論文の概要: Mind the gap: Challenges of deep learning approaches to Theory of Mind
- arxiv url: http://arxiv.org/abs/2203.16540v1
- Date: Wed, 30 Mar 2022 15:48:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-01 14:10:37.483240
- Title: Mind the gap: Challenges of deep learning approaches to Theory of Mind
- Title（参考訳）: ギャップの心:心の理論への深層学習アプローチの挑戦
- Authors: Jaan Aru, Aqeel Labash, Oriol Corcoll, Raul Vicente
- Abstract要約: 心の理論は、人間が他人の精神状態を推測する重要な能力である。
ここでは、心の理論に対する深層学習アプローチの可能性、現在の進歩、課題について、一貫した概要を述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Theory of Mind is an essential ability of humans to infer the mental states
of others. Here we provide a coherent summary of the potential, current
progress, and problems of deep learning approaches to Theory of Mind. We
highlight that many current findings can be explained through shortcuts. These
shortcuts arise because the tasks used to investigate Theory of Mind in deep
learning systems have been too narrow. Thus, we encourage researchers to
investigate Theory of Mind in complex open-ended environments. Furthermore, to
inspire future deep learning systems we provide a concise overview of prior
work done in humans. We further argue that when studying Theory of Mind with
deep learning, the research's main focus and contribution ought to be opening
up the network's representations. We recommend researchers use tools from the
field of interpretability of AI to study the relationship between different
network components and aspects of Theory of Mind.
- Abstract（参考訳）: 心の理論は、人間が他人の精神状態を推測する重要な能力である。
本稿では,心の理論への深層学習アプローチの可能性,現状,課題を整理した。
現状の多くの発見はショートカットで説明できる。
これらのショートカットは、深層学習システムにおける心の理論を研究するために使われるタスクが狭すぎるために生じる。
そこで我々は,複雑なオープンエンド環境での心の理論を研究することを奨励する。
さらに、将来の深層学習システムに刺激を与えるため、人間による以前の作業の簡潔な概要を提供する。
さらに、深層学習で心の理論を研究する場合、研究の主な焦点と貢献はネットワークの表現を開放することであるべきだと論じている。
研究者は、AIの解釈可能性の分野からのツールを使用して、異なるネットワークコンポーネントと心の理論の側面の関係を研究することを推奨する。
関連論文リスト
- Philosophy of Cognitive Science in the Age of Deep Learning [0.0]
ディープラーニングは、人工知能研究のほとんどの領域で大きな進歩をもたらした。
このパースペクティブペーパーは、貢献が特に実りのある重要な領域を調査している。
論文 参考訳（メタデータ） (2024-05-07T06:39:47Z) - Think Twice: Perspective-Taking Improves Large Language Models'
Theory-of-Mind Capabilities [63.90227161974381]
SimToMは、シミュレーション理論の視点取りの概念にインスパイアされた、新しいプロンプトフレームワークである。
我々のアプローチは、追加のトレーニングや最小限のプロンプトチューニングを必要とせず、既存の手法よりも大幅に改善されている。
論文 参考訳（メタデータ） (2023-11-16T22:49:27Z) - Survey of Consciousness Theory from Computational Perspective [8.521492577054078]
本稿では、異なる主題から派生した意識理論のいくつかの主要な分野について調査する。
また、既存の意識評価指標と、現在の計算モデルが意識を持つ可能性についても論じる。
論文 参考訳（メタデータ） (2023-09-18T18:23:58Z) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - Memory-Augmented Theory of Mind Network [59.9781556714202]
社会的推論は、心の理論(ToM)の能力を必要とする。
ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。
我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。
この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
論文 参考訳（メタデータ） (2023-01-17T14:48:58Z) - Neural Theory-of-Mind? On the Limits of Social Intelligence in Large LMs [77.88043871260466]
私たちは、今日の最大の言語モデルのひとつに、このようなソーシャルインテリジェンスを最初から欠いていることを示しています。
我々は、人中心のNLPアプローチは、マインドの神経理論に対してより効果的であるかもしれないと結論づける。
論文 参考訳（メタデータ） (2022-10-24T14:58:58Z) - On the link between conscious function and general intelligence in
humans and machines [0.9176056742068814]
意識機能に関する3つの理論に関連する認知能力について考察する。
これら3つの理論は、意識機能と、人間におけるドメインジェネラルインテリジェンス(ドメインジェネリジェンス)のいくつかの側面を特に関連付けている。
3つの理論のそれぞれからの洞察を統一モデルに組み込む方法を提案する。
論文 参考訳（メタデータ） (2022-03-24T02:22:23Z) - Interpretable Reinforcement Learning Inspired by Piaget's Theory of
Cognitive Development [1.7778609937758327]
本稿では,思考の言語(LOTH)やスクリプト理論,ピアジェの認知発達理論などの理論が相補的なアプローチを提供するという考えを楽しませる。
提案するフレームワークは,人工知能システムにおいて,人間のような認知を実現するためのステップとみなすことができる。
論文 参考訳（メタデータ） (2021-02-01T00:29:01Z) - Deep Learning and the Global Workspace Theory [0.0]
近年のディープラーニングの進歩により、人工知能は多くの感覚、知覚、言語的、認知的なタスクにおいて、人間レベルのパフォーマンスに近いものになった。
しかし、新しい脳にインスパイアされた認知アーキテクチャーの必要性はますます高まっている。
グローバルワークスペース理論(Global Workspace theory)は、特定のモジュールのネットワーク間で情報を統合し、分散し、より高いレベルの認知と認識を作り出す大規模システムを指す。
論文 参考訳（メタデータ） (2020-12-04T11:36:01Z) - 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。