論文の概要: The Construction of Reality in an AI: A Review

• arxiv url: http://arxiv.org/abs/2302.05448v1
• Date: Fri, 3 Feb 2023 22:52:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-19 14:18:39.282862
• Title: The Construction of Reality in an AI: A Review
• Title（参考訳）: AIにおける現実の構築 : レビュー
• Authors: Jeffrey W. Johnston
• Abstract要約: 本稿では,構成主義的AI実装に対する意識を高めることを目的とする。 2008年のGuerin氏の“Learning Like a Baby: A Survey of AI approach”をベースとしている。 その焦点は、ピアジェのスキーマのレンズを通して実際に見られる知識表現と学習アルゴリズムである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI constructivism as inspired by Jean Piaget, described and surveyed by Frank Guerin, and representatively implemented by Gary Drescher seeks to create algorithms and knowledge structures that enable agents to acquire, maintain, and apply a deep understanding of the environment through sensorimotor interactions. This paper aims to increase awareness of constructivist AI implementations to encourage greater progress toward enabling lifelong learning by machines. It builds on Guerin's 2008 "Learning Like a Baby: A Survey of AI approaches." After briefly recapitulating that survey, it summarizes subsequent progress by the Guerin referents, numerous works not covered by Guerin (or found in other surveys), and relevant efforts in related areas. The focus is on knowledge representations and learning algorithms that have been used in practice viewed through lenses of Piaget's schemas, adaptation processes, and staged development. The paper concludes with a preview of a simple framework for constructive AI being developed by the author that parses concepts from sensory input and stores them in a semantic memory network linked to episodic data. Extensive references are provided.
• Abstract（参考訳）: フランク・ゲリンによって説明され、調査されたjean piagetに触発されたai構成主義は、gary drescher氏によって一般的に実装され、エージェントがセンサーと相互作用を通じて環境を深く理解し、維持し、適用できるアルゴリズムと知識構造を作ろうとしている。 本稿では,機械による生涯学習の実現に向けて,建設的AI実装に対する意識を高めることを目的とする。 2008年の"Learning Like a Baby: A Survey of AI approach"をベースとしている。 この調査を短期間再確認した後、ゲリンの参考人によるその後の進展、ゲリンがカバーしていない多数の作品(あるいは他の調査で見つかったもの)、関連分野における関連する取り組みをまとめている。 その焦点は知識表現と学習アルゴリズムであり、ピアジェの図式、適応過程、段階的開発といったレンズを通して実際に使われてきた。 論文は、感覚入力から概念を解析し、エピソディックデータに関連付けられたセマンティックメモリネットワークに格納する、著者が開発する建設的aiのためのシンプルなフレームワークのプレビューで締めくくっている。 広範囲の参照が提供されている。

関連論文リスト

• Funhouse Mirror or Echo Chamber? A Methodological Approach to Teaching Critical AI Literacy Through Metaphors [0.0]
  本研究では,概念メタファー理論(CMT)とユネスコのAI能力フレームワークを組み合わせて,クリティカルAIリテラシー(CAIL)を開発する手法を提案する。 我々は,CAIL の教え方として,GenAI をエコーチャンバーとして,GenAI をファンハウスミラーとして,GenAI をブラックボックスマジシャンとして,GenAI をマップとして,4つの重要なメタファを特定し,提案する。
  論文  参考訳（メタデータ） (2024-11-22T05:01:11Z)
• Combining Cognitive and Generative AI for Self-explanation in Interactive AI Agents [1.1259354267881174]
  本研究では、VERAのような対話型AIエージェントの自己説明のための認知AIと生成AIの収束について検討する。 認知AIの観点から、我々はVERAに、タスク-メソッド-知識(TMK)言語で表される独自の設計、知識、推論の機能モデルを与える。 生成AIの観点からは、ChatGPT、LangChain、Chain-of-Thoughtを使用して、VERA TMKモデルに基づいたユーザの質問に答える。
  論文  参考訳（メタデータ） (2024-07-25T18:46:11Z)
• Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
  コネクショニストと象徴的人工知能(AI)の収束を探求する記事 従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。 大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-11T14:00:53Z)
• SOK-Bench: A Situated Video Reasoning Benchmark with Aligned Open-World Knowledge [60.76719375410635]
  44Kの質問と10Kの状況からなる新しいベンチマーク(SOK-Bench)を提案する。 推論プロセスは、位置する知識と問題解決のための一般的な知識を理解し、適用するために必要である。 質問応答ペアと推論プロセスを生成し,最後に品質保証に関する手作業によるレビューを行った。
  論文  参考訳（メタデータ） (2024-05-15T21:55:31Z)
• The Artificial Intelligence Ontology: LLM-assisted construction of AI concept hierarchies [0.7796141041639462]
  人工知能オントロジー(AIO)は、人工知能の概念、方法論、それらの相互関係の体系化である。 AIOは、AI技術の技術的側面と倫理的側面の両方を含む包括的なフレームワークを提供することによって、急速に進化するAIの展望に対処することを目指している。
  論文  参考訳（メタデータ） (2024-04-03T20:08:15Z)
• Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
  ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。 我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。 また,課題と将来的な研究方向性について,より詳細な展望を述べる。
  論文  参考訳（メタデータ） (2024-02-21T13:19:58Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Transferring Procedural Knowledge across Commonsense Tasks [17.929737518694616]
  本稿では,AIモデルによる手続き的知識を新しい物語課題に透過的に伝達する能力について検討する。 我々は、最先端のモデリングアーキテクチャ、トレーニングレシスタンス、拡張戦略を統合する包括的なフレームワークであるLEAPを設計する。 ドメイン内および外部タスクによる我々の実験は、異なるアーキテクチャの相互作用、トレーニング体制、拡張戦略に関する洞察を明らかにします。
  論文  参考訳（メタデータ） (2023-04-26T23:24:50Z)
• How Generative AI models such as ChatGPT can be (Mis)Used in SPC Practice, Education, and Research? An Exploratory Study [2.0841728192954663]
  生成人工知能(AI)モデルは、統計的プロセス制御(SPC)の実践、学習、研究に革命をもたらす可能性がある。 これらのツールは開発の初期段階にあり、簡単に誤用されるか、誤解される可能性がある。 コードを提供し、基本的な概念を説明し、SPCの実践、学習、研究に関する知識を創造するChatGPTの能力を探求する。
  論文  参考訳（メタデータ） (2023-02-17T15:48:37Z)
• elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
  本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。 このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。 elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
  論文  参考訳（メタデータ） (2022-03-17T16:23:45Z)
• 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。