西尔维斯特萨巴蒂尔
会议由 Silvester Sabathiel 在 SEMF 的 2021 Numerous Numerosity 研讨会中提供：https://semf.org.es/numerosity/

抽象的
人工智能的兴起增加了更好地理解支配数学认知的机制的机会。 机器学习系统已被广泛研究以学习如何求解微分方程、代数问题和积分，或证明复杂的定理。 输入和输出是预处理符号。 为了找到在泛化能力和应用数学之外的数学概念的能力方面与人类相媲美的认知机制，可能需要一种扎根的方法。 重要的是从人类早年获得的基本数学概念开始，并在多模式和交互式环境中学习它们。 本次演讲将研究此类框架中的人工网络系统如何提供受控环境，以揭示可能的认知机制，这些机制负责直观的数字感知或文化习得的概念，例如计数。 在讨论我自己的贡献之前，我们将首先回顾过去的一些最重要的研究发现。 然后我们可以讨论数字认知领域未来的挑战，以及这项研究可以采取的方向。

萨巴蒂尔西尔维斯特
NTNU 特隆赫姆。
个人网站：http://silsab.com
NTNU 简介：https://www.ntnu.edu/employees/silvester.sabathiel。
ResearchGate：https://www.researchgate.net/profile/Silvester-Sabathiel-3
领英：https://www.linkedin.com/in/silvester-sabathiel-03368b117

SEMF网络
网站：https://semf.org.es。
推特：https://twitter.com/semf_nexus。
领英：https://www.linkedin.com/company/semf-nexus。
Instagram：https://www.instagram.com/semf.nexus。
脸书：https://www.facebook.com/semf.nexus

来源和详细信息：