論文の概要: Latent Lab: Large Language Models for Knowledge Exploration
- arxiv url: http://arxiv.org/abs/2311.13051v1
- Date: Tue, 21 Nov 2023 23:23:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 16:43:24.467698
- Title: Latent Lab: Large Language Models for Knowledge Exploration
- Title(参考訳): Latent Lab: 知識探索のための大規模言語モデル
- Authors: Kevin Dunnell, Trudy Painter, Andrew Stoddard, Andy Lippman
- Abstract要約: 我々は,MITメディアラボ研究プロジェクト間のつながりを発見するインタラクティブツールである"Latent Lab"を紹介する。
この研究は、コンテンツを整理、検索、合成する際の課題に対処することで、協調AIシステムに関する洞察を提供する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper investigates the potential of AI models, particularly large
language models (LLMs), to support knowledge exploration and augment human
creativity during ideation. We present "Latent Lab" an interactive tool for
discovering connections among MIT Media Lab research projects, emphasizing
"exploration" over search. The work offers insights into collaborative AI
systems by addressing the challenges of organizing, searching, and synthesizing
content. In a user study, the tool's success was evaluated based on its ability
to introduce users to an unfamiliar knowledge base, ultimately setting the
groundwork for the ongoing advancement of human-AI knowledge exploration
systems.
- Abstract(参考訳): 本稿では,AIモデル,特に大規模言語モデル(LLM)の可能性を検討する。
我々は,MITメディアラボ研究プロジェクト間のつながりを発見するためのインタラクティブツールである"Latent Lab"を提案する。
この研究は、コンテンツを整理、検索、合成する際の課題に対処することで、協調AIシステムに関する洞察を提供する。
ユーザスタディにおいて、このツールの成功は、ユーザを慣れない知識ベースに導入する能力に基づいて評価され、最終的には、人間とAIの知識探索システムの進歩の基盤となる。
関連論文リスト
- Large Language Models for Generative Information Extraction: A Survey [93.28676955662002]
情報抽出は、平易な自然言語テキストから構造的知識を抽出することを目的としている。
生成型大規模言語モデル(LLM)は、テキストの理解と生成において顕著な能力を示した。
LLMは生成パラダイムに基づいたIEタスクに対して実行可能なソリューションを提供する。
論文 参考訳(メタデータ) (2023-12-29T14:25:22Z) - Conversational Data Exploration: A Game-Changer for Designing Data
Science Pipelines [3.63971675629768]
本稿では,直感的なデータ探索体験を駆動するためのシステムChatinによる対話型アプローチを提案する。
Chatinは、AI駆動ソリューションへのアクセスを民主化する最先端のツールで、さまざまな分野の非技術ユーザに対して、データの探索と知識の抽出を可能にする。
論文 参考訳(メタデータ) (2023-11-12T00:22:09Z) - Beyond Factuality: A Comprehensive Evaluation of Large Language Models
as Knowledge Generators [78.63553017938911]
大規模言語モデル(LLM)は、下流の知識集約タスクのための情報検索技術より優れている。
しかし、コミュニティの懸念は、この無検閲の知識を使用することの事実と潜在的意味について多岐にわたる。
本研究では,6つの重要な視点から生成した知識を評価するために設計されたCONNERを紹介する。
論文 参考訳(メタデータ) (2023-10-11T08:22:37Z) - Exploiting Language Models as a Source of Knowledge for Cognitive Agents [4.557963624437782]
大規模言語モデル(LLM)は、質問応答、要約、自然言語推論など、文の完成度をはるかに超える機能を提供する。
これらの能力の多くは認知システムに潜在的に適用できるが、我々の研究は認知エージェントのタスク知識の源として言語モデルを利用しており、認知アーキテクチャを通じて実現されたエージェントである。
論文 参考訳(メタデータ) (2023-09-05T15:18:04Z) - OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。
この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。
マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
論文 参考訳(メタデータ) (2023-04-10T03:55:35Z) - From Psychological Curiosity to Artificial Curiosity: Curiosity-Driven
Learning in Artificial Intelligence Tasks [56.20123080771364]
心理学的好奇心は、探索と情報取得を通じて学習を強化するために、人間の知性において重要な役割を果たす。
人工知能(AI)コミュニティでは、人工好奇心は効率的な学習に自然な本質的な動機を与える。
CDLはますます人気を博し、エージェントは新たな知識を学習するために自己動機付けされている。
論文 参考訳(メタデータ) (2022-01-20T17:07:03Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳(メタデータ) (2021-10-14T15:14:33Z) - Language Models as a Knowledge Source for Cognitive Agents [9.061356032792954]
言語モデル (LM) は大量のコーパスで訓練された文補完エンジンである。
本稿では,認知システムのための新たな知識源として言語モデルを用いる上での課題と機会について概説する。
また、認知システムが提供する能力を用いて、言語モデルからの知識抽出を改善する方法も特定する。
論文 参考訳(メタデータ) (2021-09-17T01:12:34Z) - A Review on Intelligent Object Perception Methods Combining
Knowledge-based Reasoning and Machine Learning [60.335974351919816]
物体知覚はコンピュータビジョンの基本的なサブフィールドである。
最近の研究は、物体の視覚的解釈のインテリジェンスレベルを拡大するために、知識工学を統合する方法を模索している。
論文 参考訳(メタデータ) (2019-12-26T13:26:49Z)
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。