論文の概要: Emergent Causality and the Foundation of Consciousness

• arxiv url: http://arxiv.org/abs/2302.03189v4
• Date: Thu, 11 Apr 2024 04:51:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-12 19:37:39.790715
• Title: Emergent Causality and the Foundation of Consciousness
• Title（参考訳）: 創発的因果性と意識の基礎
• Authors: Michael Timothy Bennett,
• Abstract要約: 我々は$do$演算子がない場合、介入は変数で表現できると主張している。 狭義では、それは何を知るべきかを記述し、意識の側面の機械的な説明である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To make accurate inferences in an interactive setting, an agent must not confuse passive observation of events with having intervened to cause them. The $do$ operator formalises interventions so that we may reason about their effect. Yet there exist pareto optimal mathematical formalisms of general intelligence in an interactive setting which, presupposing no explicit representation of intervention, make maximally accurate inferences. We examine one such formalism. We show that in the absence of a $do$ operator, an intervention can be represented by a variable. We then argue that variables are abstractions, and that need to explicitly represent interventions in advance arises only because we presuppose these sorts of abstractions. The aforementioned formalism avoids this and so, initial conditions permitting, representations of relevant causal interventions will emerge through induction. These emergent abstractions function as representations of one`s self and of any other object, inasmuch as the interventions of those objects impact the satisfaction of goals. We argue that this explains how one might reason about one`s own identity and intent, those of others, of one`s own as perceived by others and so on. In a narrow sense this describes what it is to be aware, and is a mechanistic explanation of aspects of consciousness.
• Abstract（参考訳）: 対話的な環境で正確な推論を行うためには、エージェントは、イベントの受動的観察と、それらを引き起こすための介入を混同してはならない。 この$do$演算子は介入を形式化し、その効果について推論できるようにします。 しかし、対話的な環境では、介入の明示的な表現を前提とせず、最大限に正確な推論を行うような、汎用知能の最適数学的形式主義が存在する。 我々はそのような形式主義を一つ検討する。 我々は$do$演算子がない場合、介入は変数で表現できることを示した。 次に、変数は抽象化であり、事前に介入を明示的に表現する必要があるのは、この種の抽象化を前提にしているためだけである、と論じます。 上記の形式主義は、これを避けるため、初期条件は、誘導を通じて関連する因果的介入の表現が現れる。 これらの創発的抽象化は、自己と他のオブジェクトの表現として機能し、それらのオブジェクトの介入が目標の満足度に影響を与えると判断される。 このことは、他人のアイデンティティや意図、他人のアイデンティティや意図を、他人が認識するものとして、どのように考えるかを説明するものだ、と我々は主張する。 狭義では、それは何を知るべきかを記述し、意識の側面の機械的な説明である。

関連論文リスト

• Counterfactual Explanations as Plans [6.445239204595516]
  我々は、アクションシーケンスの観点で、対実的説明の正式な説明を提供する。 エージェントのモデルを修正したり、エージェントの計画にアクションを提案したりすることで、モデル和解の理由を自然に示します。
  論文  参考訳（メタデータ） (2025-02-13T11:45:54Z)
• What is causal about causal models and representations? [5.128695263114213]
  因果ベイズネットワークは介入分布の予測を行うため「因果」モデルである。 このような因果モデル予測と実世界の成果を結びつけるためには、どの行動がモデル内のどの介入に対応するかを決定する必要がある。 我々は、介入の正確さとして、行動の異なる解釈にそのような要件を課すための正式な枠組みを導入する。
  論文  参考訳（メタデータ） (2025-01-31T17:35:21Z)
• Sim-to-Real Causal Transfer: A Metric Learning Approach to Causally-Aware Interaction Representations [62.48505112245388]
  エージェント相互作用の現代的表現の因果認識を詳細に検討する。 近年の表現は、非因果剤の摂動に対して部分的に耐性があることが示されている。 因果アノテーションを用いた潜在表現を正規化するための計量学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-07T18:57:03Z)
• Is This the Subspace You Are Looking for? An Interpretability Illusion for Subspace Activation Patching [47.05588106164043]
  機械的解釈可能性(Mechanistic Interpretability)は、特定の、解釈可能な特徴の観点からモデル行動を理解することを目的としている。 最近の研究は、モデル行動を操作し、その背後にある特徴を与えられた部分空間とみなす方法として、サブスペース介入を探求している。 これらの2つの目的が多様であることを示し、潜在的に説明可能性という幻想的な感覚に繋がる可能性があることを実証する。
  論文  参考訳（メタデータ） (2023-11-28T18:32:19Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Towards a Grounded Theory of Causation for Embodied AI [12.259552039796027]
  既存のフレームワークは、どの行動方針や状態空間の物理的変換を介入とみなすべきかを示すものではありません。 このフレームワークは、例えばポリシーを実行するエージェントによって誘導される状態空間の変換としてアクションを記述する。 これにより、マイクロ状態空間の変換とその抽象モデルの両方を均一に記述することができる。
  論文  参考訳（メタデータ） (2022-06-28T12:56:43Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• Nested Counterfactual Identification from Arbitrary Surrogate Experiments [95.48089725859298]
  観測と実験の任意の組み合わせからネスト反事実の同定について検討した。 具体的には、任意のネストされた反事実を非ネストされたものへ写像できる反ファクト的非ネスト定理(英語版)(CUT)を証明する。
  論文  参考訳（メタデータ） (2021-07-07T12:51:04Z)
• Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and Execution [97.50813120600026]
  時空間推論は人工知能(AI)の課題である 最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM) ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:18Z)

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。