論文の概要: AI for Mathematics: A Cognitive Science Perspective

• arxiv url: http://arxiv.org/abs/2310.13021v1
• Date: Thu, 19 Oct 2023 02:00:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 02:17:24.892821
• Title: AI for Mathematics: A Cognitive Science Perspective
• Title（参考訳）: AI for Mathematics:認知科学の視点
• Authors: Cedegao E. Zhang, Katherine M. Collins, Adrian Weller, Joshua B. Tenenbaum
• Abstract要約: 数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
• 参考スコア（独自算出の注目度）: 86.02346372284292
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mathematics is one of the most powerful conceptual systems developed and used by the human species. Dreams of automated mathematicians have a storied history in artificial intelligence (AI). Rapid progress in AI, particularly propelled by advances in large language models (LLMs), has sparked renewed, widespread interest in building such systems. In this work, we reflect on these goals from a \textit{cognitive science} perspective. We call attention to several classical and ongoing research directions from cognitive science, which we believe are valuable for AI practitioners to consider when seeking to build truly human (or superhuman)-level mathematical systems. We close with open discussions and questions that we believe necessitate a multi-disciplinary perspective -- cognitive scientists working in tandem with AI researchers and mathematicians -- as we move toward better mathematical AI systems which not only help us push the frontier of the mathematics, but also offer glimpses into how we as humans are even capable of such great cognitive feats.
• Abstract（参考訳）: 数学は人間によって開発された最も強力な概念体系の1つである。 自動数学者の夢は人工知能(ai)に精通した歴史を持つ。 aiの急速な進歩、特に大規模言語モデル(llm)の発展によって、このようなシステムの構築に対する新たな関心が高まっている。 本研究では,これらの目標をtextit{cognitive science}の観点から考察する。 私たちは、AI実践者が真に人間(または超人)レベルの数学システムを構築する際に考慮すべき価値があると信じている、認知科学からの古典的で継続的な研究の方向性に注意を向けます。 AI研究者や数学者と一体となって働く認知科学者が、数学のフロンティアを推し進めるだけでなく、人類がそのような大きな認知的な偉業をいかにできるのかを垣間見るために、より優れた数学AIシステムに向かっているとき、私たちは、多分野の視点が必要と考えるオープンな議論と疑問に身を包みます。

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)
• Building Machines that Learn and Think with People [72.40300991089445]
  我々は、協調認知の科学が、本当に思考パートナーと呼ばれることのできるエンジニアシステムにどのように機能するかを示す。 我々は、人間とAIの思考パートナーが協力し、人間と互換性のある思考パートナーシップのためのデシダータを提案できる、協力的思考のいくつかのモードを配置した。
  論文  参考訳（メタデータ） (2024-07-22T02:42:45Z)
• 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)
• Advancing Perception in Artificial Intelligence through Principles of Cognitive Science [6.637438611344584]
  我々は、周囲の信号を入力として取り、それを処理して環境を理解する、知覚の認知機能に焦点を当てる。 我々は、認知科学にインスパイアされたAIシステムを構築するために、AIに一連の方法を提案する。
  論文  参考訳（メタデータ） (2023-10-13T01:21:55Z)
• The Nature of Intelligence [0.0]
  人間とAIの両方で一般的に表現される知性の本質は不明である。 インテリジェンスの性質は,システムエントロピーを最小限に抑える数学的に機能する一連のプロセスであることを示す。 このエッセイは、宇宙と私たちを人間としてより深く理解するための出発点となるべきです。
  論文  参考訳（メタデータ） (2023-07-20T23:11:59Z)
• When Brain-inspired AI Meets AGI [40.96159978312796]
  我々は、人工知能の観点から、脳にインスパイアされたAIの包括的概要を提供する。 私たちは、脳にインスパイアされたAIの現在の進歩と、AGIとの広範な関係から始まります。 次に、人間の知性とAIの両面での重要な特徴について述べる。
  論文  参考訳（メタデータ） (2023-03-28T12:46:38Z)
• A Survey of Deep Learning for Mathematical Reasoning [71.88150173381153]
  我々は過去10年間の数学的推論とディープラーニングの交差点における重要なタスク、データセット、方法についてレビューする。 大規模ニューラルネットワークモデルの最近の進歩は、新しいベンチマークと、数学的推論にディープラーニングを使用する機会を開放している。
  論文  参考訳（メタデータ） (2022-12-20T18:46:16Z)
• Making AI 'Smart': Bridging AI and Cognitive Science [0.0]
  認知科学の統合により、人工知能の「人工的な」特徴はすぐに「スマート」に置き換えられるかもしれない これにより、より強力なAIシステムが開発され、同時に人間の脳がどのように機能するかをよりよく理解できるようになる。 このような高度なシステムを開発するためには、まず人間の脳をよりよく理解する必要があるため、AIが人間の文明を乗っ取る可能性は低いと我々は主張する。
  論文  参考訳（メタデータ） (2021-12-31T09:30:44Z)
• Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
  興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。 この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。 これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
  論文  参考訳（メタデータ） (2020-11-30T18:29:25Z)
• Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
  我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。 未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
  論文  参考訳（メタデータ） (2020-08-07T21:00:13Z)

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。