論文の概要: Bootstrapping Developmental AIs: From Simple Competences to Intelligent
Human-Compatible AIs
- arxiv url: http://arxiv.org/abs/2308.04586v9
- Date: Wed, 4 Oct 2023 22:59:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-06 21:40:58.167364
- Title: Bootstrapping Developmental AIs: From Simple Competences to Intelligent
Human-Compatible AIs
- Title(参考訳): 開発AIのブートストラップ:単純な能力から知能な人間互換AIへ
- Authors: Mark Stefik and Robert Price
- Abstract要約: 主流のAIアプローチは、大きな言語モデル(LLM)による生成的および深層学習アプローチと、手動で構築されたシンボリックアプローチである。
このポジションペーパーでは、開発AIの実践を拡張して、レジリエンスでインテリジェントで、人間と互換性のあるAIを作り出すための、展望、ギャップ、課題を概説する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The mainstream AIs approaches are the generative and deep learning approaches
with large language models (LLMs) and the manually constructed symbolic
approach. Both approaches have led to valuable AI systems and impressive feats.
However, manually constructed AIs are brittle even in circumscribed domains.
Generative AIs make strange mistakes and do not notice them. In both approaches
the AIs cannot be instructed easily, fail to use common sense, and lack
curiosity. They have abstract knowledge but lack social alignment.
Developmental AIs have more potential. They start with innate competences,
interact with their environment, and learn from their interactions. They
interact and learn from people and establish perceptual, cognitive, and common
grounding. Developmental AIs have demonstrated capabilities including
multimodal perception, object recognition, and manipulation. Powerful
computational models for hierarchical planning, abstraction discovery,
curiosity, and language acquisition exist but need to be adapted to a
developmental learning based approach. The promise is that developmental AIs
will acquire self-developed and socially developed competences. They would
address the shortcomings of current mainstream AI approaches, and ultimately
lead to sophisticated forms of learning involving critical reading, provenance
evaluation, and hypothesis testing. However, developmental AI projects have not
yet fully reached the Speaking Gap corresponding to toddler development at
about two years of age, before their speech is fluent. The AIs do not bridge
the Reading Gap, to skillfully and skeptically learn from written and online
information resources. This position paper lays out the prospects, gaps, and
challenges for extending the practice of developmental AIs to create resilient,
intelligent, and human-compatible AIs that learn what they need to know.
- Abstract(参考訳): 主流のAIアプローチは、大きな言語モデル(LLM)による生成的および深層学習アプローチと、手動で構築されたシンボリックアプローチである。
どちらのアプローチも、貴重なAIシステムと素晴らしい成果をもたらしています。
しかし、手動で構築されたAIは、周囲のドメインでも脆弱である。
生成AIは奇妙な間違いを犯し、気づかない。
どちらのアプローチでもaiは容易に指示できず、常識を使わず、好奇心を欠いている。
抽象的な知識を持っているが、社会的に整合性がない。
開発AIにはさらなる可能性がある。
彼らは生まれつきの能力から始まり、環境と対話し、相互作用から学ぶ。
彼らは対話し、人々から学び、知覚、認知、共通基盤を確立する。
開発AIは、マルチモーダル認識、オブジェクト認識、操作などの機能を実証している。
階層的計画、抽象的発見、好奇心、言語習得のための強力な計算モデルが存在するが、発達学習に基づくアプローチに適応する必要がある。
目標は、開発AIが自己開発で社会的に発達した能力を獲得することだ。
それらは、現在の主流のAIアプローチの欠点に対処し、最終的に批判的な読み出し、証明評価、仮説テストを含む洗練された学習形式へとつながる。
しかし、開発aiプロジェクトは、2歳前後の幼児の発達に対応する話のギャップにはまだ十分達していない。
AIはリーディングギャップを橋渡しせず、書面やオンライン情報リソースから巧みに、懐疑的に学ぶ。
このポジションペーパーは、開発AIの実践を拡張して、彼らが知っておくべきことを学ぶ、レジリエンスでインテリジェントで、人間と互換性のあるAIを作るための、展望、ギャップ、課題を概説する。
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) - Distributed agency in second language learning and teaching through generative AI [0.0]
ChatGPTは、テキストまたは音声形式のチャットを通じて非公式な第二言語プラクティスを提供することができる。
インストラクタはAIを使って、さまざまなメディアで学習と評価材料を構築することができる。
論文 参考訳(メタデータ) (2024-03-29T14:55:40Z) - Cognition is All You Need -- The Next Layer of AI Above Large Language
Models [0.0]
我々は,大規模言語モデル以外のニューロシンボリック認知のためのフレームワークであるCognitive AIを紹介する。
我々は、認知AIがAGIのようなAI形態の進化に必須の先駆者であり、AGIは独自の確率論的アプローチでは達成できないと主張する。
我々は、大規模言語モデル、AIの採用サイクル、および商用の認知AI開発に関する議論で締めくくります。
論文 参考訳(メタデータ) (2024-03-04T16:11:57Z) - Governance of the AI, by the AI, and for the AI [9.653656920225858]
研究者たちは、人工知能の時代がようやくやってきたと信じている。
AIの現状は、社会の多くの異なる分野に大きな変化をもたらしている。
論文 参考訳(メタデータ) (2023-05-04T03:29:07Z) - Unpacking the "Black Box" of AI in Education [0.0]
われわれは,「AI」とは何か,それが人間の状態を改善する教育機会の進展と妨げに持つ可能性を明らかにすることを目指している。
我々は、AIを支える様々な方法と哲学の基礎的な紹介、最近の進歩について議論、教育への応用を探究し、重要な制限とリスクを強調します。
教育における人間中心のAIの発展を理解し、尋問し、最終的に形作ることができるように、ジャーゴンの言葉や概念をしばしば利用できるようにすることを願っています。
論文 参考訳(メタデータ) (2022-12-31T18:27:21Z) - Cybertrust: From Explainable to Actionable and Interpretable AI (AI2) [58.981120701284816]
Actionable and Interpretable AI (AI2)は、AIレコメンデーションにユーザの信頼度を明確に定量化し視覚化する。
これにより、AIシステムの予測を調べてテストすることで、システムの意思決定に対する信頼の基盤を確立することができる。
論文 参考訳(メタデータ) (2022-01-26T18:53:09Z) - Building Human-like Communicative Intelligence: A Grounded Perspective [1.0152838128195465]
言語学習における驚くべき進歩の後、AIシステムは人間のコミュニケーション能力の重要な側面を反映しない天井に近づいたようだ。
本稿は、ナチビストと象徴的パラダイムに基づく認知にインスパイアされたAIの方向性には、現代AIの進歩を導くために必要なサブストラテジと具体性がないことを示唆する。
本稿では,「地下」言語知能構築のための具体的かつ実装可能なコンポーネントのリストを提案する。
論文 参考訳(メタデータ) (2022-01-02T01:43:24Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造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) (2021-09-27T09:56:23Z) - Trustworthy AI: A Computational Perspective [54.80482955088197]
我々は,信頼に値するAIを実現する上で最も重要な6つの要素,(i)安全とロバスト性,(ii)非差別と公正,(iii)説明可能性,(iv)プライバシー,(v)説明可能性と監査性,(vi)環境ウェルビーイングに焦点をあてる。
各次元について、分類学に基づく最近の関連技術について概観し、実世界のシステムにおけるそれらの応用を概説する。
論文 参考訳(メタデータ) (2021-07-12T14:21:46Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳(メタデータ) (2021-06-25T22:31:55Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳(メタデータ) (2020-11-17T13:14:28Z)
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。