論文の概要: On Information Processing Limitations In Humans and Machines
- arxiv url: http://arxiv.org/abs/2112.03669v1
- Date: Tue, 7 Dec 2021 13:03:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-05 08:00:49.949664
- Title: On Information Processing Limitations In Humans and Machines
- Title（参考訳）: 人間と機械における情報処理の限界について
- Authors: Birgitta Dresp-Langley
- Abstract要約: 情報理論は情報の伝達、処理、抽出、利用の研究に関係している。
本稿では,人間の情報処理の限界が人工知能の信頼性向上にもたらす影響について論じる。
- 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: Information theory is concerned with the study of transmission, processing,
extraction, and utilization of information. In its most abstract form,
information is conceived as a means of resolving uncertainty. Shannon and
Weaver (1949) were among the first to develop a conceptual framework for
information theory. One of the key assumptions of the model is that uncertainty
increases linearly with the amount of complexity (in bit units) of information
transmitted or generated. A whole body of data from the cognitive neurosciences
has shown since that the time of human response or action increases in a
similar fashion as a function of information complexity. This paper will
discuss some of the implications of what is known about the limitations of
human information processing for the development of reliable Artificial
Intelligence. It is concluded that novel conceptual frameworks are needed to
inspire future studies on this complex problem space.
- Abstract（参考訳）: 情報理論は、情報の伝達、処理、抽出、利用の研究に関するものである。
最も抽象的な形では、不確実性を解決する手段として情報が考え出される。
shannon and weaver (1949) は情報理論の概念的枠組みを開発した最初の人物である。
このモデルの鍵となる仮定の1つは、送信または生成する情報の複雑さ(ビット単位)の量によって不確実性が線形に増加することである。
認知神経科学からのデータの全体は、人間の反応や行動の時間が情報複雑性の関数と同様の方法で増加することを示している。
本稿では,信頼度の高い人工知能の開発におけるヒューマン・インフォメーション・プロセッシングの限界について知られていることの意義について述べる。
この複雑な問題空間に関する今後の研究を刺激するために、新しい概念的枠組みが必要であると結論づけた。
関連論文リスト
- Informational Embodiment: Computational role of information structure in codes and robots [48.00447230721026]
我々は,センサの精度,モータの精度,配置,体形状,ロボットの情報構造や計算符号の形状について,情報理論(IT)を考察する。
本研究は,本質的な騒音や物質的制約にもかかわらず,情報の伝達・伝達を行う物理的通信路としてロボットの身体を想定する。
我々は、誤り訂正やノイズに対する堅牢性、パシモニーといった情報容量の観点から、シャノン限界に達したITで使用される効率的なコードの特別なクラスを紹介します。
論文 参考訳（メタデータ） (2024-08-23T09:59:45Z) - An Information Bottleneck Characterization of the Understanding-Workload
Tradeoff [15.90243405031747]
説明可能なAI(XAI)設計において、説明の有効性に影響を及ぼす人的要因の考察が重要である。
XAIの既存の作業は、さまざまなタイプの説明によって引き起こされる理解と作業負荷のトレードオフを実証している。
論文 参考訳（メタデータ） (2023-10-11T18:35:26Z) - 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) - Explainable, Domain-Adaptive, and Federated Artificial Intelligence in
Medicine [5.126042819606137]
我々は、AIによる医療意思決定における特定の課題に対処する3つの主要な方法論的アプローチに焦点を当てる。
ドメイン適応と転送学習により、AIモデルをトレーニングし、複数のドメインにわたって適用することができる。
フェデレーテッド・ラーニングは、機密性の高い個人情報を漏らさずに大規模なモデルを学習することを可能にする。
論文 参考訳（メタデータ） (2022-11-17T03:32:00Z) - Synergistic information supports modality integration and flexible
learning in neural networks solving multiple tasks [107.8565143456161]
本稿では,様々な認知タスクを行う単純な人工ニューラルネットワークが採用する情報処理戦略について検討する。
結果は、ニューラルネットワークが複数の多様なタスクを学習するにつれて、シナジーが増加することを示している。
トレーニング中に無作為にニューロンを停止させると、ネットワークの冗長性が増加し、ロバスト性の増加に対応する。
論文 参考訳（メタデータ） (2022-10-06T15:36:27Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - Adaptive cognitive fit: Artificial intelligence augmented management of
information facets and representations [62.997667081978825]
ビッグデータ技術と人工知能(AI)応用の爆発的な成長は、情報ファセットの普及に繋がった。
等角性や正確性などの情報フェートは、情報に対する人間の認識を支配的かつ著しく左右する。
認知の限界を克服するために情報表現を適応できる人工知能技術が必要であることを示唆する。
論文 参考訳（メタデータ） (2022-04-25T02:47:25Z) - Neurocognitive Informatics Manifesto [0.0]
インフォマティクスは自然情報システムと人工情報システムの構造のあらゆる側面を研究する。
神経認知情報学は、人工および自然系のマッチングを改善するのに役立つ新しい分野です。
論文 参考訳（メタデータ） (2021-01-10T19:20:15Z) - 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) - A Theory of Usable Information Under Computational Constraints [103.5901638681034]
本稿では,複雑なシステムにおける情報推論のための新しいフレームワークを提案する。
我々の基礎はシャノンの情報理論の変分拡張に基づいている。
計算制約を組み込むことで,データから$mathcalV$-informationを確実に推定できることを示す。
論文 参考訳（メタデータ） (2020-02-25T06:09:30Z)
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。