論文の概要: Toward a New Science of Common Sense

• arxiv url: http://arxiv.org/abs/2112.12754v1
• Date: Thu, 23 Dec 2021 18:17:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-24 17:36:17.611560
• Title: Toward a New Science of Common Sense
• Title（参考訳）: 常識の新しい科学に向けて
• Authors: Ronald J. Brachman (Jacobs Technion-Cornell Institute and Cornell University), Hector J. Levesque (University of Toronto)
• Abstract要約: 常識は常にAIに関心を持っているが、中心的なステージに立つことはめったにない。 AIシステムの一般的な意味での失敗の例は多い。 しかし、世界中の常識的な知識の断片は、人間のようなやり方で常識を実際に示すシステムに足りるわけではない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Common sense has always been of interest in AI, but has rarely taken center stage. Despite its mention in one of John McCarthy's earliest papers and years of work by dedicated researchers, arguably no AI system with a serious amount of general common sense has ever emerged. Why is that? What's missing? Examples of AI systems' failures of common sense abound, and they point to AI's frequent focus on expertise as the cause. Those attempting to break the brittleness barrier, even in the context of modern deep learning, have tended to invest their energy in large numbers of small bits of commonsense knowledge. But all the commonsense knowledge fragments in the world don't add up to a system that actually demonstrates common sense in a human-like way. We advocate examining common sense from a broader perspective than in the past. Common sense is more complex than it has been taken to be and is worthy of its own scientific exploration.
• Abstract（参考訳）: 常識は常にAIに関心を持っているが、中心的な段階に入ることはめったにない。 ジョン・マッカーシーの初期の論文や専属研究者による長年の研究に言及されているにも拘わらず、膨大な一般的な常識を持つAIシステムはおそらく存在しない。 なぜですか? 何が足りないの? 一般的な意味でのaiシステムの失敗例が多々あり、aiが専門性に頻繁に注力していることが原因であると指摘する。 現代のディープラーニングの文脈でさえも、脆さの障壁を破ろうとする人々は、多くのコモンセンス知識にエネルギーを投資する傾向にある。 しかし、世界中の常識的な知識の断片は、人間のような方法で常識を実際に示すシステムに足りません。 我々は過去よりも広い視点から常識を探求することを提唱する。 常識は、これまで考えられてきたよりも複雑であり、科学的な探求に値する。

関連論文リスト

• What Really is Commonsense Knowledge? [58.5342212738895]
  我々は、既存のコモンセンス知識の定義を調査し、概念を定義するための3つのフレームワークに基礎を置き、それらをコモンセンス知識の統一的な定義に統合する。 次に、アノテーションと実験のための統合された定義をCommonsenseQAとCommonsenseQA 2.0データセットで使用します。 本研究は,2つのデータセットには非常識知識のインスタンスが多数存在し,これら2つのサブセットに対して大きな性能差があることを示す。
  論文  参考訳（メタデータ） (2024-11-06T14:54:19Z)
• On the consistent reasoning paradox of intelligence and optimal trust in AI: The power of 'I don't know' [79.69412622010249]
  一貫性推論(Consistent reasoning)は、人間の知性の中心にある、同等のタスクを扱う能力である。 CRPは、一貫性のある推論は誤認を意味する、と論じている。
  論文  参考訳（メタデータ） (2024-08-05T10:06:53Z)
• 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)
• CIKQA: Learning Commonsense Inference with a Unified Knowledge-in-the-loop QA Paradigm [120.98789964518562]
  我々は,コモンセンス知識の大規模化により,すべてのコモンセンスをカバーできるような,各タスクに十分なトレーニングセットをアノテートすることは不可能である,と論じる。 モデルのコモンセンス推論能力について,2つの観点から検討する。 我々は、このベンチマークを知識-イン-ループ質問回答(CIKQA)を用いたCommonsense Inferenceと命名した。
  論文  参考訳（メタデータ） (2022-10-12T14:32:39Z)
• Science Facing Interoperability as a Necessary Condition of Success and Evil [0.0]
  一方、AIの深い倫理的問題は、システム相互運用性によって可能になったこれらの新しい接続に本質的に関係していることが示されています。 新しい相互作用は、球体から別の球体への社会的財の支配を創り出すため、私たちの人生の球体を繋ぐ際に、これらのシステムは、それぞれに特別な正義の概念を損なう。 一方,先験的不一致のように見えるものを繋ぐ行為は,知識と科学的進歩の必要な動きである,と強調したい。
  論文  参考訳（メタデータ） (2022-02-05T12:44:07Z)
• Challenges of Artificial Intelligence -- From Machine Learning and Computer Vision to Emotional Intelligence [0.0]
  AIは人間の支配者ではなく、支援者である、と私たちは信じています。 コンピュータビジョンはAIの開発の中心となっている。 感情は人間の知性の中心であるが、AIではほとんど使われていない。
  論文  参考訳（メタデータ） (2022-01-05T06:00:22Z)
• An Enactivist account of Mind Reading in Natural Language Understanding [0.0]
  我々は、古典的なAIハード問題に対して、急進的行動主義的議題の理解を適用する。 チューリングテストはコンピュータが言語を使えると仮定し、その課題は人間の知性を偽造することであった。 この論文は、自然言語の理解が人間間でどのように機能するかを再検討する。
  論文  参考訳（メタデータ） (2021-11-11T12:46:00Z)
• Why AI is Harder Than We Think [0.0]
  人工知能の分野は、楽観的な予測と膨大な投資の期間の間に数回サイクルしている。 私は、AI研究者によって行われた一般的な仮定で4つの誤認を説明します。 結論として、人間のような常識を身につける機械の長年の挑戦など、これらの誤解によって引き起こされたオープンな質問について論じる。
  論文  参考訳（メタデータ） (2021-04-26T20:39:18Z)
• Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
  興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。 この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。 これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
  論文  参考訳（メタデータ） (2020-11-30T18:29:25Z)
• Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Humanlike Common Sense [142.53911271465344]
  我々は、次世代のAIは、新しいタスクを解決するために、人間のような「暗黒」の常識を取り入れなければならないと論じている。 我々は、人間のような常識を持つ認知AIの5つの中核領域として、機能、物理学、意図、因果性、実用性(FPICU)を識別する。
  論文  参考訳（メタデータ） (2020-04-20T04:07:28Z)

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。