論文の概要: Cognitive Argumentation and the Suppression Task

• arxiv url: http://arxiv.org/abs/2002.10149v1
• Date: Mon, 24 Feb 2020 10:30:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-29 03:55:03.210516
• Title: Cognitive Argumentation and the Suppression Task
• Title（参考訳）: 認知的議論と抑制課題
• Authors: Emmanuelle-Anna Dietz Saldanha, Antonis Kakas
• Abstract要約: 本稿では,認知論(Cognitive Argumentation)と呼ばれる新たなフレームワークにおいて,人間の推論をモデル化する上での課題について述べる。 このフレームワークは認知科学における経験的および理論的研究に基づく認知原理に依存しており、AIから計算議論の一般的かつ抽象的な枠組みを適応させる。 我々は、認知論は、人間の条件推論に一貫性があり、認知的に適切なモデルを提供すると論じている。
• 参考スコア（独自算出の注目度）: 1.027974860479791
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the challenge of modeling human reasoning, within a new framework called Cognitive Argumentation. This framework rests on the assumption that human logical reasoning is inherently a process of dialectic argumentation and aims to develop a cognitive model for human reasoning that is computational and implementable. To give logical reasoning a human cognitive form the framework relies on cognitive principles, based on empirical and theoretical work in Cognitive Science, to suitably adapt a general and abstract framework of computational argumentation from AI. The approach of Cognitive Argumentation is evaluated with respect to Byrne's suppression task, where the aim is not only to capture the suppression effect between different groups of people but also to account for the variation of reasoning within each group. Two main cognitive principles are particularly important to capture human conditional reasoning that explain the participants' responses: (i) the interpretation of a condition within a conditional as sufficient and/or necessary and (ii) the mode of reasoning either as predictive or explanatory. We argue that Cognitive Argumentation provides a coherent and cognitively adequate model for human conditional reasoning that allows a natural distinction between definite and plausible conclusions, exhibiting the important characteristics of context-sensitive and defeasible reasoning.
• Abstract（参考訳）: 本稿では,認知的議論(cognitive argumentation)と呼ばれる新しい枠組みの中で,人間の推論をモデル化することの課題について述べる。 この枠組みは、人間の論理的推論は本質的に弁証的議論の過程であり、計算可能で実装可能な人間の推論の認知モデルを開発することを目的としている。 人間の認知形態を論理的推論するために、このフレームワークは認知科学における経験的および理論的研究に基づく認知原理に依存し、AIから計算議論の一般的な抽象的な枠組みを適宜適用する。 認知的議論のアプローチは、バーンの抑圧タスクに関して評価され、その目的は、異なる集団間の抑圧効果を捉えるだけでなく、各集団における推論のばらつきを考慮に入れることである。 2つの主要な認知原則は、参加者の反応を説明する人間の条件推論を捉えるために特に重要である。 (i)条件内条件の十分かつ/または必要と解釈すること 二 予測又は説明としての推論の態様 認知的議論は人間の条件的推論に一貫性と認知的に適切なモデルを提供し、決定的結論と妥当な結論を自然に区別し、文脈に敏感で相容れない推論の重要な特徴を示す。

関連論文リスト

• Conceptual and Unbiased Reasoning in Language Models [98.90677711523645]
  本稿では,抽象的質問に対する概念的推論をモデルに強制する,新しい概念化フレームワークを提案する。 既存の大規模言語モデルは概念的推論では不足しており、様々なベンチマークでは9%から28%に低下している。 ハイレベルな抽象的推論が不偏で一般化可能な意思決定の鍵となるので、モデルがどのように改善できるかについて議論する。
  論文  参考訳（メタデータ） (2024-03-30T00:53:53Z)
• From Heuristic to Analytic: Cognitively Motivated Strategies for Coherent Physical Commonsense Reasoning [66.98861219674039]
  ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。 以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-24T19:46:04Z)
• A Unifying Framework for Learning Argumentation Semantics [50.69905074548764]
  Inductive Logic Programmingアプローチを用いて、抽象的および構造化された議論フレームワークのアクセシビリティセマンティクスを解釈可能な方法で学習する新しいフレームワークを提案する。 提案手法は既存の議論解法よりも優れており,フォーマルな議論や人間と機械の対話の領域において,新たな研究の方向性が開けることになる。
  論文  参考訳（メタデータ） (2023-10-18T20:18:05Z)
• Towards CausalGPT: A Multi-Agent Approach for Faithful Knowledge Reasoning via Promoting Causal Consistency in LLMs [60.244412212130264]
  Causal-Consistency Chain-of-Thoughtは、基礎モデルの忠実さと因果性を強化するために、マルチエージェントコラボレーションを活用する。 我々のフレームワークは、広範囲かつ包括的な評価を通じて、最先端の手法よりも大きな優位性を示す。
  論文  参考訳（メタデータ） (2023-08-23T04:59:21Z)
• Disentangling Reasoning Capabilities from Language Models with Compositional Reasoning Transformers [72.04044221898059]
  ReasonFormerは、人間のモジュール的および構成的推論プロセスを反映するための統一的な推論フレームワークである。 表現モジュール(自動思考)と推論モジュール(制御思考)は、異なるレベルの認知を捉えるために切り離される。 統一された推論フレームワークは、単一のモデルで複数のタスクを解決し、エンドツーエンドでトレーニングされ、推論される。
  論文  参考訳（メタデータ） (2022-10-20T13:39:55Z)
• Towards Unifying Perceptual Reasoning and Logical Reasoning [0.6853165736531939]
  論理学の最近の研究は、論理的推論をベイズ的推論として提示している。 モデルが知覚システムと論理システムに共通する2つの本質的なプロセスを統合することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:32:47Z)
• A Quantitative Symbolic Approach to Individual Human Reasoning [0.0]
  文献から得られた知見を,論理的枠組みの中で認知的原理として定式化され,理論的推論の定量的概念を確立できることを示す。 非単調推論と計算機科学の技法、すなわち、解集合プログラミング(ASP)と呼ばれる解法パラダイムを用いる。 最後に、ASP.NETの可視性推論を使って、既存の実験の効果をテストし、異なる多数派反応を説明できます。
  論文  参考訳（メタデータ） (2022-05-10T16:43:47Z)
• Scientific Explanation and Natural Language: A Unified Epistemological-Linguistic Perspective for Explainable AI [2.7920304852537536]
  本稿では,理論と実践のギャップを科学的説明の概念に埋めることを目的として,科学的領域に焦点を当てた。 定量的および定性的手法の混合により、本研究では以下の主要な結論を導出することができる。
  論文  参考訳（メタデータ） (2022-05-03T22:31:42Z)
• Causal Inference Principles for Reasoning about Commonsense Causality [93.19149325083968]
  コモンセンス因果推論(Commonsense causality reasoning)は、平均的な人によって妥当と見なされる自然言語記述における妥当な原因と影響を特定することを目的としている。 既存の作業は通常、深い言語モデルに全面的に依存しており、共起を混同する可能性がある。 古典的因果原理に触発され,我々はCCRの中心的問題を明確にし,観察研究と自然言語における人間の対象間の類似性を引き出す。 本稿では,時間信号をインシデント・インシデント・インシデント・インシデント・インシデントとして活用する新しいフレームワークであるROCKをReason O(A)bout Commonsense K(C)ausalityに提案する。
  論文  参考訳（メタデータ） (2022-01-31T06:12:39Z)
• A Qualitative Theory of Cognitive Attitudes and their Change [8.417971913040066]
  定性的決定理論の様々な関連概念を表現できることを示した。 また、選択の概念による論理の拡張と、信念変化と欲望変化のための動的作用素による拡張の2つを提示する。
  論文  参考訳（メタデータ） (2021-02-16T10:28:49Z)

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。