論文の概要: Machine Common Sense
- arxiv url: http://arxiv.org/abs/2006.08409v1
- Date: Mon, 15 Jun 2020 13:59:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 04:27:44.942172
- Title: Machine Common Sense
- Title（参考訳）: 機械常識
- Authors: Alexander Gavrilenko, Katerina Morozova
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 77.34726150561087
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Machine common sense remains a broad, potentially unbounded problem in
artificial intelligence (AI). There is a wide range of strategies that can be
employed to make progress on this challenge. This article deals with the
aspects of modeling commonsense reasoning focusing on such domain as
interpersonal interactions. The basic idea is that there are several types of
commonsense reasoning: one is manifested at the logical level of physical
actions, the other deals with the understanding of the essence of human-human
interactions. Existing approaches, based on formal logic and artificial neural
networks, allow for modeling only the first type of common sense. To model the
second type, it is vital to understand the motives and rules of human behavior.
This model is based on real-life heuristics, i.e., the rules of thumb,
developed through knowledge and experience of different generations. Such
knowledge base allows for development of an expert system with inference and
explanatory mechanisms (commonsense reasoning algorithms and personal models).
Algorithms provide tools for a situation analysis, while personal models make
it possible to identify personality traits. The system so designed should
perform the function of amplified intelligence for interactions, including
human-machine.
- Abstract（参考訳）: 機械常識は、人工知能(AI)において広く、潜在的に無制限な問題である。
この挑戦を前進させるためには、幅広い戦略が採用されている。
この記事では、人間同士の相互作用のようなドメインに焦点を当てた常識推論のモデリングの側面について取り上げる。
基本的な考え方は、コモンセンス推論にはいくつかの種類がある: 1つは物理的行動の論理的なレベルに現れ、もう1つは人間と人間の相互作用の本質を理解することを扱う。
既存のアプローチでは、形式論理とニューラルネットワークに基づいて、最初のタイプの常識のみをモデリングすることができる。
第2のタイプをモデル化するには、人間の行動の動機とルールを理解することが不可欠である。
このモデルは、実生活のヒューリスティック、すなわち、異なる世代の知識と経験を通じて発達した親指の規則に基づいている。
このような知識ベースは、推論と説明機構(常識推論アルゴリズムと個人モデル)を備えたエキスパートシステムの開発を可能にする。
アルゴリズムは状況分析のためのツールを提供するが、個人モデルは性格特性を識別することができる。
このように設計されたシステムは、人間-機械を含む相互作用のための増幅された知性機能を実行するべきである。
関連論文リスト
- Aligning Generalisation Between Humans and Machines [74.120848518198]
近年のAIの進歩は、科学的発見と意思決定支援において人間を支援できる技術をもたらしたが、民主主義と個人を妨害する可能性がある。
AIの責任ある使用は、ますます人間とAIのチームの必要性を示している。
これらの相互作用の重要かつしばしば見落とされがちな側面は、人間と機械が一般化する異なる方法である。
論文 参考訳（メタデータ） (2024-11-23T18:36:07Z) - Human-Modeling in Sequential Decision-Making: An Analysis through the Lens of Human-Aware AI [20.21053807133341]
私たちは、人間を意識したAIシステムを構成するものの説明を提供しようとしています。
人間を意識したAIはデザイン指向のパラダイムであり、人間と対話するかもしれないモデリングの必要性に焦点を当てている。
論文 参考訳（メタデータ） (2024-05-13T14:17:52Z) - 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) - On Computational Mechanisms for Shared Intentionality, and Speculation
on Rationality and Consciousness [0.0]
人類の特異な特質は、新しい行動、協調行動、チームワークを行う能力である。
これは、個人の頭脳間で目標、計画、アイデアを伝達し、共通の意図を生み出すことを要求する。
先行言語型計算エージェント間の共有意図性を実現するための基本的なメカニズムの必要な特性を導出する。
論文 参考訳（メタデータ） (2023-06-03T21:31:38Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - Modeling Human Behavior Part I -- Learning and Belief Approaches [0.0]
探索とフィードバックを通じて行動のモデルや方針を学ぶ手法に焦点を当てる。
次世代の自律的適応システムは、主にAIエージェントと人間がチームとして一緒に働く。
論文 参考訳（メタデータ） (2022-05-13T07:33:49Z) - Deep Interpretable Models of Theory of Mind For Human-Agent Teaming [0.7734726150561086]
我々は、他の観測対象の意図をモデル化するための解釈可能なモジュラー・ニューラル・フレームワークを開発する。
Minecraftの検索および救助タスクで、人間の参加者のデータに関する実験を行い、アプローチの有効性を実証します。
論文 参考訳（メタデータ） (2021-04-07T06:18:58Z) - 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) - How to Answer Why -- Evaluating the Explanations of AI Through Mental
Model Analysis [0.0]
人間中心のAI研究の鍵となる疑問は、ユーザーのメンタルモデルをどのように有効に調査するかである。
実験的な研究手法としてメンタルモデルが適切かどうかを評価する。
本稿では、人間中心の方法で説明可能なAIアプローチを評価するための模範的手法を提案する。
論文 参考訳（メタデータ） (2020-01-11T17:15:58Z)
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。