Fugu-MT 論文翻訳(概要): Shared Model of Sense-making for Human-Machine Collaboration

論文の概要: Shared Model of Sense-making for Human-Machine Collaboration

arxiv url: http://arxiv.org/abs/2111.03728v1
Date: Fri, 5 Nov 2021 21:08:54 GMT
ステータス: 処理完了
システム内更新日: 2021-11-09 15:24:58.878359
Title: Shared Model of Sense-making for Human-Machine Collaboration
Title（参考訳）: 人間-機械協調のための感覚形成の共有モデル
Authors: Gheorghe Tecuci, Dorin Marcu, Louis Kaiser and Mihai Boicu
Abstract要約: 本稿では,知的なアナリストと知識に基づくエージェントの協調を大いに促進する,感覚形成のモデルを提案する。証拠科学と仮説生成と検証の科学的方法に基礎を置いている。
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: We present a model of sense-making that greatly facilitates the collaboration between an intelligent analyst and a knowledge-based agent. It is a general model grounded in the science of evidence and the scientific method of hypothesis generation and testing, where sense-making hypotheses that explain an observation are generated, relevant evidence is then discovered, and the hypotheses are tested based on the discovered evidence. We illustrate how the model enables an analyst to directly instruct the agent to understand situations involving the possible production of weapons (e.g., chemical warfare agents) and how the agent becomes increasingly more competent in understanding other situations from that domain (e.g., possible production of centrifuge-enriched uranium or of stealth fighter aircraft).
Abstract（参考訳）: 本稿では,知的アナリストと知識ベースエージェントの協調を大いに促進する感覚形成モデルを提案する。これは、証拠科学と仮説生成と検証の科学的方法に基づく一般的なモデルであり、観察を説明する感覚形成仮説が生成され、関連する証拠が発見され、発見された証拠に基づいて仮説が検証される。このモデルによって、分析者が、兵器の生産(化学兵器など)の可能な状況や、その領域からの他の状況(例えば、遠心分離濃縮ウランの生産やステルス戦闘機の生産)の理解において、どのようにエージェントがより有能になるかを直接的に理解できるようになるかを説明する。

関連論文リスト

Probing for Consciousness in Machines [3.196204482566275]
本研究は, 人工エージェントが中核意識を発達させる可能性を探るものである。中心意識の出現は、感情や感情の表現によって知らされる自己モデルと世界モデルの統合に依存している。その結果,エージェントは初歩的な世界と自己モデルを形成することができ,機械意識の発達への道筋が示唆された。
論文参考訳（メタデータ） (2024-11-25T10:27:07Z)
Causal Representation Learning from Multimodal Biological Observations [57.00712157758845]
我々は,マルチモーダルデータに対するフレキシブルな識別条件の開発を目指している。我々は、各潜伏成分の識別可能性を保証するとともに、サブスペース識別結果を事前の作業から拡張する。我々の重要な理論的要素は、異なるモーダル間の因果関係の構造的空間性である。
論文参考訳（メタデータ） (2024-11-10T16:40:27Z)
Two Heads Are Better Than One: A Multi-Agent System Has the Potential to Improve Scientific Idea Generation [48.29699224989952]
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。このマルチエージェントアプローチは、新規で影響力のある科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2024-10-12T07:16:22Z)
Hypothesizing Missing Causal Variables with LLMs [55.28678224020973]
我々は、入力が欠落変数を持つ部分因果グラフであるような新しいタスクを定式化し、出力は部分グラフを完成させるための欠落変数に関する仮説である。原因と効果の間の媒介変数を仮説化するLLMの強い能力を示す。また,オープンソースモデルの一部がGPT-4モデルより優れているという驚くべき結果も得られた。
論文参考訳（メタデータ） (2024-09-04T10:37:44Z)
Approximating Human Models During Argumentation-based Dialogues [4.178382980763478]
説明可能なAI計画(XAIP)の主な課題は、モデルの和解である。本稿では,AIエージェントによる確率的人間モデル学習と更新を可能にする新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-05-28T23:22:18Z)
Understanding Your Agent: Leveraging Large Language Models for Behavior Explanation [7.647395374489533]
本研究では,状態や行動の観察のみに基づいて,エージェントの行動に関する自然言語説明を生成する手法を提案する。提案手法は,人間ドメインの専門家が作成したものと同じくらい役立つ説明を生成する。
論文参考訳（メタデータ） (2023-11-29T20:16:23Z)
Explaining Agent Behavior with Large Language Models [7.128139268426959]
本研究では,状態や行動の観察のみに基づいて,エージェントの行動に関する自然言語説明を生成する手法を提案する。エージェントの振る舞いのコンパクトな表現がいかに学習され、妥当な説明を生み出すかを示す。
論文参考訳（メタデータ） (2023-09-19T06:13:24Z)
Epidemic Modeling with Generative Agents [1.1342625695057285]
本研究は、ヒトの行動を疫病モデルに組み込むという大きな課題に対処するために、個人レベルのモデリングの新しいパラダイムを提供する。エージェントベースの疫病モデルで生成的人工知能を使用することで、各エージェントは独自の推論と決定を行う権限を持つ。
論文参考訳（メタデータ） (2023-07-11T02:52:32Z)
Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文参考訳（メタデータ） (2022-01-27T22:15:56Z)
Observing Interventions: A logic for thinking about experiments [62.997667081978825]
本稿では,実験から学ぶ論理への第一歩について述べる。我々のアプローチにとって重要なことは、介入の概念が(現実的または仮説的な)実験の形式的表現として使用できるという考えである。提案された全ての論理系に対して、健全で完全な公理化を提供する。
論文参考訳（メタデータ） (2021-11-25T09:26:45Z)
Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文参考訳（メタデータ） (2021-07-10T03:49:41Z)

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。