Fugu-MT 論文翻訳(概要): Introducing RISK

論文の概要: Introducing RISK

arxiv url: http://arxiv.org/abs/2208.07306v1
Date: Sun, 17 Jul 2022 09:51:10 GMT
ステータス: 処理完了
システム内更新日: 2023-02-04 18:15:28.691645
Title: Introducing RISK
Title（参考訳）: RISKの導入
Authors: Christopher D. Wallbridge and Qiyuan Zhang
Abstract要約: RISKは、システムが知っていることをリアルタイムにシミュレーションすることで、人工知能システムの透明性を高めることを目指している。これらのシミュレーションに基づいて仮説的状況を調べることで、システムはより情報的な決定を行い、専門家でない観察者が与えられた行動の背後にある推論を理解するためにそれらを生成することができる。
参考スコア（独自算出の注目度）: 3.249814704426853
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This extended abstract introduces the initial steps taken to develop a system for Rapid Internal Simulation of Knowledge (RISK). RISK aims to enable more transparency in artificial intelligence systems, especially those created by deep learning networks by allowing real-time simulation of what the system knows. By looking at hypothetical situations based on these simulations a system may make more informed decisions, and produce them for non-expert observers to understand the reasoning behind a given action.
Abstract（参考訳）: この拡張抽象化は、知識の迅速内部シミュレーション(RISK)システムを開発するための最初のステップを紹介する。 RISKは、人工知能システム、特にディープラーニングネットワークによって作成されたシステムにおいて、システムが知っていることのリアルタイムシミュレーションを可能にすることを目的としている。これらのシミュレーションに基づいて仮説的状況を調べることで、システムはより情報的な決定を行い、専門家でない観察者が与えられた行動の背後にある推論を理解するためにそれらを生成することができる。

関連論文リスト

Towards Knowledge Checking in Retrieval-augmented Generation: A Representation Perspective [48.40768048080928]
Retrieval-Augmented Generation (RAG) システムは,Large Language Models (LLM) の性能向上を約束している。本研究の目的は,RAGシステムにおける知識チェックに関する体系的研究を提供することである。
論文参考訳（メタデータ） (2024-11-21T20:39:13Z)
Governing equation discovery of a complex system from snapshots [11.803443731299677]
スナップショットからの微分方程式のスパース同定 (Sparse Identification of Differential Equations from Snapshots (SpIDES)) と呼ばれるデータ駆動型シミュレーションフリーフレームワークを導入する。 SpIDESは、高度な機械学習技術を利用してスナップショットから複雑なシステムの制御方程式を発見する。 2つの潜在的な井戸に閉じ込められた過剰損傷ランゲヴィン系の支配方程式を同定し,SpIDESの有効性とロバスト性を検証した。
論文参考訳（メタデータ） (2024-10-22T04:55:12Z)
Synthesizing Evolving Symbolic Representations for Autonomous Systems [2.4233709516962785]
本稿では,その経験をスクラッチからPDDL表現に合成し,時間とともに更新できるオープンエンド学習システムを提案する。 a)選択肢を発見する、(b)選択肢を使って環境を探索する、(c)収集した知識を抽象化する、(d)計画。
論文参考訳（メタデータ） (2024-09-18T07:23:26Z)
Cognitive LLMs: Towards Integrating Cognitive Architectures and Large Language Models for Manufacturing Decision-making [51.737762570776006]
LLM-ACTRは、ヒトに適応し、多目的な意思決定を提供する新しいニューロシンボリックアーキテクチャである。我々のフレームワークは、ACT-Rの内部決定過程の知識を潜在神経表現として抽出し、組み込む。デザイン・フォー・マニュファクチャリング・タスクに関する我々の実験は、タスク性能の向上と基礎的意思決定能力の向上を両立させたものである。
論文参考訳（メタデータ） (2024-08-17T11:49:53Z)
"Glue pizza and eat rocks" -- Exploiting Vulnerabilities in Retrieval-Augmented Generative Models [74.05368440735468]
Retrieval-Augmented Generative (RAG)モデルにより大規模言語モデル(LLM)が強化される本稿では,これらの知識基盤の開放性を敵が活用できるセキュリティ上の脅威を示す。
論文参考訳（メタデータ） (2024-06-26T05:36:23Z)
Evaluating the External and Parametric Knowledge Fusion of Large Language Models [72.40026897037814]
我々は、知識融合シナリオをシミュレートするデータ構築と知識注入のための体系的なパイプラインを開発する。本研究は, LLMにおけるパラメトリック知識の強化が, 知識統合能力を大幅に向上させることを明らかにした。本研究の目的は,LLM内の外部およびパラメトリック知識の調和を図ることにある。
論文参考訳（メタデータ） (2024-05-29T11:48:27Z)
A Cybersecurity Risk Analysis Framework for Systems with Artificial Intelligence Components [0.0]
欧州連合人工知能法、NIST人工知能リスク管理フレームワーク、および関連する規範の導入は、人工知能コンポーネントを持つシステムを評価するために、新しいリスク分析アプローチをよりよく理解し実装することを要求する。本稿では,このようなシステムの評価を支援するサイバーセキュリティリスク分析フレームワークを提案する。
論文参考訳（メタデータ） (2024-01-03T09:06:39Z)
Analyzing Complex Systems with Cascades Using Continuous-Time Bayesian Networks [42.88667535189424]
本研究では,複雑なシステムのカスケード挙動を解析するための連続時間ベイズネットワーク(CTBN)に基づくモデリングフレームワークを提案する。イベントがシステムを介してどのように伝播するかを記述し、想定される感覚状態、すなわち、差し迫ったカスケード行動を引き起こす可能性のあるシステム状態を特定する。
論文参考訳（メタデータ） (2023-08-21T10:06:15Z)
Multi Agent System for Machine Learning Under Uncertainty in Cyber Physical Manufacturing System [78.60415450507706]
近年の予測機械学習の進歩は、製造における様々なユースケースに応用されている。ほとんどの研究は、それに関連する不確実性に対処することなく予測精度を最大化することに焦点を当てた。本稿では,機械学習における不確実性の原因を特定し,不確実性下での機械学習システムの成功基準を確立する。
論文参考訳（メタデータ） (2021-07-28T10:28:05Z)
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)

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。