Breakthroughs in Cognitive Robots and AI Programming Underpinned by Discoveries in Intelligence Science and Software Science
Notice bibliographique
Résumé
Breakthroughs of basic research in Intelligence Science (IS) [1], [2], [3], [4], [5], [6], [7], [8], [9], [10], [11], [12], [13], Cognitive Computing (CC) [14], [15], [16], [17], [18], [19], [20], [21], [22], [22], [23], [24], [25], [26], and Cognitive Informatics (CI) [27], [28], [29], [30], [31], [32], [33], [34], [35], [36], [37], [38], have triggered the emergence of Cognitive Robots (CR) [39], [40], [41], [42], [43], [44], [45], [46], [47], [48], [49] towards software science (SS) [50], [51], [52], [53], [54], [55] and autonomous software engineering (SE) [56], [57], [58], [59], [60], [61], [62], [63], [64], [65], [66]. These latest advances have enabled the synergy of classical pre-programmed software engineering and pre-trained AI to an unprecedented platform of training-free machine intelligence generation mimicking human brains and Brain-Inspired Systems (BIS) [67], [68], [69], [70], [71], [72], [73], [74]. It is discovered in IS and CC in general, as well as in CR and SE in particular, that the target entities across these contemporary fields had already out of the denotational power of the classic mathematical domains of real (R) and binary (B) numbers [76]. This leads to the latest discovery that the basic unit of human knowledge as a hyperstructure [50] is a binary relation (bir) [74]. Therefore, a new framework of Intelligence Mathematics (IM) [75], [76], [77], [78], [79], [80], [81], [82], [83], [84], [85], [86], [87], [88], [89], [90], [91], [92], [93], [94], [95], [96], [97], [98], [99], [100] has been created for rigorously manipulating the cognitive entities in the brain and CRs spanning from formal concepts, semantics, knowledge, causalities, inferences, and consciousness by contemporary IMs for advancing both AI [1], [2], [3] and SE [56], [58]. This keynote lecture presents fundamental theories and ground-breaking technologies for designing and implementing cognitive robots based on AI Programming (AIP) [101], [102], [103], [104], and Autonomous Intelligence Generation (AIG) methodologies [105], [106] beyond classic reflexive neural networks and imperative programming platforms. The latest advances have paved a new way for cognitive computing and autonomous software generation, which put the house before the cart for the software and AI industries [51], [56]. The keynote will demonstrate disruptive technologies encompassing autonomous systems, cognitive robots, real-time autonomous learning, and trustworthy systems for symbiotic human-machine applications [107], [108], [109], [110], [111], [112], [113], [114], [115], [116], [117], [118], [119], [120], [121], [122], [123], [124], [125], [126].
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,016 |
| Communication savante | 0,006 | 0,015 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».