論文の概要: Beyond Interpretable Benchmarks: Contextual Learning through Cognitive
and Multimodal Perception
- arxiv url: http://arxiv.org/abs/2304.00002v2
- Date: Sat, 30 Sep 2023 03:19:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-03 19:47:48.827743
- Title: Beyond Interpretable Benchmarks: Contextual Learning through Cognitive
and Multimodal Perception
- Title（参考訳）: 解釈可能なベンチマークを超えて:認知とマルチモーダル知覚によるコンテキスト学習
- Authors: Nick DiSanto
- Abstract要約: この研究は、チューリングテストがコンピュータシステムを人為的に形作る試みであると誤解されていることを主張する。
通訳性に欠けるにもかかわらず、汎用知能の基盤として暗黙の学習を強調している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With state-of-the-art models achieving high performance on standard
benchmarks, contemporary research paradigms continue to emphasize general
intelligence as an enduring objective. However, this pursuit overlooks the
fundamental disparities between the high-level data perception abilities of
artificial and natural intelligence systems. This study questions the Turing
Test as a criterion of generally intelligent thought and contends that it is
misinterpreted as an attempt to anthropomorphize computer systems. Instead, it
emphasizes tacit learning as a cornerstone of general-purpose intelligence,
despite its lack of overt interpretability. This abstract form of intelligence
necessitates contextual cognitive attributes that are crucial for human-level
perception: generalizable experience, moral responsibility, and implicit
prioritization. The absence of these features yields undeniable perceptual
disparities and constrains the cognitive capacity of artificial systems to
effectively contextualize their environments. Additionally, this study
establishes that, despite extensive exploration of potential architecture for
future systems, little consideration has been given to how such models will
continuously absorb and adapt to contextual data. While conventional models may
continue to improve in benchmark performance, disregarding these contextual
considerations will lead to stagnation in human-like comprehension. Until
general intelligence can be abstracted from task-specific domains and systems
can learn implicitly from their environments, research standards should instead
prioritize the disciplines in which AI thrives.
- Abstract（参考訳）: 最先端のモデルが標準ベンチマークで高いパフォーマンスを達成する中、現代の研究パラダイムは永続的な目的として汎用性を強調し続けている。
しかし、この追求は、人工知能と自然知能システムの高レベルのデータ知覚能力の根本的な相違を見落としている。
本研究は、チューリングテストを一般知的な思考の基準として疑問視し、コンピュータシステムを人為的に形作る試みとして誤解されていることを主張する。
その代わり、暗黙の学習を汎用知能の基盤として強調するが、その過度な解釈性は欠如している。
この抽象的な知性は、一般的な経験、道徳的責任、暗黙の優先順位付けといった人間レベルの知覚に不可欠な文脈的認知特性を必要とする。
これらの特徴の欠如は知覚の相違を生じさせ、人工システムの認知能力に制約を与え、環境を効果的に文脈化させる。
さらに本研究は,将来のシステムにおける潜在的なアーキテクチャを広範囲に探求する一方で,このようなモデルがコンテキストデータに対して継続的に吸収・適応する方法についてはほとんど考慮されていないことを裏付ける。
従来のモデルではベンチマークのパフォーマンスが改善され続けているが、これらの文脈的考慮を無視すると、人間のような理解が停滞する。
一般的な知性がタスク固有のドメインから抽象化され、システムが環境から暗黙的に学習できる限り、研究標準はaiが成長する分野を優先すべきである。
関連論文リスト
- Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
AIシステムは知恵を欠いている。
AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。
メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - The Trap of Presumed Equivalence: Artificial General Intelligence Should Not Be Assessed on the Scale of Human Intelligence [0.0]
知的システム理論における新しい知性を評価する従来のアプローチは、人間のような行動や行動の類似性、「模倣」に基づいている。
いくつかの自然な仮定の下では、インテリジェントなシステムを開発することは、独自の意図と目的を形成することができる、と我々は主張する。
論文 参考訳（メタデータ） (2024-10-14T13:39:58Z) - Improving deep learning with prior knowledge and cognitive models: A
survey on enhancing explainability, adversarial robustness and zero-shot
learning [0.0]
我々は、敵の防御を実現するために、現在および新興の知識インフォームドおよび脳にインスパイアされた認知システムについてレビューする。
脳に触発された認知法は、人間の心を模倣する計算モデルを用いて、人工知能や自律ロボットの知的な行動を強化する。
論文 参考訳（メタデータ） (2024-03-11T18:11:00Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Brain in a Vat: On Missing Pieces Towards Artificial General
Intelligence in Large Language Models [83.63242931107638]
本稿では,知的エージェントの4つの特徴について述べる。
実世界の物体との活発な関わりは、概念的表現を形成するためのより堅牢な信号をもたらすと我々は主張する。
我々は、人工知能分野における将来的な研究の方向性を概説して結論付ける。
論文 参考訳（メタデータ） (2023-07-07T13:58:16Z) - Assessment of cognitive characteristics in intelligent systems and
predictive ability [0.0]
このスケールは、時間とともに発展する環境コンテキスト内のインテリジェントシステムの性質を考慮に入れている。
複雑さ、認知タスクの「重み」、そしてそれを事前に批判的に評価する能力によって、認知ツールの実際のセットが決定される。
「正確さ」と「適切さ」の度合いは、研究対象の事象・現象・対象・対象の時間的特性と適切な解の組合せによって決定される。
論文 参考訳（メタデータ） (2022-09-16T23:01:27Z) - WenLan 2.0: Make AI Imagine via a Multimodal Foundation Model [74.4875156387271]
我々は,膨大なマルチモーダル(視覚的・テキスト的)データを事前学習した新しい基礎モデルを開発する。
そこで本研究では,様々な下流タスクにおいて,最先端の成果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-27T12:25:21Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z)
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。