Apprentissage de la Complexité du Corps-Cerveau en Robotique Bio-Inspirée
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Comprendre le lien entre la sensorialité et l’acte moteur est à la fois un point de départ et un point d’arrivé pour comprendre la cognition humaine. Le robot est par là-même l’outil idéal pour étudier ces différents aspects. Cela nécessite à la fois de comprendre le niveau microscopique et macroscopique des modèles neuronaux et cérébraux, comprendre la biomécanique du corps et le traitement de l’information fait par les cellules sensorielles et musculaires, ainsi que toute la chaîne de processus pour apprendre, s’adapter dynamiquement face à l’imprévu. Ces questions rebouclent sans cesse dans ma recherche pour définir les mécanismes de l’Intelligence Encorporée.J’y explore trois axes de recherche qui sont la génération du mouvement, le développement cognitif, l’apprentissage sensorimoteur. Il s’agit de comprendre comment le corps est constitué, quelle est sa structure bio-mécanique, comment un système agissant peut apprendre sur le long-terme et arrive à apprendre à apprendre de ses propres actions. Ce qui lie mes recherches est une vision complexe et encorporée de l’intelligence, transversale, dont les mots-clefs sont les processus itératifs, émergents, auto-associatifs, génératifs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,021 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle