From artificial intelligence to artificial mind: A paradigm shift
Notice bibliographique
Résumé
Considering the development of artificial intelligence (AI) in various fields, especially the closeness of its function to the human brain in terms of perception and the understanding of sensory and emotional concepts, it can be concluded that this concept is cognitively evolving toward an artificial mind (AM). This article introduces the concept of AM as a more accurate interpretation of the future of AI. It explores the distinction between intelligence and mind, highlighting the holistic nature of the mind, which includes cognitive, psychological, and emotional dimensions. Various types of intelligence, from rational to emotional, are categorized to emphasize their role in shaping human abilities. The study evaluates the human mind, focusing on cognitive functions, logical thinking, emotional understanding, learning, and creativity. It encourages AI systems to understand contextual, emotional, and subjective aspects and aligns AI with human intelligence through advanced perception and emotional capabilities. The shift from AI to AM has significant implications, transforming work, education, and human–machine collaboration, and promises a future where AI systems integrate advanced perceptual and emotional functions. This narrative guides the conversation around AI terminology, emphasizing the convergence of artificial and human intelligence and acknowledging the social implications. Therefore, the termAMappears to be a more appropriate term thanAI, symbolizing the transformative technological change and its multifaceted impact on society.
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 | 0,011 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,047 |
| Communication savante | 0,016 | 0,023 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,009 | 0,018 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».