論文の概要: Core and Periphery as Closed-System Precepts for Engineering General Intelligence

• arxiv url: http://arxiv.org/abs/2208.02837v1
• Date: Thu, 4 Aug 2022 18:20:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-08 13:12:09.511106
• Title: Core and Periphery as Closed-System Precepts for Engineering General Intelligence
• Title（参考訳）: エンジニアリング・ジェネラルインテリジェンスのためのクローズドシステムとしてのコアと周辺
• Authors: Tyler Cody, Niloofar Shadab, Alejandro Salado, Peter Beling
• Abstract要約: AIシステムの入力が出力から独立するかどうかは不明であり、従ってAIシステムが従来のコンポーネントとして扱われるかどうかは不明である。 本稿では, 工学的汎用知能は, コアと周辺と呼ばれる, 新たな汎用システム規範を必要とすることを示唆する。
• 参考スコア（独自算出の注目度）: 62.997667081978825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Engineering methods are centered around traditional notions of decomposition and recomposition that rely on partitioning the inputs and outputs of components to allow for component-level properties to hold after their composition. In artificial intelligence (AI), however, systems are often expected to influence their environments, and, by way of their environments, to influence themselves. Thus, it is unclear if an AI system's inputs will be independent of its outputs, and, therefore, if AI systems can be treated as traditional components. This paper posits that engineering general intelligence requires new general systems precepts, termed the core and periphery, and explores their theoretical uses. The new precepts are elaborated using abstract systems theory and the Law of Requisite Variety. By using the presented material, engineers can better understand the general character of regulating the outcomes of AI to achieve stakeholder needs and how the general systems nature of embodiment challenges traditional engineering practice.
• Abstract（参考訳）: エンジニアリングの手法は、コンポーネントのインプットとアウトプットを分割してコンポーネントレベルのプロパティを構成後に保持する従来の分解と再結合の概念を中心にしている。 しかし、人工知能(AI)では、システムは環境に影響を与え、環境によって自分自身に影響を与えることがしばしば期待されている。 したがって、AIシステムの入力が出力から独立しているかどうかは不明であり、従ってAIシステムが従来のコンポーネントとして扱われるかどうかは不明である。 本稿では, 工学的汎用知能は, コアと周辺と呼ばれる新しい一般的システム規範を必要とし, その理論的利用を探求する。 新たな戒律は、抽象システム理論と必須変量法を用いて詳述される。 提示された資料を使用することで、AIの成果を規制してステークホルダーのニーズを達成するという一般的な特徴と、エンボディメントの一般的なシステム特性が従来のエンジニアリングプラクティスにどのように挑戦するかをより理解することができる。

関連論文リスト

• Designing Secure AI-based Systems: a Multi-Vocal Literature Review [5.799668199535053]
  我々は,AIベースのシステム設計のための16のアーキテクチャセキュリティガイドラインを提示する。 このガイドラインは、AIベースのシステムのセキュアな開発について、実践者を支援することができる。
  論文  参考訳（メタデータ） (2024-07-26T08:04:05Z)
• Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
  デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
  論文  参考訳（メタデータ） (2024-04-29T04:51:05Z)
• The ConceptARC Benchmark: Evaluating Understanding and Generalization in the ARC Domain [0.0]
  ARC(Abstraction and Reasoning Corpus)の詳細な評価ベンチマークについて述べる。 特に、ARCドメインで公開された新しいベンチマークであるConceptARCについて説明する。 本ベンチマークでは,3つのマシンソルバとともに,人体実験結果について報告する。
  論文  参考訳（メタデータ） (2023-05-11T21:06:39Z)
• Mesarovician Abstract Learning Systems [0.0]
  学習への現在のアプローチは、根本的な規範として問題領域と課題タスクの概念を持っている。 メサロビアン抽象システム理論は学習の超構造として用いられる。
  論文  参考訳（メタデータ） (2021-11-29T18:17:32Z)
• Scholarly AI system diagrams as an access point to mental models [6.233820957059352]
  人工知能(AI)システムのような複雑なシステムは、多くの相互関連コンポーネントで構成されている。 これらのシステムを表現するためには、コンポーネント間の関係を示すことが不可欠です。 図は「関係のアイコン」として、複雑なシステムを示すための一般的な媒体です。
  論文  参考訳（メタデータ） (2021-04-30T07:55:18Z)
• Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
  再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
  論文  参考訳（メタデータ） (2020-07-13T20:30:26Z)
• Self-organizing Democratized Learning: Towards Large-scale Distributed Learning Systems [71.14339738190202]
  民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。 本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。 提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-07-07T08:34:48Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

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。