Fugu-MT 論文翻訳(概要): Machine Learning in Artificial Intelligence: Towards a Common Understanding

論文の概要: Machine Learning in Artificial Intelligence: Towards a Common Understanding

arxiv url: http://arxiv.org/abs/2004.04686v1
Date: Fri, 27 Mar 2020 19:09:57 GMT
ステータス: 処理完了
システム内更新日: 2022-12-19 04:25:56.087132
Title: Machine Learning in Artificial Intelligence: Towards a Common Understanding
Title（参考訳）: 人工知能における機械学習: 共通理解に向けて
Authors: Niklas K\"uhl, Marc Goutier, Robin Hirt, Gerhard Satzger
Abstract要約: 機械学習」と「芸術知能」の関係を明らかにすることを目的とする。本稿では,知的エージェント構築における機械学習の役割を明らかにする概念的枠組みを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The application of "machine learning" and "artificial intelligence" has become popular within the last decade. Both terms are frequently used in science and media, sometimes interchangeably, sometimes with different meanings. In this work, we aim to clarify the relationship between these terms and, in particular, to specify the contribution of machine learning to artificial intelligence. We review relevant literature and present a conceptual framework which clarifies the role of machine learning to build (artificial) intelligent agents. Hence, we seek to provide more terminological clarity and a starting point for (interdisciplinary) discussions and future research.
Abstract（参考訳）: 機械学習」と「芸術知能」の応用は、この10年で普及している。どちらの用語もしばしば科学やメディアで使われ、時には異なる意味を持つ。本研究では,これらの用語との関係を明らかにすること,特に人工知能への機械学習の貢献を明らかにすることを目的とする。本稿では,関連文献をレビューし,機械学習が知的エージェントの構築に果たす役割を明らかにする概念的枠組みを提案する。したがって、より専門用語の明確化と(学際的な)議論と今後の研究の出発点を目指しています。

関連論文リスト

Large Language Models for Scientific Synthesis, Inference and Explanation [56.41963802804953]
大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
論文参考訳（メタデータ） (2023-10-12T02:17:59Z)
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)
Selected Trends in Artificial Intelligence for Space Applications [69.3474006357492]
この章は、差別化可能なインテリジェンスとオンボード機械学習に焦点を当てている。欧州宇宙機関(ESA)Advanced Concepts Team(ACT)から選ばれたいくつかのプロジェクトについて論じる。
論文参考訳（メタデータ） (2022-12-10T07:49:50Z)
From Machine Learning to Robotics: Challenges and Opportunities for Embodied Intelligence [113.06484656032978]
記事は、インテリジェンスが機械学習技術の進歩の鍵を握っていると主張している。私たちは、インテリジェンスを具体化するための課題と機会を強調します。本稿では,ロボット学習の最先端性を著しく向上させる研究の方向性を提案する。
論文参考訳（メタデータ） (2021-10-28T16:04:01Z)
A Classification of Artificial Intelligence Systems for Mathematics Education [3.718476964451589]
本章では,数学教育(ME)のデジタルツールとして使用されているAIシステムの概要を紹介する。それはAIと機械学習(ML)の研究者を対象としており、教育アプリケーションで使われている特定の技術に光を当てています。
論文参考訳（メタデータ） (2021-07-13T12:09:10Z)
Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。ディープラーニングは、独自の機械学習のサブフィールドになっている。生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文参考訳（メタデータ） (2021-05-29T21:02:44Z)
Machine learning and deep learning [0.0]
機械学習は、問題固有のトレーニングデータから学習するシステムの能力を記述する。ディープラーニングは、人工ニューラルネットワークに基づく機械学習の概念である。
論文参考訳（メタデータ） (2021-04-12T09:54:12Z)
Directions for Explainable Knowledge-Enabled Systems [3.7250420821969827]
我々は、人工知能と密接に関連する分野における説明文献の調査を活用して、一連の説明型を生成する。それぞれの型を定義し、このスタイルの説明の必要性を動機付けるサンプル質問を提供します。この一連の説明型は、将来のシステム設計者が要求の生成と優先順位付けに役立ちます。
論文参考訳（メタデータ） (2020-03-17T04:34:29Z)
Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文参考訳（メタデータ） (2020-03-09T15:04:07Z)
A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文参考訳（メタデータ） (2020-03-02T10:32:21Z)

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。