論文の概要: A Quantitative Symbolic Approach to Individual Human Reasoning

• arxiv url: http://arxiv.org/abs/2205.05030v1
• Date: Tue, 10 May 2022 16:43:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-12 18:47:59.581954
• Title: A Quantitative Symbolic Approach to Individual Human Reasoning
• Title（参考訳）: 個人的人間推論に対する定量的シンボリックアプローチ
• Authors: Emmanuelle Dietz, Johannes K. Fichte, Florim Hamiti
• Abstract要約: 文献から得られた知見を,論理的枠組みの中で認知的原理として定式化され,理論的推論の定量的概念を確立できることを示す。 非単調推論と計算機科学の技法、すなわち、解集合プログラミング(ASP)と呼ばれる解法パラダイムを用いる。 最後に、ASP.NETの可視性推論を使って、既存の実験の効果をテストし、異なる多数派反応を説明できます。
• 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: Cognitive theories for reasoning are about understanding how humans come to conclusions from a set of premises. Starting from hypothetical thoughts, we are interested which are the implications behind basic everyday language and how do we reason with them. A widely studied topic is whether cognitive theories can account for typical reasoning tasks and be confirmed by own empirical experiments. This paper takes a different view and we do not propose a theory, but instead take findings from the literature and show how these, formalized as cognitive principles within a logical framework, can establish a quantitative notion of reasoning, which we call plausibility. For this purpose, we employ techniques from non-monotonic reasoning and computer science, namely, a solving paradigm called answer set programming (ASP). Finally, we can fruitfully use plausibility reasoning in ASP to test the effects of an existing experiment and explain different majority responses.
• Abstract（参考訳）: 推論の認知理論(cognitive theory for reasoning)とは、人間が前提からどのように結論に達するかを理解することである。 仮説的思考から始めると、基本的な日常言語の背後にある意味と、それについてどのように考えるべきかに関心がある。 広く研究されているトピックは、認知理論が典型的な推論タスクを考慮し、自身の経験実験によって確認できるかどうかである。 本稿では,理論を論じるのではなく,論理的枠組みの中で認知的原理として形式化されたこれらの理論が,理論の量的概念を確立できることを示す。 そこで我々は,非単調推論と計算機科学の手法,すなわち解集合プログラミング(ASP.NET)と呼ばれる問題解決パラダイムを用いる。 最後に、ASP.NETの可視性推論を使って、既存の実験の効果をテストし、異なる多数派反応を説明できます。

関連論文リスト

• Conceptual and Unbiased Reasoning in Language Models [98.90677711523645]
  本稿では,抽象的質問に対する概念的推論をモデルに強制する,新しい概念化フレームワークを提案する。 既存の大規模言語モデルは概念的推論では不足しており、様々なベンチマークでは9%から28%に低下している。 ハイレベルな抽象的推論が不偏で一般化可能な意思決定の鍵となるので、モデルがどのように改善できるかについて議論する。
  論文  参考訳（メタデータ） (2024-03-30T00:53:53Z)
• Inference of Abstraction for a Unified Account of Reasoning and Learning [0.0]
  我々は、推論と学習の統一的な説明のために、単純な確率的推論の理論を与える。 我々は、形式論理におけるその満足度の観点から、データがどのように象徴的な知識を引き起こすかをモデル化する。
  論文  参考訳（メタデータ） (2024-02-14T09:43:35Z)
• Implicit Chain of Thought Reasoning via Knowledge Distillation [58.80851216530288]
  思考推論ステップの連鎖を明示的に生成する代わりに、言語モデルの内部の隠れ状態を使用して暗黙の推論を行います。 このアプローチにより、明示的にチェーン・オブ・シントなしでは解決不可能なタスクを、非チェーン・オブ・シントに匹敵する速度で解決できることが分かりました。
  論文  参考訳（メタデータ） (2023-11-02T17:59:49Z)
• From Heuristic to Analytic: Cognitively Motivated Strategies for Coherent Physical Commonsense Reasoning [66.98861219674039]
  ヒューリスティック分析推論(HAR)戦略は、モデル決定のための合理化のコヒーレンスを大幅に改善する。 以上の結果から, PLM推論の一貫性と信頼性を効果的に向上できる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-10-24T19:46:04Z)
• Minding Language Models' (Lack of) Theory of Mind: A Plug-and-Play Multi-Character Belief Tracker [72.09076317574238]
  ToMは,読解における文字の信念状態を調べるためのプラグアンドプレイ方式である。 ToMは、教師付きベースラインと比較して、配電性能が堅牢でありながら、ゼロオーダー設定でのオフ・ザ・シェルフニューラルネットワーク理論の考え方を強化する。
  論文  参考訳（メタデータ） (2023-06-01T17:24:35Z)
• Towards Unifying Perceptual Reasoning and Logical Reasoning [0.6853165736531939]
  論理学の最近の研究は、論理的推論をベイズ的推論として提示している。 モデルが知覚システムと論理システムに共通する2つの本質的なプロセスを統合することを示す。
  論文  参考訳（メタデータ） (2022-06-27T10:32:47Z)
• 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)
• A Qualitative Theory of Cognitive Attitudes and their Change [8.417971913040066]
  定性的決定理論の様々な関連概念を表現できることを示した。 また、選択の概念による論理の拡張と、信念変化と欲望変化のための動的作用素による拡張の2つを提示する。
  論文  参考訳（メタデータ） (2021-02-16T10:28:49Z)
• 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)
• Cognitive Argumentation and the Suppression Task [1.027974860479791]
  本稿では,認知論(Cognitive Argumentation)と呼ばれる新たなフレームワークにおいて,人間の推論をモデル化する上での課題について述べる。 このフレームワークは認知科学における経験的および理論的研究に基づく認知原理に依存しており、AIから計算議論の一般的かつ抽象的な枠組みを適応させる。 我々は、認知論は、人間の条件推論に一貫性があり、認知的に適切なモデルを提供すると論じている。
  論文  参考訳（メタデータ） (2020-02-24T10:30:39Z)

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。