論文の概要: The Importance of Open-Endedness (for the Sake of Open-Endedness)
- arxiv url: http://arxiv.org/abs/2006.03079v1
- Date: Thu, 4 Jun 2020 18:02:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 09:07:51.398391
- Title: The Importance of Open-Endedness (for the Sake of Open-Endedness)
- Title（参考訳）: 開放性の重要性(開放性のために)
- Authors: Tim Taylor
- Abstract要約: 最近のArtificial Life Journal Special Issue on Open-ended Evolution (OEE) に掲載された論文は、単純な進化型計算システムを示している。
私は、OEEがそれ自体で価値のある研究トピックではないという提案を熱心に拒否します。
オープン・エンディネスを勉強することの重要性を実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A paper in the recent Artificial Life journal special issue on open-ended
evolution (OEE) presents a simple evolving computational system that, it is
claimed, satisfies all proposed requirements for OEE (Hintze, 2019). Analysis
and discussion of the system are used to support the further claims that
complexity and diversity are the crucial features of open-endedness, and that
we should concentrate on providing proper definitions for those terms rather
than engaging in "the quest for open-endedness for the sake of open-endedness"
(Hintze, 2019, p. 205). While I wholeheartedly support the pursuit of precise
definitions of complexity and diversity in relation to OEE research, I
emphatically reject the suggestion that OEE is not a worthy research topic in
its own right. In the same issue of the journal, I presented a "high-level
conceptual framework to help orient the discussion and implementation of
open-endedness in evolutionary systems" (Taylor, 2019). In the current brief
contribution I apply my framework to Hinzte's model to understand its
limitations. In so doing, I demonstrate the importance of studying
open-endedness for the sake of open-endedness.
- Abstract（参考訳）: 先日のArtificial Life Journal Special Issue on Open-ended Evolution (OEE) に掲載された論文は、OEEのすべての提案された要件を満たす単純な進化型計算システムを提示している(Hintze, 2019)。
このシステムの分析と議論は、複雑さと多様性がオープン・エンディネスの重要な特徴であり、「オープン・エンディネスのためのオープン・エンディネスの探求」に携わるよりも、適切な定義を提供することに集中すべきだという主張をさらに支持するために用いられる(Hintze, 2019, pp. 205)。
私は、OEE研究に関して、複雑さと多様性の正確な定義の追求を熱心に支持していますが、OEEがそれ自体で価値のある研究トピックではないという提案を熱心に拒否します。
同誌の同じ号で、進化系におけるオープン・エンディネスの議論と実施を支援するための高レベルの概念的枠組みを提示した(Taylor, 2019)。
現在の短いコントリビューションでは、フレームワークをhinzteのモデルに適用して、その限界を理解しています。
このような中で,オープン・エンディネス研究の重要性を実演する。
関連論文リスト
- An Adaptive Framework for Generating Systematic Explanatory Answer in Online Q&A Platforms [62.878616839799776]
質問応答(QA)性能を向上させるために設計された,革新的なフレームワークであるSynthRAGを提案する。
SynthRAGは動的コンテンツの構造化に適応的なアウトラインを用いることで従来のモデルを改善する。
Zhihuプラットフォーム上のオンラインデプロイメントでは、SynthRAGの回答が注目すべきユーザエンゲージメントを実現していることが明らかになった。
論文 参考訳（メタデータ） (2024-10-23T09:14:57Z) - A Comprehensive Survey on Evidential Deep Learning and Its Applications [64.83473301188138]
Evidential Deep Learning (EDL)は、単一のフォワードパスで最小限の追加計算で信頼性の高い不確実性推定を提供する。
まず、主観的論理理論であるEDLの理論的基礎を掘り下げ、他の不確実性推定フレームワークとの区別について議論する。
さまざまな機械学習パラダイムや下流タスクにまたがる広範な応用について詳しく述べる。
論文 参考訳（メタデータ） (2024-09-07T05:55:06Z) - On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、目に見えない領域の認識と推論をモデルに与えることを目的としている。
本稿では,近年の素子ワイドZSIRの進歩について概説する。
まず、オブジェクト認識、合成認識、基礎モデルに基づくオープンワールド認識という3つの基本的なZSIRタスクを、統一された要素的視点に統合する。
論文 参考訳（メタデータ） (2024-08-09T05:49:21Z) - Towards a Framework for Openness in Foundation Models: Proceedings from the Columbia Convening on Openness in Artificial Intelligence [18.130525337375985]
本稿では,AIスタックにまたがるオープンネスと闘うためのフレームワークを提案する。
このトピックに関する以前の研究を要約し、オープン性を追求する様々な潜在的理由を分析します。
モデルとシステムレベルで、AIスタックのさまざまな部分でオープン性がどのように変化するのかを概説する。
論文 参考訳（メタデータ） (2024-05-17T20:35:39Z) - Igniting Language Intelligence: The Hitchhiker's Guide From
Chain-of-Thought Reasoning to Language Agents [80.5213198675411]
大規模言語モデル(LLM)は言語知能の分野を劇的に拡張した。
LLMは興味をそそるチェーン・オブ・シークレット(CoT)推論技術を活用し、答えを導き出す途中の中間ステップを定式化しなければならない。
最近の研究は、自律言語エージェントの開発を促進するためにCoT推論手法を拡張している。
論文 参考訳（メタデータ） (2023-11-20T14:30:55Z) - Interpretability is not Explainability: New Quantitative XAI Approach
with a focus on Recommender Systems in Education [0.0]
我々は,XAIにおける重要な概念と関係の明確かつ曖昧な理解を提供する新しい分類法を提案する。
私たちのアプローチは、既存の定義やフレームワークの体系的な分析に根ざしています。
この包括的分類学は、将来の研究のための共通語彙を確立することを目的としている。
論文 参考訳（メタデータ） (2023-09-18T11:59:02Z) - Admissibility in Strength-based Argumentation: Complexity and Algorithms
(Extended Version with Proofs) [1.5828697880068698]
我々は、適応性に基づく意味論の強度に基づく論証フレームワーク(StrAF)への適応について研究する。
特に文献で定義された強い許容性は望ましい性質、すなわちDungの基本的な補題を満たさないことを示す。
計算(強弱)拡張に対する擬ブール制約の翻訳を提案する。
論文 参考訳（メタデータ） (2022-07-05T18:42:04Z) - A Survey on Neural Open Information Extraction: Current Status and
Future Directions [87.30702606041407]
Open Information extract (OpenIE) は、大規模コーパスからの関係事実のドメインに依存しない発見を容易にする。
我々は、最先端のニューラルなOpenIEモデル、その設計決定、強み、弱点について概観する。
論文 参考訳（メタデータ） (2022-05-24T02:24:55Z) - The Need for Standardized Explainability [0.4588028371034407]
本稿では,説明可能性領域の現状を考察し,説明可能性と解釈可能性に関する新たな定義を提供する。
本稿では、説明可能性に関する文献の概要と、すでに実装済みの既存手法について概説する。
我々は、様々な説明可能性の手法を仮に分類し、将来の研究への扉を開く。
論文 参考訳（メタデータ） (2020-10-20T08:40:20Z) - Towards an Open Science definition as a political and legal framework:
on the sharing and dissemination of research outputs [0.0]
現在では、オープンサイエンスの単一の、受け入れられた、統一された定義が存在しないことが広く認識されている。
オープンサイエンスの定義を、研究成果が共有され普及する政治的および法的枠組みとして提案する動機となっている。
本提案は、選択されたEC政策や法則の詳細な分析と、研究評価の実践機能を通じて、本提案を詳述する。
論文 参考訳（メタデータ） (2020-10-09T11:44:37Z) - Generalization in Deep Learning [103.91623583928852]
本稿では,その容量,複雑性,アルゴリズムの不安定性,非破壊性,およびシャープなミニマにもかかわらず,ディープラーニングがなぜ,どのように一般化できるかに関する理論的知見を提供する。
また、ディープラーニングのための非空でない一般化保証を提供するためのアプローチについても論じる。
論文 参考訳（メタデータ） (2017-10-16T02:21:24Z)
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。