Aprender a predecir requiere información integrada

Resumen

Explorar cómo la Teoría de la Información Integrada cuantifica la consciencia en redes neuronales y su relación con la inteligencia incorporada y el aprendizaje predictivo en agentes de inteligencia artificial.

Programa de estudio

• Introducción a la Teoría de la Información Integrada (IIT)
Visión general de las teorías de la conciencia
Contexto histórico y desarrollo de la IIT
Principios fundamentales de la IIT
• Cuantificación de la conciencia en redes neuronales
Métricas y medidas en la IIT
Aplicaciones prácticas de la IIT en IA
Estudios de caso: Niveles de conciencia en sistemas neuronales
• Inteligencia encarnada
Definición y componentes de la IA encarnada
Interacciones entre cuerpo, entorno y mente
Estudios de caso: Agentes encarnados en escenarios del mundo real
• Aprendizaje predictivo en agentes de IA
Comprensión del codificado predictivo en IA
Modelos y algoritmos para la predicción
Aplicaciones en varios dominios de IA
• Integración de IIT con inteligencia encarnada
Sinergias entre IIT y IA encarnada
Habilidades predictivas mejoradas a través de la información integrada
Estudios de caso: Implementación de IIT en sistemas de IA encarnada
• Implementación práctica
Herramientas y marcos para modelar IIT
Diseño de experimentos para medir información integrada
Desafíos y soluciones en aplicaciones del mundo real
• Direcciones futuras y consideraciones éticas
Tendencias emergentes en información integrada e IA
Implicaciones éticas de la IA consciente
Oportunidades de investigación futura y preguntas abiertas

Asignaturas

Charlas de Conferencia