論文の概要: Transparency and granularity in the SP Theory of Intelligence and its
realisation in the SP Computer Model
- arxiv url: http://arxiv.org/abs/2009.06370v2
- Date: Sun, 9 May 2021 13:32:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 02:56:05.552914
- Title: Transparency and granularity in the SP Theory of Intelligence and its
realisation in the SP Computer Model
- Title（参考訳）: SPの知性理論における透明性と粒度とそのSPコンピュータモデルにおける実現
- Authors: J Gerard Wolff
- Abstract要約: SPシステムは、SPの知性理論(SP Theory of Intelligence)を意味し、SPコンピュータモデル(SP Computer Model)として実現することで、AIの透明性と粒度を促進することができる。
この章では、SPコンピュータモデルの動作と出力の透明性が3つの経路を通じて達成される可能性について説明している。
- 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: This chapter describes how the SP System, meaning the SP Theory of
Intelligence, and its realisation as the SP Computer Model, may promote
transparency and granularity in AI, and some other areas of application. The
chapter describes how transparency in the workings and output of the SP
Computer Model may be achieved via three routes: 1) the program provides a very
full audit trail for such processes as recognition, reasoning, analysis of
language, and so on. There is also an explicit audit trail for the unsupervised
learning of new knowledge; 2) knowledge from the system is likely to be
granular and easy for people to understand; and 3) there are seven principles
for the organisation of knowledge which are central in the workings of the SP
System and also very familiar to people (eg chunking-with-codes, part-whole
hierarchies, and class-inclusion hierarchies), and that kind of familiarity in
the way knowledge is structured by the system, is likely to be important in the
interpretability, explainability, and transparency of that knowledge. Examples
from the SP Computer Model are shown throughout the chapter.
- Abstract（参考訳）: 本章では、spの知能理論の意味であるspシステムとそのspコンピュータモデルとしての実現が、aiの透明性と粒度、およびその他の応用分野をいかに促進するかを説明する。
章では、spコンピュータモデルの動作とアウトプットの透明性が3つの経路を通じてどのように達成されるかを説明している。
1)プログラムは、認識、推論、言語の分析などのプロセスに対して、非常に完全な監査証跡を提供する。
新規知識の教師なし学習のための明示的な監査証跡もある。
2)システムからの知識は,人々が理解し易い粒度であり,かつ,理解しやすい。
3)spシステムの作業の中心であり,また人々に非常に親しみやすい知識組織には,7つの原則(チャンキング・ウィズ・コード,パート・ヘール階層,クラス・インクルージョン階層など)があり,その知識の解釈性,説明可能性,透明性において,知識がシステムによって構成される方法における親密性が重要である可能性が高い。
spコンピュータモデルからの例が全章で示されている。
関連論文リスト
- Large Language Models are Interpretable Learners [53.56735770834617]
本稿では,Large Language Models(LLM)とシンボルプログラムの組み合わせによって,表現性と解釈可能性のギャップを埋めることができることを示す。
自然言語プロンプトを持つ事前訓練されたLLMは、生の入力を自然言語の概念に変換することができる解釈可能な膨大なモジュールセットを提供する。
LSPが学んだ知識は自然言語の記述と記号規則の組み合わせであり、人間(解釈可能)や他のLLMに容易に転送できる。
論文 参考訳（メタデータ） (2024-06-25T02:18:15Z) - Through the Looking-Glass: Transparency Implications and Challenges in
Enterprise AI Knowledge Systems [3.7640559288894524]
視線ガラスのメタファーを提示し、それをAI知識システムを反射・歪曲するシステムとして概念化する。
我々は,AI知識システムの価値,すなわちシステム透過性,手続き的透明性,成果の透明性を実現するために必要な3つの透明性次元を同定する。
論文 参考訳（メタデータ） (2024-01-17T18:47:30Z) - COPEN: Probing Conceptual Knowledge in Pre-trained Language Models [60.10147136876669]
概念的知識は人間の認知と知識基盤の基本である。
既存の知識探索作業は、事前訓練された言語モデル(PLM)の事実知識のみに焦点を当て、概念知識を無視する。
PLMが概念的類似性によってエンティティを編成し、概念的特性を学習し、コンテキスト内でエンティティを概念化するかどうかを調査する3つのタスクを設計する。
タスクのために、393のコンセプトをカバーする24kのデータインスタンスを収集、注釈付けします。
論文 参考訳（メタデータ） (2022-11-08T08:18:06Z) - Knowledge Graph Augmented Network Towards Multiview Representation
Learning for Aspect-based Sentiment Analysis [96.53859361560505]
本稿では,知識グラフ拡張ネットワーク(KGAN)を提案する。
KGANは感情の特徴表現を、文脈、構文、知識に基づく複数の視点から捉えている。
3つの人気のあるABSAベンチマークの実験は、我々のKGANの有効性と堅牢性を示している。
論文 参考訳（メタデータ） (2022-01-13T08:25:53Z) - Outlining Traceability: A Principle for Operationalizing Accountability
in Computing Systems [1.0152838128195467]
トレーサビリティには、システムの動作方法だけでなく、その生成方法や目的の確立が必要です。
トレーサビリティは、システムがどのように構築され、システムが機械的に何をしたかの記録を、より広範なガバナンスの目標に結びつけます。
このマップは、説明責任と透明性に関する既存の議論を再構築し、トレーサビリティの原則を使用して、説明責任の目標を達成するために透明性をデプロイする方法、時期、理由を示す。
論文 参考訳（メタデータ） (2021-01-23T00:13:20Z) - Common Sense or World Knowledge? Investigating Adapter-Based Knowledge
Injection into Pretrained Transformers [54.417299589288184]
本研究では,概念ネットとそれに対応するオープンマインド・コモンセンス(OMCS)コーパスから,BERTの分布知識と概念知識を補完するモデルについて検討する。
我々のアダプタベースのモデルは,ConceptNet や OMCS に明示的に存在する概念的知識のタイプを必要とする推論タスクにおいて,BERT を大幅に上回っている。
論文 参考訳（メタデータ） (2020-05-24T15:49:57Z) - The ILASP system for Inductive Learning of Answer Set Programs [79.41112438865386]
我々のシステムは、通常の規則、選択規則、厳しい制約を含むアンサーセットプログラムを学習する。
まず、ILASPの学習フレームワークとその機能の概要を説明します。
続いて、ILASPシステムの進化を概観する。
論文 参考訳（メタデータ） (2020-05-02T19:04:12Z) - 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。
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。