論文の概要: A Road Map to Strong Intelligence
- arxiv url: http://arxiv.org/abs/2002.09044v1
- Date: Thu, 20 Feb 2020 22:22:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 07:17:33.815344
- Title: A Road Map to Strong Intelligence
- Title（参考訳）: 強力な知性への道のり
- Authors: Philip Paquette
- Abstract要約: テクノロジーは人々の生活を本当に改善できるので、私はこの記事を書いた。それを使えば、私たちは健康な体に長く住み、効率と自動化を向上し、より良い意思決定をすることができる。
次のレベルに達するには、より広い視点からインテリジェンスに注目し始め、国際学際的なコラボレーションを促進する必要があります。
- 参考スコア（独自算出の注目度）: 0.5076419064097734
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: I wrote this paper because technology can really improve people's lives. With
it, we can live longer in a healthy body, save time through increased
efficiency and automation, and make better decisions. To get to the next level,
we need to start looking at intelligence from a much broader perspective, and
promote international interdisciplinary collaborations. Section 1 of this paper
delves into sociology and social psychology to explain that the mechanisms
underlying intelligence are inherently social. Section 2 proposes a method to
classify intelligence, and describes the differences between weak and strong
intelligence. Section 3 examines the Chinese Room argument from a different
perspective. It demonstrates that a Turing-complete machine cannot have strong
intelligence, and considers the modifications necessary for a computer to be
intelligent and have understanding. Section 4 argues that the existential risk
caused by the technological explosion of a single agent should not be of
serious concern. Section 5 looks at the AI control problem and argues that it
is impossible to build a super-intelligent machine that will do what it
creators want. By using insights from biology, it also proposes a solution to
the control problem. Section 6 discusses some of the implications of strong
intelligence. Section 7 lists the main challenges with deep learning, and
asserts that radical changes will be required to reach strong intelligence.
Section 8 examines a neuroscience framework that could help explain how a
cortical column works. Section 9 lays out the broad strokes of a road map
towards strong intelligence. Finally, section 10 analyzes the impacts and the
challenges of greater intelligence.
- Abstract（参考訳）: 私はこの論文を書いた。テクノロジーは人々の生活を本当に改善できるからだ。
それによって、私たちは健康な体の中で長生きし、効率と自動化を増すことによって時間を節約し、より良い決定を下すことができます。
次のレベルに達するには、より広い視点からインテリジェンスに注目し始め、国際学際的なコラボレーションを促進する必要があります。
この論文の第1節では、社会学と社会心理学を掘り下げ、知性に根ざしたメカニズムが本質的に社会的であることを説明する。
第2節ではインテリジェンスを分類する方法を提案し、弱いインテリジェンスと強いインテリジェンスの違いを説明する。
第3節では、中国室論争を異なる観点から検討する。
チューリング完全機械は強力な知性を持つことができないことを示し、コンピュータが知性を持ち理解するために必要な修正を考える。
第4節では、単一のエージェントの技術的爆発によって引き起こされる存在リスクは深刻な問題ではないと主張している。
第5節はAI制御の問題に注目し、創造者が望むことをする超知能マシンを構築することは不可能であると主張している。
生物学からの洞察を用いて、制御問題に対する解決策を提案する。
第6節では、強い知性の意味について論じている。
第7節では、ディープラーニングの主な課題をリストアップし、強力な知性に到達するためには急進的な変化が必要であると主張している。
第8節では、皮質柱の動作を説明するのに役立つ神経科学の枠組みについて検討している。
第9節は、強力な知性に向けた道路地図の広いストロークをレイアウトする。
最後に、セクション10は、より大きなインテリジェンスの影響と課題を分析する。
関連論文リスト
- Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
AIシステムは知恵を欠いている。
AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。
メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - On a Functional Definition of Intelligence [0.0]
合意されたインテリジェンスの定義がなければ、"このシステムはインテリジェントか?
知性(intelligence)とは、哲学、心理学、認知科学の分野である。
我々は、その知性が実際に達成される方法とは異なる、純粋に機能的でブラックボックスな知性の定義について論じる。
論文 参考訳（メタデータ） (2023-12-15T05:46:49Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - A Theory of Intelligences [0.0]
私は物理学から生物学、人間、AIに至るまで、あらゆるシステムに適用可能なフレームワークを開発しています。
インテリジェンスとその構成要素に関する一般的な方程式と、インテリジェンス特性の進化のための単純な表現について述べる。
論文 参考訳（メタデータ） (2023-08-23T20:18:43Z) - A Review on Objective-Driven Artificial Intelligence [0.0]
人間は、コミュニケーションにおける文脈、ニュアンス、微妙な手がかりを理解する能力を持っている。
人間は、世界に関する論理的推論と予測を行うのに役立つ、常識的な知識の広大なリポジトリを持っています。
機械はこの本質的な理解に欠けており、人間が自明に感じる状況を理解するのに苦労することが多い。
論文 参考訳（メタデータ） (2023-08-20T02:07:42Z) - Bridging the Gap between Artificial Intelligence and Artificial General
Intelligence: A Ten Commandment Framework for Human-Like Intelligence [2.360534864805446]
我々は、人間の知性が体系的かつ階層的に構築される10の戒律を識別する。
これらの命令は、高次の認知と知性の出現に繋がる重要な要素として、まとめて機能すると考えています。
論文 参考訳（メタデータ） (2022-10-17T19:08:15Z) - A World-Self Model Towards Understanding Intelligence [0.0]
我々は、人間と人工知能を比較し、人間の知性の特定の側面が認識と認知を結びつける鍵である、と提案する。
我々は、より広範な概念、新しいモデルのWSM(World-Self Model)の原理と数学的枠組み、そして最後にWSMに基づいた統合されたインテリジェンス・フレームワークを提示する。
論文 参考訳（メタデータ） (2022-03-25T16:42:23Z) - Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。
この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。
これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
論文 参考訳（メタデータ） (2020-11-30T18:29:25Z) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳（メタデータ） (2020-08-07T21:00:13Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。