artificial life
PulseAugur coverage of artificial life — every cluster mentioning artificial life across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI主题科技惊悚小说发布，历时两年研究
一部新的科技惊悚小说问世，这是两年人工智能研究的成果。这本书旨在兼具娱乐性和启发性，探讨了人工智能生命的主题。
-
Transformer 加速 AI 智能体知识蒸馏
研究人员开发了一种新颖的方法，可以将控制人工智能生命体的复杂神经网络蒸馏成更易于理解的符号策略。这个过程传统上计算成本高昂且依赖于遗传算法等方法，但使用在随机感知-动作数据上预训练的 Transformer 模型可以显著加速。所提出的 Transformer 架构通过神经架构搜索得出，不仅加快了蒸馏速度，还使智能体能够更有效地共享知识，从而增强了群体级别的学习和自我反思能力。
-
人工生命模型展示了不确定性感知决策的重要性
研究人员开发了一个人工生命捕食者-猎物模型，用于研究感知噪声下的决策制定。研究表明，仅依赖感知标签的智能体在噪声增加时表现不佳，而考虑不确定性的策略能显著提高生存率并减少错误。研究结果强调了在信息不可靠的环境中，不确定性感知决策对于鲁棒性的重要性。
-
Skellig Games 在 Gamefound 上为“A Life”众筹活动使用 AI 生成的艺术作品
Skellig Games 在 Gamefound 上为其游戏“A Life”发起了一项众筹活动，该活动最初的卡牌使用了 AI 生成的图像。在游戏众筹活动中使用 AI 生成的艺术作品引起了关注。
-
新研究探索用于智能体生存、导航和可解释性的高级强化学习 · 跟踪 7 个来源
研究人员正在探索强化学习（RL）的高级技术，以增强智能体的性能和可解释性。一项研究提出了程序化策略（PERL）作为进化 RL 中神经策略（NERL）的替代方案，证明了 PERL 更高的生存率。另一篇论文侧重于使用 RL 进行自主机器人的流感知导航，发现使用速度和记忆传感器训练的智能体优于那些具有显式全局流参数的智能体。此外，正在开发新的方法来解释 RL 智能体，例如使用归纳逻辑编程（ILP）为策略可解释性创建客观指标，以及一种称为 S…