論文の概要: Learning Robust Real-Time Cultural Transmission without Human Data

• arxiv url: http://arxiv.org/abs/2203.00715v1
• Date: Tue, 1 Mar 2022 19:32:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-04 09:45:27.117882
• Title: Learning Robust Real-Time Cultural Transmission without Human Data
• Title（参考訳）: 人的データのないロバストなリアルタイム文化伝達の学習
• Authors: Cultural General Intelligence Team, Avishkar Bhoopchand, Bethanie Brownfield, Adrian Collister, Agustin Dal Lago, Ashley Edwards, Richard Everett, Alexandre Frechette, Yanko Gitahy Oliveira, Edward Hughes, Kory W. Mathewson, Piermaria Mendolicchio, Julia Pawar, Miruna Pislar, Alex Platonov, Evan Senter, Sukhdeep Singh, Alexander Zacherl, Lei M. Zhang
• Abstract要約: 人工知能エージェントにおけるゼロショット、高リコール文化伝達を生成する方法を提案する。 我々のエージェントは、事前に収集された人間のデータを使わずに、新しい文脈で人間からリアルタイムの文化的伝達に成功した。 これは、人工知能を開発するアルゴリズムとしての文化進化の道を開くものである。
• 参考スコア（独自算出の注目度）: 82.05222093231566
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cultural transmission is the domain-general social skill that allows agents to acquire and use information from each other in real-time with high fidelity and recall. In humans, it is the inheritance process that powers cumulative cultural evolution, expanding our skills, tools and knowledge across generations. We provide a method for generating zero-shot, high recall cultural transmission in artificially intelligent agents. Our agents succeed at real-time cultural transmission from humans in novel contexts without using any pre-collected human data. We identify a surprisingly simple set of ingredients sufficient for generating cultural transmission and develop an evaluation methodology for rigorously assessing it. This paves the way for cultural evolution as an algorithm for developing artificial general intelligence.
• Abstract（参考訳）: 文化伝承は、エージェントが互いに情報をリアルタイムで取得・活用し、高い忠実さとリコールを可能にする、ドメイン一般の社会的スキルである。 人間では、累積的な文化的進化を支え、私たちのスキル、ツール、知識を世代にわたって拡張する継承プロセスです。 人工知能エージェントにおけるゼロショット、高リコール文化伝達を生成する方法を提案する。 我々のエージェントは,事前に収集した人間データを使わずに,新しい文脈で人間からのリアルタイムな文化伝達に成功している。 文化伝達を発生させるのに十分な驚くほど単純な成分群を同定し,それを厳密に評価するための評価方法を開発した。 これは、人工知能を開発するアルゴリズムとしての文化進化の道を開く。

関連論文リスト

• CultureVo: The Serious Game of Utilizing Gen AI for Enhancing Cultural Intelligence [0.0]
  本稿では,オープンソースのLarge Langauge Modelを用いたジェネレーティブAIが,Integrated Culture Learning Suite内でどのように活用されているかを検討する。 このスイートは、学習者の知識の評価を自動化し、行動パターンを分析し、非プレイヤーキャラクターとのインタラクションを管理するために、ジェネレーティブAI技術を使用している。
  論文  参考訳（メタデータ） (2024-07-30T09:26:43Z)
• Symbolic Learning Enables Self-Evolving Agents [55.625275970720374]
  エージェントシンボリックラーニング(エージェントシンボリックラーニング)(エージェントシンボリックラーニング)は、言語エージェントが自分自身で最適化できるための体系的なフレームワークである。 エージェント記号学習は、コネクショナリズム学習における2つの基本的なアルゴリズムを模倣することにより、言語エージェント内のシンボルネットワークを最適化するように設計されている。 我々は、標準ベンチマークと複雑な実世界のタスクの両方で概念実証実験を行う。
  論文  参考訳（メタデータ） (2024-06-26T17:59:18Z)
• Transcendence: Generative Models Can Outperform The Experts That Train Them [55.885802048647655]
  生成モデルがデータを生成する専門家の能力を超える能力を達成するとき、超越現象を研究する。 我々は,自動回帰変換器をトレーニングして,ゲームスクリプティングからチェスを学習し,トレーニングされたモデルが,データセットのすべてのプレイヤーよりも優れたパフォーマンスが得られることを示す。
  論文  参考訳（メタデータ） (2024-06-17T17:00:52Z)
• Extrinsic Evaluation of Cultural Competence in Large Language Models [53.626808086522985]
  本稿では,2つのテキスト生成タスクにおける文化能力の評価に焦点をあてる。 我々は,文化,特に国籍の明示的なキューが,そのプロンプトに乱入している場合のモデル出力を評価する。 異なる国におけるアウトプットのテキスト類似性とこれらの国の文化的価値との間には弱い相関関係がある。
  論文  参考訳（メタデータ） (2024-06-17T14:03:27Z)
• Artificial Generational Intelligence: Cultural Accumulation in Reinforcement Learning [5.930456214333413]
  社会的学習と独立学習のバランスをとる訓練が文化的な蓄積をもたらすことを示す。 In-contextとIn-weightsの文化的な蓄積は、それぞれ知識とスキルの蓄積に類似していると解釈できる。 この研究は、強化学習における創発的な文化的蓄積を実現するための一般的なモデルを初めて提示するものである。
  論文  参考訳（メタデータ） (2024-06-01T10:33:32Z)
• CulturalTeaming: AI-Assisted Interactive Red-Teaming for Challenging LLMs' (Lack of) Multicultural Knowledge [69.82940934994333]
  我々は、人間とAIのコラボレーションを活用して、挑戦的な評価データセットを構築するインタラクティブなレッドチームシステムであるCulturalTeamingを紹介する。 我々の研究は、CulturalTeamingの様々なAI支援モードが、文化的な質問の作成においてアノテータを支援することを明らかにした。 CULTURALBENCH-V0.1は、ユーザのリピートの試みにより、コンパクトだが高品質な評価データセットである。
  論文  参考訳（メタデータ） (2024-04-10T00:25:09Z)
• Cultural evolution in populations of Large Language Models [15.012901178522874]
  本研究では,人間の振る舞いを模倣する大規模言語モデルの能力を利用することで,このギャップに対処できる可能性が示唆された。 人工エージェントは、文化の進化にますます参加することが求められているため、機械生成文化の進化のダイナミクスをより深く理解することが不可欠である。 本稿では, LLMの人口の文化的進化をシミュレーションする枠組みを提案し, 文化的進化において重要な変数の操作を可能にする。
  論文  参考訳（メタデータ） (2024-03-13T18:11:17Z)
• Massively Multi-Cultural Knowledge Acquisition & LM Benchmarking [48.21982147529661]
  本稿では,多文化知識獲得のための新しいアプローチを提案する。 本手法は,文化トピックに関するウィキペディア文書からリンクページの広範囲なネットワークへ戦略的にナビゲートする。 私たちの仕事は、AIにおける文化的格差のギャップを深く理解し、橋渡しするための重要なステップです。
  論文  参考訳（メタデータ） (2024-02-14T18:16:54Z)
• Machine Culture [15.122174007266874]
  知的機械は、変化、伝達、選択の文化的過程を同時に変革する、と我々は主張する。 我々は、機械が文化的進化に与える影響を現在および将来予測するための概念的枠組みを提供する。
  論文  参考訳（メタデータ） (2023-11-19T18:12:21Z)
• Cultural Incongruencies in Artificial Intelligence [5.817158625734485]
  我々は、AIベースの言語とビジョン技術の文脈において、文化的な依存関係と矛盾のセットについて説明する。 これらの技術が世界規模で多様な社会や文化と相互作用し、異なる価値と解釈の実践によって問題が発生する。
  論文  参考訳（メタデータ） (2022-11-19T18:45:02Z)

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。