論文の概要: Getting aligned on representational alignment
- arxiv url: http://arxiv.org/abs/2310.13018v1
- Date: Wed, 18 Oct 2023 17:47:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 02:16:27.681696
- Title: Getting aligned on representational alignment
- Title(参考訳): 表現的アライメントに整列すること
- Authors: Ilia Sucholutsky, Lukas Muttenthaler, Adrian Weller, Andi Peng,
Andreea Bobu, Been Kim, Bradley C. Love, Erin Grant, Jascha Achterberg,
Joshua B. Tenenbaum, Katherine M. Collins, Katherine L. Hermann, Kerem Oktar,
Klaus Greff, Martin N. Hebart, Nori Jacoby, Qiuyi (Richard) Zhang, Raja
Marjieh, Robert Geirhos, Sherol Chen, Simon Kornblith, Sunayana Rane, Talia
Konkle, Thomas P. O'Connell, Thomas Unterthiner, Andrew K. Lampinen,
Klaus-Robert M\"uller, Mariya Toneva, Thomas L. Griffiths
- Abstract要約: 本研究では,認知科学,神経科学,機械学習における表現的アライメントの研究を行う。
本稿では,表現的アライメントを研究する研究者の間で共通言語として機能する統一フレームワークを提案する。
進歩が3つの分野全てに利益をもたらすような、表現的アライメントの問題を列挙する。
- 参考スコア(独自算出の注目度): 91.1463989369409
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biological and artificial information processing systems form representations
of the world that they can use to categorize, reason, plan, navigate, and make
decisions. To what extent do the representations formed by these diverse
systems agree? Can diverging representations still lead to the same behaviors?
And how can systems modify their representations to better match those of
another system? These questions pertaining to the study of
\textbf{\emph{representational alignment}} are at the heart of some of the most
active research areas in contemporary cognitive science, neuroscience, and
machine learning. Unfortunately, there is limited knowledge-transfer between
research communities interested in representational alignment, and much of the
progress in one field ends up being rediscovered independently in another, when
greater cross-field communication would be advantageous. To improve
communication between fields, we propose a unifying framework that can serve as
a common language between researchers studying representational alignment. We
survey the literature from the fields of cognitive science, neuroscience, and
machine learning, and demonstrate how prior work fits into this framework.
Finally, we lay out open problems in representational alignment where progress
can benefit all three fields. We hope that our work can catalyze
cross-disciplinary collaboration and accelerate progress for all communities
studying and developing information processing systems. We note that this is a
working paper and encourage readers to reach out with their suggestions for
future revisions.
- Abstract(参考訳): 生物学的および人工的な情報処理システムは、分類、推論、計画、ナビゲート、意思決定に使用できる世界の表現を形成する。
これらの多様なシステムによって形成される表現は、どの程度まで一致しますか?
表現の多様化はいまだに同じ行動に繋がるだろうか?
そして、他のシステムの表現をより良くするために、システムはどのように修正できるのか?
textbf{\emph{representational alignment}}の研究に関連するこれらの疑問は、現代の認知科学、神経科学、機械学習において最も活発な研究領域の中心にある。
残念なことに、表象的アライメントに関心のある研究コミュニティ間の知識伝達は限られており、ある分野の進歩の多くは、より大きなクロスフィールド通信が有利になる場合に、別の分野において独立して再発見されることになる。
フィールド間のコミュニケーションを改善するために,研究者間で共通言語として機能する統一フレームワークを提案する。
我々は認知科学、神経科学、機械学習の分野から文献を調査し、先行作業がこの枠組みにどのように適合するかを実証する。
最後に、進行が3つの分野全てに利益をもたらすような表現アライメントにおいて、オープンな問題をレイアウトする。
我々は,情報処理システムの研究・開発を行うすべてのコミュニティにおいて,学際的なコラボレーションの促進と進展を期待する。
この記事は作業論文であり、読者に今後の改訂を提案するよう促すものであることに留意する。
関連論文リスト
- Empathy Detection Using Machine Learning on Text, Audiovisual, Audio or
Physiological Signals [6.148135418618006]
10の有名なデータベースから801の論文を体系的に収集・スクリーニングし、選択した54の論文を分析した。
本論文は,共感検出システムの入力モダリティ,すなわちテキスト,オーディオ視覚,オーディオ,生理的信号に基づいてグループ化する。
我々は、Affective Computingベースの共感ドメインにおける潜在的なアプリケーション、デプロイメント課題、研究ギャップについて論じる。
論文 参考訳(メタデータ) (2023-10-30T08:34:12Z) - Fairness meets Cross-Domain Learning: a new perspective on Models and
Metrics [80.07271410743806]
クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。
いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。
本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
論文 参考訳(メタデータ) (2023-03-25T09:34:05Z) - Stable Bias: Analyzing Societal Representations in Diffusion Models [72.27121528451528]
本稿では,テキスト・ツー・イメージ(TTI)システムにおける社会的バイアスを探索する新しい手法を提案する。
我々のアプローチは、プロンプト内の性別や民族のマーカーを列挙して生成された画像の変動を特徴づけることに依存している。
我々はこの手法を利用して3つのTTIシステムによって生成された画像を分析し、そのアウトプットが米国の労働人口層と相関しているのに対して、彼らは常に異なる範囲において、限界化されたアイデンティティを低く表現している。
論文 参考訳(メタデータ) (2023-03-20T19:32:49Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳(メタデータ) (2022-07-20T13:37:57Z) - Empathetic Conversational Systems: A Review of Current Advances, Gaps,
and Opportunities [2.741266294612776]
多くの研究が共感の利点を認識し、共感を会話システムに取り入れ始めた。
本稿では,5つのレビュー次元を用いて,急速に成長するこの分野について検討する。
論文 参考訳(メタデータ) (2022-05-09T05:19:48Z) - Learning to Improve Representations by Communicating About Perspectives [0.0]
本稿では,多数のオートエンコーダからなるミニマルアーキテクチャを提案する。
提案したアーキテクチャは整列表現の出現を許容することを示す。
その結果、主観的パースペクティブからのコミュニケーションが、マルチエージェントシステムにおけるより抽象的な表現の獲得につながることを示す。
論文 参考訳(メタデータ) (2021-09-20T09:30:13Z) - Evaluating the state-of-the-art in mapping research spaces: a Brazilian
case study [0.0]
最近の2つの研究は、科学者の出版記録から研究地図を作成する方法を提案している。
与えられたエンティティが新しいフィールドに入るかどうかを予測するモデルの能力を評価します。
これらのモデルがどのようにブラジルの文脈で科学のダイナミクスを特徴づけることができるかを示すケーススタディを実施します。
論文 参考訳(メタデータ) (2021-04-07T18:14:41Z) - Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units
and a Unified Framework [83.21732533130846]
Aff-Wild と Aff-Wild2 の2つである。
これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。
インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
論文 参考訳(メタデータ) (2021-03-29T17:36:20Z) - Heterogeneous Representation Learning: A Review [66.12816399765296]
不均一表現学習(HRL)には、いくつかの独特な課題がある。
異種入力を用いて既存の学習環境をモデル化可能な統合学習フレームワークを提案する。
HRLでは触れられていない課題と今後の研究方向性を強調します。
論文 参考訳(メタデータ) (2020-04-28T05:12:31Z)
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。