論文の概要: Hybrid Intelligence
- arxiv url: http://arxiv.org/abs/2105.00691v1
- Date: Mon, 3 May 2021 08:56:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-04 21:19:32.448249
- Title: Hybrid Intelligence
- Title（参考訳）: ハイブリッド・インテリジェンス
- Authors: Dominik Dellermann, Philipp Ebel, Matthias Soellner, Jan Marco
Leimeister
- Abstract要約: 今後数十年間、人間と機械の間の労働分業の最も可能性の高いパラダイムはハイブリッド・インテリジェンスであると主張する。
このコンセプトは、人間の知性とAIの相補的な強みを利用することを目標とし、それぞれが個別にできることよりも優れたパフォーマンスを実現する。
- 参考スコア（独自算出の注目度）: 4.508830262248694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research has a long history of discussing what is superior in predicting
certain outcomes: statistical methods or the human brain. This debate has
repeatedly been sparked off by the remarkable technological advances in the
field of artificial intelligence (AI), such as solving tasks like object and
speech recognition, achieving significant improvements in accuracy through
deep-learning algorithms (Goodfellow et al. 2016), or combining various methods
of computational intelligence, such as fuzzy logic, genetic algorithms, and
case-based reasoning (Medsker 2012). One of the implicit promises that underlie
these advancements is that machines will 1 day be capable of performing complex
tasks or may even supersede humans in performing these tasks. This triggers new
heated debates of when machines will ultimately replace humans (McAfee and
Brynjolfsson 2017). While previous research has proved that AI performs well in
some clearly defined tasks such as playing chess, playing Go or identifying
objects on images, it is doubted that the development of an artificial general
intelligence (AGI) which is able to solve multiple tasks at the same time can
be achieved in the near future (e.g., Russell and Norvig 2016). Moreover, the
use of AI to solve complex business problems in organizational contexts occurs
scarcely, and applications for AI that solve complex problems remain mainly in
laboratory settings instead of being implemented in practice. Since the road to
AGI is still a long one, we argue that the most likely paradigm for the
division of labor between humans and machines in the next decades is Hybrid
Intelligence. This concept aims at using the complementary strengths of human
intelligence and AI, so that they can perform better than each of the two could
separately (e.g., Kamar 2016).
- Abstract（参考訳）: 研究は、統計的方法や人間の脳など、特定の結果を予測する上で何が優れているかについて議論する長い歴史がある。
この議論は、オブジェクトや音声認識のようなタスクの解決、ディープラーニングアルゴリズム(goodfellowなど)による精度の大幅な向上など、人工知能(ai)分野の驚くべき技術的進歩によって、繰り返し取り上げられている。
あるいは、ファジィ論理、遺伝的アルゴリズム、ケースベースの推論(Medsker 2012)のような様々な計算知能の手法を組み合わせる。
これらの進歩を過小評価する暗黙の約束の1つは、マシンが1日で複雑なタスクをこなせるか、あるいはそのタスクを人間に取って代わるかもしれないということだ。
これは、いつ機械が最終的に人間を置き換えるかについての新しい熱い議論を引き起こす(McAfeeとBrynjolfsson 2017)。
以前の研究では、チェスのプレイ、Goのプレイ、画像上のオブジェクトの特定など、明確に定義されたタスクでAIがうまく機能することが証明されているが、複数のタスクを同時に解決できる人工知能(AGI)の開発が近い将来(例えばRussellとNorvig 2016)達成可能であることは疑わしい。
さらに、複雑なビジネス問題を解決するためにAIを用いることは、組織的な文脈ではほとんど行われず、複雑な問題を解決するAIの応用は、実際には実装されるのではなく、主に実験室で行われている。
AGIへの道はまだ長いので、今後数十年間の人間と機械の分業の最もありそうなパラダイムはハイブリッドインテリジェンスだ、と私たちは主張する。
この概念は、人間の知能とAIの相補的な強みを使用することを目標としており、それぞれが個別に行うことができる(例えば、Kamar 2016)。
関連論文リスト
- Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
AIシステムは知恵を欠いている。
AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。
メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Cognition is All You Need -- The Next Layer of AI Above Large Language
Models [0.0]
我々は,大規模言語モデル以外のニューロシンボリック認知のためのフレームワークであるCognitive AIを紹介する。
我々は、認知AIがAGIのようなAI形態の進化に必須の先駆者であり、AGIは独自の確率論的アプローチでは達成できないと主張する。
我々は、大規模言語モデル、AIの採用サイクル、および商用の認知AI開発に関する議論で締めくくります。
論文 参考訳（メタデータ） (2024-03-04T16:11:57Z) - AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
数学は人間によって開発された最も強力な概念体系の1つである。
AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
論文 参考訳（メタデータ） (2023-10-19T02:00:31Z) - AI in Software Engineering: Case Studies and Prospects [2.7064617166078087]
ディープラーニングや機械学習といったAIテクニックをソフトウェアシステムで使用することは、インテリジェントシステムに寄与する。
IBM WatsonとGoogle AlphaGoは、現実世界の課題を解決するためにさまざまなAI技術を使用している。
論文 参考訳（メタデータ） (2023-09-27T16:37:05Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - The Embeddings World and Artificial General Intelligence [2.28438857884398]
我々は、このインテリジェントな世界を構築する上で、事前訓練された埋め込みが重要な役割を担っていると論じている。
我々は、事前学習した埋め込みが、人間レベルの知能のいくつかの特性を達成するのにどのように役立つかについて論じる。
論文 参考訳（メタデータ） (2022-09-14T11:56:30Z) - Making AI 'Smart': Bridging AI and Cognitive Science [0.0]
認知科学の統合により、人工知能の「人工的な」特徴はすぐに「スマート」に置き換えられるかもしれない
これにより、より強力なAIシステムが開発され、同時に人間の脳がどのように機能するかをよりよく理解できるようになる。
このような高度なシステムを開発するためには、まず人間の脳をよりよく理解する必要があるため、AIが人間の文明を乗っ取る可能性は低いと我々は主張する。
論文 参考訳（メタデータ） (2021-12-31T09:30:44Z) - Thinking Fast and Slow in AI: the Role of Metacognition [35.114607887343105]
最先端のAIには、(人間)インテリジェンスの概念に自然に含まれる多くの能力がない。
私たちは、人間がこれらの能力を持つことができるメカニズムをよりよく研究することで、これらの能力でAIシステムを構築する方法を理解するのに役立ちます。
論文 参考訳（メタデータ） (2021-10-05T06:05:38Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造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） (2021-09-27T09:56:23Z) - Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。
各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文 参考訳（メタデータ） (2021-07-12T14:21:46Z) - The MineRL BASALT Competition on Learning from Human Feedback [58.17897225617566]
MineRL BASALTコンペティションは、この重要な種類の技術の研究を促進することを目的としている。
Minecraftでは、ハードコードされた報酬関数を書くのが難しいと期待する4つのタスクのスイートを設計しています。
これら4つのタスクのそれぞれについて、人間のデモのデータセットを提供するとともに、模擬学習ベースラインを提供する。
論文 参考訳（メタデータ） (2021-07-05T12:18:17Z)
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。