論文の概要: A Rate-Distortion view of human pragmatic reasoning

• arxiv url: http://arxiv.org/abs/2005.06641v1
• Date: Wed, 13 May 2020 22:04:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-03 10:06:31.487897
• Title: A Rate-Distortion view of human pragmatic reasoning
• Title（参考訳）: 人間の実践的推論の速度歪曲的視点
• Authors: Noga Zaslavsky, Jennifer Hu, Roger P. Levy
• Abstract要約: 本稿では,Rational Speech Act (RSA) フレームワークの新たな分析法を提案する。 我々は,RSAが期待されるユーティリティとコミュニケーションのトレードオフを最適化するために,交互に実施していることを示す。 この研究はRSAモデルの数学的理解をさらに深め、一般的な情報理論の原理が人間の実践的推論を引き起こす可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 3.9425618017443322
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: What computational principles underlie human pragmatic reasoning? A prominent approach to pragmatics is the Rational Speech Act (RSA) framework, which formulates pragmatic reasoning as probabilistic speakers and listeners recursively reasoning about each other. While RSA enjoys broad empirical support, it is not yet clear whether the dynamics of such recursive reasoning may be governed by a general optimization principle. Here, we present a novel analysis of the RSA framework that addresses this question. First, we show that RSA recursion implements an alternating maximization for optimizing a tradeoff between expected utility and communicative effort. On that basis, we study the dynamics of RSA recursion and disconfirm the conjecture that expected utility is guaranteed to improve with recursion depth. Second, we show that RSA can be grounded in Rate-Distortion theory, while maintaining a similar ability to account for human behavior and avoiding a bias of RSA toward random utterance production. This work furthers the mathematical understanding of RSA models, and suggests that general information-theoretic principles may give rise to human pragmatic reasoning.
• Abstract（参考訳）: 人間の実践的推論の根底にある計算原理は何か? プラグマティクスに対する顕著なアプローチはラショナル音声法(RSA)フレームワークであり、これは確率的話者とリスナーが互いに再帰的に推論するものとして実用的推論を定式化したものである。 RSAは広範な経験的支援を享受しているが、そのような再帰的推論の力学が一般的な最適化原理によって支配されるかどうかはまだ明らかになっていない。 本稿では,この問題に対するrsaフレームワークの新たな分析について述べる。 まず、RSA再帰は、期待されるユーティリティと通信労力のトレードオフを最適化するために、交互に最大化を実装していることを示す。 そこで本研究では,rsa再帰のダイナミクスを考察し,再帰深さで実用性が向上することが保証されていると推測した。 第2に、RSAは人間の行動を考慮したり、ランダムな発話生成に対するRSAの偏見を回避したりしながら、レート・歪曲理論に基礎を置くことができることを示す。 この研究はrsaモデルの数学的理解をさらに深め、一般的な情報理論の原理が人間の実用的推論を引き起こす可能性を示唆している。

関連論文リスト

• The Foundations of Tokenization: Statistical and Computational Concerns [51.370165245628975]
  トークン化は、NLPパイプラインにおける重要なステップである。 NLPにおける標準表現法としての重要性は認識されているが、トークン化の理論的基盤はまだ完全には理解されていない。 本稿では,トークン化モデルの表現と解析のための統一的な形式的枠組みを提案することによって,この理論的ギャップに対処することに貢献している。
  論文  参考訳（メタデータ） (2024-07-16T11:12:28Z)
• Understanding Reasoning Ability of Language Models From the Perspective of Reasoning Paths Aggregation [110.71955853831707]
  我々は、LMを、事前学習時に見られる間接的推論経路を集約することで、新たな結論を導出すると考えている。 我々は、推論経路を知識/推論グラフ上のランダムウォークパスとして定式化する。 複数のKGおよびCoTデータセットの実験と分析により、ランダムウォークパスに対するトレーニングの効果が明らかにされた。
  論文  参考訳（メタデータ） (2024-02-05T18:25:51Z)
• A Simple Generative Model of Logical Reasoning and Statistical Learning [0.6853165736531939]
  統計的学習と論理的推論は、AIの2つの主要な分野であり、人間のようなマシンインテリジェンスに統一されることが期待されている。 本稿では、論理的推論と統計的学習の単純なベイズモデルを提案する。 我々は、形式論理におけるその満足度の観点から、データがどのように象徴的知識を引き起こすかをモデル化する。
  論文  参考訳（メタデータ） (2023-05-18T16:34:51Z)
• Pragmatic Reasoning in Structured Signaling Games [2.28438857884398]
  本稿では,従来のシグナリングゲームの拡張である構造化シグナリングゲームを紹介する。 意味表現の上にsRSAを用いた実用的エージェントが情報理論の限界に非常に近い効率が得られることを示す。 また,多エージェント強化学習フレームワークにおける実践的推論と学習の相互作用についても検討する。
  論文  参考訳（メタデータ） (2023-05-17T12:43:29Z)
• Visual Abductive Reasoning [85.17040703205608]
  帰納的推論は、部分的な観察の可能な限りの可能な説明を求める。 本稿では,日常的な視覚的状況下でのマシンインテリジェンスの帰納的推論能力を調べるために,新たなタスクとデータセットであるVisual Abductive Reasoning(VAR)を提案する。
  論文  参考訳（メタデータ） (2022-03-26T10:17:03Z)
• Exhaustivity and anti-exhaustivity in the RSA framework: Testing the effect of prior beliefs [68.8204255655161]
  我々は,先行に対する感受性が合理的音声法(RSA)フレームワークの直感的予測に繋がる事例に着目した。 本研究では, ベースラインRSAモデルにおいて, 一定の条件下では, 反排他的読解が予測されることを示す。 RSAフレームワーク全体で予測されるように、メッセージ選択は事前に敏感である。
  論文  参考訳（メタデータ） (2022-02-14T20:35:03Z)
• 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)
• Scalable pragmatic communication via self-supervision [14.01704261285015]
  エージェントが人間のデータを模倣するのではなく,自己監督を通じて実践的な政策を習得するアーキテクチャと学習プロセスを提案する。 本研究は, 自己超越による実用的スキルを持つ人工エージェントを装備するための, 新たな原理的アプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:28:30Z)
• Relational reasoning and generalization using non-symbolic neural networks [66.07793171648161]
  これまでの研究では、ニューラルネットワークは数学的同一性を表現することができないため、人間関係推論の適切なモデルではないことが示唆された。 ニューラルネットワークは、基本等式(数学的同一性)を学習し、(2)正のトレーニングインスタンスのみを持つ逐次等式問題(ABAパターンの学習シーケンス)、(3)基本等式トレーニングインスタンスのみを持つ複雑で階層的等式問題(英語版)を学習できる。 これらの結果は,データ駆動型,非記号的学習プロセスから,象徴的推論の本質的な側面が生まれることを示唆している。
  論文  参考訳（メタデータ） (2020-06-14T18:25:42Z)
• Learning to refer informatively by amortizing pragmatic reasoning [35.71540493379324]
  我々は、話者が時間とともに合理的な音声行為のコストを減らそうとするアイデアを探求する。 我々のアモータライズされたモデルは、様々な文脈で効果的かつ簡潔な言語を迅速に生成できることがわかりました。
  論文  参考訳（メタデータ） (2020-05-31T02:52:22Z)

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。