論文の概要: Complementary artificial intelligence designed to augment human
discovery
- arxiv url: http://arxiv.org/abs/2207.00902v1
- Date: Sat, 2 Jul 2022 19:36:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-07 08:37:46.363800
- Title: Complementary artificial intelligence designed to augment human
discovery
- Title(参考訳): 人間の発見を補足する人工知能
- Authors: Jamshid Sourati, James Evans
- Abstract要約: 我々は、認知能力と競合するのではなく、補完することで人間の理解を根本的に増強するために、有益なAIを再認識し、パイロットする。
我々は、この手法を用いて、物質が貴重なエネルギー関連特性を持っているかどうかの貴重な予測を生成する。
我々の予測は、人類の科学者や発明家によって特定されたとしても、今後数年ほどしか発見されていないことを実証しています。
- 参考スコア(独自算出の注目度): 2.7786142348700658
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Neither artificial intelligence designed to play Turing's imitation game, nor
augmented intelligence built to maximize the human manipulation of information
are tuned to accelerate innovation and improve humanity's collective advance
against its greatest challenges. We reconceptualize and pilot beneficial AI to
radically augment human understanding by complementing rather than competing
with human cognitive capacity. Our approach to complementary intelligence
builds on insights underlying the wisdom of crowds, which hinges on the
independence and diversity of crowd members' information and approach. By
programmatically incorporating information on the evolving distribution of
scientific expertise from research papers, our approach follows the
distribution of content in the literature while avoiding the scientific crowd
and the hypotheses cognitively available to it. We use this approach to
generate valuable predictions for what materials possess valuable
energy-related properties (e.g., thermoelectricity), and what compounds possess
valuable medical properties (e.g., asthma) that complement the human scientific
crowd. We demonstrate that our complementary predictions, if identified by
human scientists and inventors at all, are only discovered years further into
the future. When we evaluate the promise of our predictions with
first-principles equations, we demonstrate that increased complementarity of
our predictions does not decrease and in some cases increases the probability
that the predictions possess the targeted properties. In summary, by tuning AI
to avoid the crowd, we can generate hypotheses unlikely to be imagined or
pursued until the distant future and promise to punctuate scientific advance.
By identifying and correcting for collective human bias, these models also
suggest opportunities to improve human prediction by reformulating science
education for discovery.
- Abstract(参考訳): チューリングの模倣ゲームをプレイするために設計された人工知能も、情報の人間の操作を最大化するために作られた人工知能も、イノベーションを加速し、人類の最大の挑戦に対する集団的進歩を改善するために調整されていない。
我々は、人間の認知能力と競合するのではなく、補完することで人間の理解を根本的に増強するために、有益なAIを再認識し、パイロットする。
補完的インテリジェンスへの我々のアプローチは、群衆の情報とアプローチの独立性と多様性に基づく、群衆の知恵に基づく洞察に基づいている。
研究論文からの科学的専門知識の分布に関する情報をプログラム的に組み込むことにより,論文の内容の分布を追及し,科学的観衆や仮説の認知的利用を回避した。
このアプローチは、物質が有意義なエネルギー関連特性(例えば、熱電性)を持っているか、また物質が有意義な医学的特性(例えば、喘息)を持っているか(例えば、人間の科学的な群衆を補完する物質)を予測するために用いられる。
我々の補完的な予測は、人間の科学者や発明家によって特定されたとしても、今後数年で発見されることを実証する。
第一原理方程式による予測の約束を評価すると、予測の相補性の増加は減少せず、ある場合には、予測が目標となる性質を持つ確率を高めることが示される。
要約すると、群衆を避けるためにAIをチューニングすることで、遠い未来まで想像も追求もできない仮説を生成でき、科学的な進歩を予測できる。
集団的人間の偏見を同定し修正することにより、これらのモデルは発見のための科学教育を改革することで、人間の予測を改善する機会も提案する。
関連論文リスト
- Artificial Human Intelligence: The role of Humans in the Development of Next Generation AI [6.8894258727040665]
我々は、人間と機械の知能の相互作用を探求し、人間が知能システムを開発する上で果たす重要な役割に焦点を当てる。
我々は, 次世代開発に向けた人間中心の方向性を提案するために, 共生設計の利点を活かして, 今後の展望を提案する。
論文 参考訳(メタデータ) (2024-09-24T12:02:20Z) - The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。
同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。
一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
論文 参考訳(メタデータ) (2023-10-31T18:07:07Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳(メタデータ) (2023-10-13T07:03:39Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳(メタデータ) (2023-07-09T21:16:56Z) - Accelerating science with human-aware artificial intelligence [2.7786142348700658]
教師なしモデルのトレーニングにより、人間の専門知識の分布を取り入れることで、将来の発見のAI予測が劇的に向上する(最大400%)。
これらのモデルは、人間の予測とそれを作る科学者を予測することで成功します。
人間の発見を加速する、あるいはその盲点を探索するAIは、現代科学の最前線を行き来することを可能にする。
論文 参考訳(メタデータ) (2023-06-02T12:43:23Z) - Learning from learning machines: a new generation of AI technology to
meet the needs of science [59.261050918992325]
科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。
産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
論文 参考訳(メタデータ) (2021-11-27T00:55:21Z) - Accelerating science with human versus alien artificial intelligences [3.6354412526174196]
人間の専門知識の分布を自己監督モデルに組み込むことで、将来の人間の発見や発明のAI予測が劇的に向上することを示す。
これらのモデルは、人間の予測とそれを作る科学者を予測することで成功する。
しかし、群衆を避けるためにAIを調整することによって、介入なしに想像または追求される可能性が低い科学的に有望な「エイリアン」仮説を生成します。
論文 参考訳(メタデータ) (2021-04-12T03:50:30Z) - 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) - Drug discovery with explainable artificial intelligence [0.0]
分子科学の機械言語の新しい物語の必要性に対処する「説明可能な」深層学習手法が求められている。
このレビューでは、説明可能な人工知能の最も顕著なアルゴリズム概念を要約し、将来の可能性、潜在的な応用、そして残る課題を予測している。
論文 参考訳(メタデータ) (2020-07-01T14:36:23Z)
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。