論文の概要: Philosophical Specification of Empathetic Ethical Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2107.10715v1
• Date: Thu, 22 Jul 2021 14:37:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-23 12:55:19.403606
• Title: Philosophical Specification of Empathetic Ethical Artificial Intelligence
• Title（参考訳）: 共感的倫理的人工知能の哲学的仕様
• Authors: Michael Timothy Bennett, Yoshihiro Maruyama
• Abstract要約: 倫理的AIは、無意味なルールを推論し、ニュアンスと文脈を解釈し、意図を推論する能力を持つ必要がある。 我々は、エージェントを特定するために、エノクティビズム、セミオティックス、知覚記号システム、シンボルの出現を利用する。 それは、記号の意味が学習するにつれて変化し、その意図が目的として象徴的に表されるためである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In order to construct an ethical artificial intelligence (AI) two complex problems must be overcome. Firstly, humans do not consistently agree on what is or is not ethical. Second, contemporary AI and machine learning methods tend to be blunt instruments which either search for solutions within the bounds of predefined rules, or mimic behaviour. An ethical AI must be capable of inferring unspoken rules, interpreting nuance and context, possess and be able to infer intent, and explain not just its actions but its intent. Using enactivism, semiotics, perceptual symbol systems and symbol emergence, we specify an agent that learns not just arbitrary relations between signs but their meaning in terms of the perceptual states of its sensorimotor system. Subsequently it can learn what is meant by a sentence and infer the intent of others in terms of its own experiences. It has malleable intent because the meaning of symbols changes as it learns, and its intent is represented symbolically as a goal. As such it may learn a concept of what is most likely to be considered ethical by the majority within a population of humans, which may then be used as a goal. The meaning of abstract symbols is expressed using perceptual symbols of raw sensorimotor stimuli as the weakest (consistent with Ockham's Razor) necessary and sufficient concept, an intensional definition learned from an ostensive definition, from which the extensional definition or category of all ethical decisions may be obtained. Because these abstract symbols are the same for both situation and response, the same symbol is used when either performing or observing an action. This is akin to mirror neurons in the human brain. Mirror symbols may allow the agent to empathise, because its own experiences are associated with the symbol, which is also associated with the observation of another agent experiencing something that symbol represents.
• Abstract（参考訳）: 倫理的人工知能(AI)を構築するには、2つの複雑な問題を克服しなければならない。 第一に、人間は、何が倫理的でないかに一貫して同意しない。 第二に、現代のAIと機械学習の手法は、事前定義されたルールの範囲内のソリューションを探索する鈍い道具である傾向がある。 倫理的AIは、無意味なルールを推論し、ニュアンスと文脈を解釈し、意図を推測し、その行動だけでなくその意図も説明できなければならない。 本研究は,記号と記号との任意の関係だけでなく,その意味を感覚運動系の知覚状態から学習するエージェントを,エラクティビズム,記号体系,記号出現法を用いて定義する。 その後、文の意味を学習し、自身の経験から他人の意図を推測することができる。 それは、記号の意味が学習するにつれて変化し、その意図が目的として象徴されるからである。 このようにして、人間の集団の大多数から倫理的と見なされるであろうものの概念を学ぶことができ、それが目標として使われる可能性がある。 抽象記号の意味は、生の感覚運動刺激の知覚記号を用いて、(オッカムのカミソリと矛盾しない)必要かつ十分な概念として表現される。 これらの抽象シンボルは状況と応答の両方で同じであるため、アクションの実行や観察において同じシンボルが使用される。 これは人間の脳のニューロンをミラーするのに似ている。 鏡のシンボルは、エージェント自身の経験がシンボルと関連付けられており、シンボルが表す何かを経験する別のエージェントの観察と関連しているため、エージェントに共感を許すかもしれない。

関連論文リスト

• A Complexity-Based Theory of Compositionality [53.025566128892066]
  AIでは、構成表現は配布外一般化の強力な形式を可能にすることができる。 ここでは、構成性に関する直観を考慮し、拡張する構成性の公式な定義を提案する。 この定義は概念的には単純で量的であり、アルゴリズム情報理論に基礎を置いており、あらゆる表現に適用できる。
  論文  参考訳（メタデータ） (2024-10-18T18:37:27Z)
• Symbol-LLM: Leverage Language Models for Symbolic System in Visual Human Activity Reasoning [58.5857133154749]
  本稿では,広い範囲のシンボルと合理的なルールを持つ新しい記号体系を提案する。 我々は,LLMの最近の進歩を2つの理想的な性質の近似として活用する。 本手法は,広範囲な活動理解タスクにおいて優位性を示す。
  論文  参考訳（メタデータ） (2023-11-29T05:27:14Z)
• The Roles of Symbols in Neural-based AI: They are Not What You Think! [25.450989579215708]
  知的エージェントのための新しいニューロシンボリック仮説と有望なアーキテクチャを提案する。 私たちの仮説と関連するアーキテクチャは、シンボルが知的システムの将来に重要なままであることを示している。
  論文  参考訳（メタデータ） (2023-04-26T15:33:41Z)
• Existence and perception as the basis of AGI (Artificial General Intelligence) [0.0]
  AIとは異なり、AGIは意味で操作すべきである。AIと区別するのはそれだ。 人間の思考をエミュレートするAGIにとって、この能力は不可欠である。 意味」の概念を定義する多くの試みには、非常に大きな欠点がある。
  論文  参考訳（メタデータ） (2022-01-30T14:06:43Z)
• Emergence of Machine Language: Towards Symbolic Intelligence with Neural Networks [73.94290462239061]
  本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。 対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-01-14T14:54:58Z)
• Symbols as a Lingua Franca for Bridging Human-AI Chasm for Explainable and Advisable AI Systems [21.314210696069495]
  我々は、人間-AI相互作用における(人間-理解可能な)シンボルの必要性は、非常に説得力があるように思える。 特に、人間は明示的な(象徴的な)知識とアドバイスを提供することに興味があり、機械の説明を期待する。 これだけでも、AIシステムは少なくとも象徴的な言葉でI/Oを行う必要がある。
  論文  参考訳（メタデータ） (2021-09-21T01:30:06Z)
• A Circular-Structured Representation for Visual Emotion Distribution Learning [82.89776298753661]
  視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。 具体的には、まず感情圏を構築し、その内にある感情状態を統一する。 提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
  論文  参考訳（メタデータ） (2021-06-23T14:53:27Z)
• pix2rule: End-to-end Neuro-symbolic Rule Learning [84.76439511271711]
  本稿では,画像のオブジェクトへの処理,学習関係,論理規則に関する完全なニューロシンボリックな手法を提案する。 主な貢献は、シンボリックリレーションとルールを抽出できるディープラーニングアーキテクチャにおける差別化可能なレイヤである。 我々のモデルは最先端のシンボリックラーナーを超えてスケールし、ディープリレーショナルニューラルネットワークアーキテクチャよりも優れていることを実証する。
  論文  参考訳（メタデータ） (2021-06-14T15:19:06Z)
• Intensional Artificial Intelligence: From Symbol Emergence to Explainable and Empathetic AI [0.0]
  我々は、説明可能な人工知能は、その決定の根拠を持ち、観察された行動の目的を推測し、聴衆が理解し、意図する文脈でその決定を説明することができるべきであると論じる。 理性は自然言語を必要とし、知覚状態のコーディングとデコードを行う。 言語を習得するために、エージェントは言語自体ではなく、言語が記述する世界をモデル化すべきという意味論を提案します。
  論文  参考訳（メタデータ） (2021-04-23T13:13:46Z)
• Symbolic Behaviour in Artificial Intelligence [8.849576130278157]
  象徴的なAIへの道は、シンボルが何であるかを再解釈することから始まります。 そして、この解釈が、人間が記号を使うときに示す行動特性をどのように統合するかを概説する。 シンボリック行動の出現に必要な認知機械を開発するためのツールとして,AI研究が社会的・文化的エンゲージメントを探求することを提案する。
  論文  参考訳（メタデータ） (2021-02-05T20:07:14Z)
• Machine Common Sense [77.34726150561087]
  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。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)

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。