Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

The Global Latent Workspace: towards AI models of flexible cognition

Descrizione del progetto

Un’architettura basata sull’intelligenza artificiale per una cognizione solida e flessibile

I progressi nell’apprendimento profondo hanno permesso all’intelligenza artificiale (IA) di raggiungere prestazioni di livello umano in varie mansioni di ambito sensoriale, percettivo, linguistico e cognitivo. Tuttavia, per consentire una cognizione più solida e flessibile sono necessarie architetture cognitive innovative che prendano ispirazione dal cervello umano. La teoria dello spazio di lavoro globale (GWT, Global Workspace Theory) è un’architettura cognitiva in grado di spiegare qualitativamente i processi che si svolgono in maniera conscia e inconscia. In questo contesto, il progetto GLoW, finanziato dal CER, si propone di sviluppare una tabella di marcia mediante l’impiego della traduzione neurale non supervisionata su più spazi latenti, dando vita a un quadro unico e amodale di spazio di lavoro globale latente, che sarà implementato direttamente in modelli di apprendimento profondo di crescente complessità. Il progetto valuterà inoltre la correlazione tra il quadro concepito e le reti cerebrali.

Obiettivo

Recent advances in deep learning have allowed Artificial Intelligence (AI) to reach human-level performance in many sensory, perceptual, linguistic or cognitive tasks. There is a growing need, however, for novel, brain-inspired cognitive architectures to achieve more robust and flexible cognition. The Global Workspace Theory refers to a large-scale system integrating and distributing information among networks of specialized modules to create higher-level forms of cognition and awareness. It is one of the dominant neuroscientific accounts of higher-level brain function. We argue that the time is ripe to consider explicit implementations of this theory using deep learning techniques. We propose a roadmap based on unsupervised neural translation between multiple latent spaces (neural networks trained for distinct tasks, on distinct sensory inputs and/or modalities) to create a unique, amodal global latent workspace (GLW). Sensory inputs that are broadcast in this GLW acquire meaning by connecting them to (or translating them into) the relevant semantic knowledge and representations from language, memory or decision systems: the semantic grounding property. Conversely, language and semantic representations are grounded in the sensory environment via the same broadcast/translation operation. Finally, broadcasting sensory and semantic inputs to the relevant effector domains can create motor affordances and support embodied cognition. Together, the grounding and affordance properties infuse meaning in AI processes, which can then be combined sequentially (via attentional selection) to enable flexible cognitive functionsi.e. System-2 AI. The interdisciplinary project will directly implement the GLW framework in deep learning models of growing complexity, and evaluate their correspondence with brain networks. It will provide an explicit evaluation of the Global Workspace Theory, and push the limits of current deep learning systems towards next-generation AI.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-ERC - HORIZON ERC Grants

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) ERC-2022-ADG

Vedi tutti i progetti finanziati nell’ambito del bando

Istituzione ospitante

CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE CNRS
Contributo netto dell'UE
€ 2 499 366,00
Indirizzo
RUE MICHEL ANGE 3
75794 Paris
Francia
Regione
Ile-de-France Ile-de-France Paris
Tipo di attività
Research Organisations
Collegamenti
Costo totale
€ 2 499 366,00

Beneficiari (1)