Fugu-MT 論文翻訳(概要): Agency in Physics

論文の概要: Agency in Physics

arxiv url: http://arxiv.org/abs/2007.05300v2
Date: Mon, 13 Jul 2020 05:50:07 GMT
ステータス: 処理完了
システム内更新日: 2023-05-10 17:24:28.208252
Title: Agency in Physics
Title（参考訳）: 物理学研究機関
Authors: Carlo Rovelli
Abstract要約: 物理の観点からエージェントの概念の3つの側面について論じる。私はその代理店が、ダイナミクスが閉じているように見える近似の破滅だと考えている。
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: I discuss three aspects of the notion of agency from the standpoint of physics: (i) what makes a physical system an agent; (ii) the reason for agency's time orientation; (iii) the source of the information generated in choosing an action. I observe that agency is the breaking of an approximation under which dynamics appears closed. I distinguish different notions of agency, and observe that the answer to the questions above differ in different cases. I notice a structural similarity between agency and memory, that allows us to model agency, trace its time asymmetry to thermodynamical irreversibility, and identify the source of the information generated by agency in the growth of entropy. Agency is therefore a physical mechanism that transforms low entropy into information. This may be the general mechanism at the source of the whole information on which biology builds.
Abstract（参考訳）: 物理の観点からエージェントの概念の3つの側面について論じる。 (i) 物理システムがエージェントとなるもの二代理店の時間志向の理由 (iii) 行為を選択する際に発生する情報の出所私は、機関は、ダイナミクスが閉じているように見える近似の破れであると観察する。私は異なるエージェントの概念を区別し、上記の質問に対する答えが異なるケースで異なることを観察する。エージェンシーとメモリの構造的類似性に気付き、エージェンシーをモデル化し、その時間非対称性を熱力学的不可逆性に追跡し、エントロピーの成長においてエージェンシーが生成する情報のソースを特定する。したがって、エージェンシーは低エントロピーを情報に変換する物理的メカニズムである。これは、生物学が構築する情報全体の源泉の一般的なメカニズムであるかもしれない。

関連論文リスト

Bipartite mutual information in classical many-body dynamics [0.6798775532273751]
両部情報を用いて1次元セルオートマトンにおける情報の拡散を解析する。我々の研究は、MIのような情報理論ツールが、古典的な多体状態や力学のよりきめ細かい特徴付けを可能にする可能性を示唆している。
論文参考訳（メタデータ） (2024-02-20T19:00:01Z)
On the Convergence of Bounded Agents [80.67035535522777]
境界エージェントは、エージェントの将来の振る舞いを記述するために必要な最小の状態数が減少できない場合に収束する。第2の見解では、エージェントの内部状態が変更された場合にのみ、エージェントのパフォーマンスが変化するときのみ、境界エージェントが収束した。
論文参考訳（メタデータ） (2023-07-20T17:27:29Z)
Learning Goal-based Movement via Motivational-based Models in Cognitive Mobile Robots [58.720142291102135]
人間は、強さと文脈に応じて行動を促進する必要がある。また、各行動の知覚的快楽に関連する嗜好も作り出します。これにより、意思決定がより複雑になり、コンテキストに応じてニーズと嗜好のバランスを取ることが求められます。
論文参考訳（メタデータ） (2023-02-20T04:52:24Z)
Paradigms of Computational Agency [0.0]
エージェントベースのモデルは、情報システムの複雑さの増大に対処するための有望なパラダイムとして登場した。本稿では,エージェントの理解と,エージェントの計算モデルが進化した異質な方法について考察する。
論文参考訳（メタデータ） (2021-12-10T14:42:49Z)
Properties from Mechanisms: An Equivariance Perspective on Identifiable Representation Learning [79.4957965474334]
教師なし表現学習の主な目標は、データ生成プロセスが潜在プロパティを回復するために「反転」することである。この論文は「進化を支配するメカニズムの知識を活用して潜伏特性を識別するのか?」と問う。我々は、可能なメカニズムの集合に関する知識が異なるため、不特定性の原因の完全な特徴づけを提供する。
論文参考訳（メタデータ） (2021-10-29T14:04:08Z)
Systematic Evaluation of Causal Discovery in Visual Model Based Reinforcement Learning [76.00395335702572]
AIと因果関係の中心的な目標は、抽象表現と因果構造を共同で発見することである。因果誘導を研究するための既存の環境は、複雑なタスク固有の因果グラフを持つため、この目的には適していない。本研究の目的は,高次変数の学習表現と因果構造の研究を促進することである。
論文参考訳（メタデータ） (2021-07-02T05:44:56Z)
AgentFormer: Agent-Aware Transformers for Socio-Temporal Multi-Agent Forecasting [25.151713845738335]
我々は、時間と社会的次元を共同でモデル化する新しいトランスフォーマー、AgentFormerを提案する。エージェントフォーマに基づいて,任意のエージェントの特徴に任意の時間ステップで対応可能なマルチエージェント軌道予測モデルを提案する。提案手法は,歩行者および自律運転用データセットにおける技術状況を大幅に改善する。
論文参考訳（メタデータ） (2021-03-25T17:59:01Z)
Transformers with Competitive Ensembles of Independent Mechanisms [97.93090139318294]
隠れた表現とパラメータを複数のメカニズムに分割し、注意を通して情報を交換する新しいトランスフォーマー層を提案する。 TIM を大規模 BERT モデル、画像変換器、および音声強調について研究し、意味的に意味のある専門化とパフォーマンスの向上の証拠を見つけます。
論文参考訳（メタデータ） (2021-02-27T21:48:46Z)
The Concept of Entropic Time: A Preliminary Discussion [0.0]
情報取得に基づいてエントロピー時間の概念を導入する。このような情報ゲインに関連する状態ベクトルの「崩壊」の時間的性質について論じる。エネルギーは主観的崩壊スキームで保存されるが、一般には客観的崩壊では保存されない。
論文参考訳（メタデータ） (2020-11-01T13:40:24Z)
Physical grounds for causal perspectivalism [0.0]
我々は、特殊な開かつ不可逆的な物理系、因果エージェントの内部物理状態における因果関係の非対称性を基礎とする。因果剤(Cousal agent)は、センサ、アクチュエータ、学習機械といった特殊なサブシステムを備えた、熱平衡から遠く離れた定常状態の自律的な物理システムである。
論文参考訳（メタデータ） (2020-09-09T06:15:46Z)
VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文参考訳（メタデータ） (2020-04-19T18:00:58Z)

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。