان با یادگیری تقویت عمیق از طریق انتقال از متن. preprint در https://arxiv.org/abs/2005. 09382 (2020).

Sharma ، P. ، Torralba ، A. & Andreas ، J. القاء مهارت و برنامه ریزی با زبان نهفته. پروکACL 60 ، 1713-1736 (2021). انجمن زبانشناسی محاسباتی.

Karch ، T. ، Teodorescu ، L. ، Hofma ، K. ، Moulin-Frier ، C. & Odower ، P.-Y. زبان فضایی-زمانی با ترانسفورماتورها. پروکNeurips 24 ، 5236-5249 (2021). Curran Associates ، Inc.

Akakzia ، A. ، Colas ، C. ، Oudeyer ، P.-Y. ، Chetouani ، M. & Sigaud ، O. Grounding Language به مهارت های خودمختار از طریق تولید هدف. پروکICLR 9 (2021).

رامش ، A. و همکاران. تولید متن به تصویر به تصویر صفر. preprint در https://arxiv.org/abs/2102. 12092 (2021).

Hermer-Vazquez ، L. زبان ، فضا و توسعه انعطاف پذیری شناختی در انسان: مورد دو وظیفه حافظه مکانی. شناخت 79 ، 263-299 (2001).

Wong ، C. ، Ellis ، K. ، Tenenbaum ، J. B. & Andreas ، J. زبان اهرمی برای یادگیری انتزاع برنامه و جستجوی اکتشافی. پروکICML 38 ، 11193 11204 (2021). PMLR

Chen ، V. ، Gupta ، A. & Marino ، K. از انسانهای خود بپرسید: با استفاده از دستورالعمل های انسانی برای بهبود تعمیم در یادگیری تقویت. پروکICLR 9 (2021).

Mirchandani ، S. ، Karamcheti ، S. & Sadigh ، D. Ella: اکتشاف از طریق انتزاع زبان آموخته. Advaعصبی inf. روند. syst34 ، 29529 29540 (2021).

Shridhar ، M. et al. Alfworld: تراز کردن متن و محیط های تجسم یافته برای یادگیری تعاملی. پروکICLR 9 (2021).

Côté ، M.-A. و همکارانTextWorld: یک محیط یادگیری برای بازی های مبتنی بر متن. بازی های رایانه ای - کارگاه 7 در IJCAI (2018).

داس ، A. و همکاران. پاسخ سوال تجسم یافته. پروکCVPR ، 1-10 (IEEE ، 2018).

Devlin ، J. ، Chang ، M.-W. ، Lee ، K. & Toutanova ، K. Bert: پیش از ترجمه ترانسفورماتورهای دو طرفه عمیق برای درک زبان. پروکNAACL 4171-4186 (انجمن زبانشناسی محاسباتی ، 2019).

Huang ، W. ، Abbeel ، P. ، Pathak ، D. & Mordatch ، I. مدل های زبان به عنوان برنامه ریزان صفر-استخراج دانش عملی برای عوامل تجسم یافته. پروکICML 39 ، 9118-9147 (2022). PMLR

Ahn ، M. et al. همانطور که می توانم انجام دهید ، نه همانطور که می گویم: زبان زمینی در هزینه های روباتیک. preprint در https://arxiv.org/abs/2204. 01691 (2022).

فن ، L. و همکاران. MINEDOJO: ساخت عوامل مجسم باز با دانش در مقیاس اینترنتی. پروکAAAI (2022).

Zeng ، A. et al. مدل های سقراطی: آهنگسازی استدلال مولتییمال صفر با زبان. preprint در https://arxiv.org/abs/2204. 00598 (2022).

McClelland ، J. L. et al. اجازه می دهد ساختار ظهور شود: رویکردهای سیستم های اتصال دهنده و دینامیکی به شناخت. روندها شناختعلمی14 ، 348-356 (2010).

Santoro ، A. ، Lampinen ، A. ، Mathewson ، K. ، Lillicrap ، T. & Raposo ، D. رفتار نمادین در هوش مصنوعی. preprint در https://arxiv.org/abs/2102. 03406 (2021).

Cideron ، G. ، Seurin ، M. ، Strub ، F. & Pietquin ، O. بالاتر: بهبود دستورالعمل های زیر با نسل عقب برای پخش مجدد تجربه. در سری سمپوزیوم IEEE در زمینه هوش محاسباتی 225-232 (IEEE ، 2020).

Zhou ، L. & Small ، K. یادگیری تقویت معکوس با اهداف زبان طبیعی. پروکAAAI 35 ، 11116 11124 (2021).

Nguyen ، K. ، Misra ، D. ، Schapire ، R. ، Dudík ، M. & Shafto ، P. یادگیری تعاملی از توضیحات فعالیت. پروکICML 38 ، 8096-8108 (2021). PMLR

یان ، C. و همکاران. گفتار داخل آژانس اجازه دستیابی به کار صفر را می دهد. پروکNeurips 36 (2022).

Andrychowicz ، M. et al. پخش مجدد تجربه. پروکNeurips (2017).

Dayan ، P. & Hinton ، G. E. Leaing Revorcement Feudal. پیشرفت های عصبی را پیشرفت می کند. روند. syst5 ، 271 278 (1993).

Sutton ، R. S. ، Precup ، D. & Singh ، S. بین MDP ها و نیمه MDP ها: چارچوبی برای انتزاع زمانی در یادگیری تقویت. Artifهوش112 ، 181-211 (1999).

Lampinen ، A. K. et al. به من بگویید که چرا! explanations از یادگیری ساختار رابطه ای و علّی پشتیبانی می کند. پروکICML 39 ، 11868 11890 (2022). PMLR

نیر ، A. و همکاران. یادگیری تقویت بصری با اهداف تخیل. پروکNeurips 31 (Curran Associates ، Inc. 2018).

Runco ، M. A. & Jaeger ، G. J. تعریف استاندارد خلاقیت. ایجادresJ. 24 ، 92-96 (2012).

شاه ، D. S. ، شوارتز ، H. A. و Hovy ، D. تعصبات پیش بینی کننده در مدل های پردازش زبان طبیعی: یک چارچوب مفهومی و نمای کلی. در Proc. 58 مین نشست سالانه انجمن زبانشناسی محاسباتی 5248-5264 (انجمن زبان شناسی محاسباتی ، 2020).

Liang ، P. P. ، Wu ، C. ، Morency ، L.-P.& Salakhutdinov ، R. به سمت درک و کاهش تعصبات اجتماعی در مدل های زبان. 38 مین کنفرانس بین المللی یادگیری ماشین ، Proc. تحقیقات یادگیری ماشین جلد. 139 (eds Meila ، M. & Zhang ، T.) 6565-6576 (PMLR ، 2021).

Weidinger ، L. et al. خطرات اخلاقی و اجتماعی آسیب از مدل های زبان. preprint در https://arxiv.org/abs/2112. 04359 (2021).

Bender ، E. M. ، Gebru ، T. ، McMillan-Major ، A. & Shmitchell ، S. در مورد خطرات طوطی های تصادفی: آیا مدل های زبان می توانند خیلی بزرگ باشند؟در Proc. 2021 کنفرانس ACM در مورد انصاف ، پاسخگویی و شفافیت ، 610-623 (انجمن ماشین آلات محاسباتی ، 2021).

Bonawitz ، E. et al. شمشیر دو لبه آموزش و پرورش: دستورالعمل اکتشاف و کشف خود به خود را محدود می کند. شناخت 120 ، 322-330 (2011).

بیسک ، ی. و همکاران. زبان زمینه را تجربه کنید. در Proc. EMNLP ، 8718-8735 (انجمن زبانشناسی محاسباتی ، 2020).

Tomasello ، M. تبدیل شدن به انسان - تئوری اینتوژنی (دانشگاه هاروارد دانشگاه ، 2019).

Vélez ، N. & Gweon ، H. یادگیری از ذهن دیگر: یک انتقاد خوش بینانه از مدل های یادگیری تقویت کننده یادگیری اجتماعی. curr. نظراترفتار. علمی38 ، 110 115 (2021).

الیوت ، E. M. و همکاران. تکثیر مستقیم Multilab از Flavell ، Beach و Chinsky (1966): تمرین کلامی خود به خود در یک کار حافظه به عنوان تابعی از سن. مشاورروشهای عملیروانعلمی4 ، 1-20 (2021).

Atance ، C. M. تفکر آینده در کودکان خردسال. curr. دیرروانعلمی17 ، 295-298 (2008).

سپاسگزاریها

ما از O. Sigaud بخاطر بازخورد مفید وی تشکر می کنیم. C. C. و T. K. تا حدی توسط Ministère des Armées فرانسوی تأمین می شود - Direction Générale de L'Arment. C. M.-F. تا حدی توسط منشأ اکتشافی Inria (https://www.inria. fr/en/origins) و همچنین آژانس تحقیقاتی ملی فرانسه تأمین می شود (https://anr. fr/ ، پروژه اکوکورل ، Grant anr-20-CE23-0006).

اطلاعات نویسنده

این نویسندگان به طور مساوی مشارکت داشتند: Cédric Colas ، Tristan Karch.

نویسندگان و وابستگی ها

Inria Bordeaux-Sud-Ouest ، Talence ، France

Cédric Colas ، Tristan Karch ، Clément Moulin-Frier & Pier-Yves Oudeyer

Université de Bordeaux ، Talence ، فرانسه

Ensta Paris ، Palaiseau ، فرانسه

Clément Moulin-Frier & Pier-Yves Oudeyer

تحقیقات مایکروسافت ، مونترال ، کانادا

1. کلوس

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

همچنین می توانید این نویسنده را در PubMed Google Scholar جستجو کنید

نویسنده متناظر

اعلامیه های اخلاق

منافع رقابتی

نویسندگان اظهار کردند که هیچ علاقه ای به رقابت ندارند.

بررسی دقیق

اطلاعات بررسی همسالان

اطلاعات اطلاعاتی دستگاه طبیعت از اندرو لمپینن ، تام زیمکه و دیگری ، ناشناس ، داور (ها) بخاطر سهم خود در بررسی همسالان این کار تشکر می کنم.

اطلاعات اضافی

طبیعت یادداشت ناشر با توجه به ادعاهای حوزه قضایی در نقشه های منتشر شده و وابستگی های نهادی ، بی طرف است.

حقوق و مجوزها

Springer Nature یا مجوز آن (به عنوان مثال یک جامعه یا شریک دیگر) طبق توافق نامه انتشار با نویسنده (ها) یا سایر حق (های) حقوقی ، حق این مقاله را در اختیار دارد. نویسنده خود معماری از نسخه خطی پذیرفته شده این مقاله صرفاً با شرایط چنین توافق نامه انتشار و قانون قابل اجرا اداره می شود.

در مورد این مقاله

این مقاله را ذکر کنید

Colas ، C. ، Karch ، T. ، Moulin-Frier ، C. et al. درونی سازی زبان و فرهنگ برای هوش مصنوعی اتوتلیک انسان. Nat Mach Intll 4 ، 1068-1076 (2022). https://doi.org/10. 1038/S42256-022-00591-4

دریافت: 02 ژوئن 2022

پذیرفته شده: 09 نوامبر 2022

منتشر شده: 20 دسامبر 2022

تاریخ صدور: دسامبر 2022

این مقاله را به اشتراک بگذارید

هرکسی که لینک زیر را با آن به اشتراک بگذارید ، قادر به خواندن این محتوا خواهد بود: < Pan> Springer Nature یا مجوز آن (به عنوان مثال یک جامعه یا شریک دیگر) طبق توافق نامه انتشار با نویسنده (ها) یا سایر افراد حقوقی ، حقوق انحصاری این مقاله را در اختیار دارد.(ها) ؛نویسنده خود معماری از نسخه خطی پذیرفته شده این مقاله صرفاً با شرایط چنین توافق نامه انتشار و قانون قابل اجرا اداره می شود.