論文の概要: Tumbug: A pictorial, universal knowledge representation method
- arxiv url: http://arxiv.org/abs/2401.09448v1
- Date: Fri, 22 Dec 2023 05:21:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 09:27:38.886313
- Title: Tumbug: A pictorial, universal knowledge representation method
- Title（参考訳）: Tumbug: 絵画的,普遍的な知識表現方法
- Authors: Mark A. Atkins
- Abstract要約: このKRMの「Tumbug」は自然に絵を描くように設計されている。
人間の脳がある種のKRMを使用しているという証拠が増えている。
Tumbugは絵画であり、科学と人間の生活の基本的な概念に基づいて約30のコンポーネントを使用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Since the key to artificial general intelligence (AGI) is commonly believed
to be commonsense reasoning (CSR) or, roughly equivalently, discovery of a
knowledge representation method (KRM) that is particularly suitable for CSR,
the author developed a custom KRM for CSR. This novel KRM called Tumbug was
designed to be pictorial in nature because there exists increasing evidence
that the human brain uses some pictorial type of KRM, and no well-known prior
research in AGI has researched this KRM possibility. Tumbug is somewhat similar
to Roger Schank's Conceptual Dependency (CD) theory, but Tumbug is pictorial
and uses about 30 components based on fundamental concepts from the sciences
and human life, in contrast to CD theory, which is textual and uses about 17
components (= 6 Primitive Conceptual Categories + 11 Primitive Acts) based
mainly on human-oriented activities. All the Building Blocks of Tumbug were
found to generalize to only five Basic Building Blocks that exactly correspond
to the three components {O, A, V} of traditional Object-Attribute-Value
representation plus two new components {C, S}, which are Change and System.
Collectively this set of five components, called "SCOVA," seems to be a
universal foundation for all knowledge representation.
- Abstract（参考訳）: 人工知能(AGI)の鍵は、一般的にコモンセンス推論(CSR)や、ほぼ同等に、特にCSRに適した知識表現法(KRM)の発見であると考えられており、著者らはCSR用のカスタムKRMを開発した。
タムバグと呼ばれるこのKRMは、人間の脳がある種のKRMを使用しているという証拠が増えているため、自然界での写真として設計された。
tumbugは、roger schankのconceptual dependency (cd) theoryに似ているが、tumbugは、主に人間指向のアクティビティに基づいて約17のコンポーネント(=6つの原始的な概念カテゴリと11の原始的な行為)を使用しているcd理論とは対照的に、科学と人間の生活の基本的な概念に基づいた約30のコンポーネントを使用している。
Tumbugのビルディングブロックはすべて、従来のObject-Attribute-Value表現の3つのコンポーネント {O, A, V} と、Change and Systemである2つの新しいコンポーネント {C, S} に対応する5つのベーシックビルディングブロックに一般化することが判明した。
SCOVA」と呼ばれる5つの構成要素からなるこの集合は、すべての知識表現の普遍的な基盤であると考えられる。
関連論文リスト
- What Really is Commonsense Knowledge? [58.5342212738895]
我々は、既存のコモンセンス知識の定義を調査し、概念を定義するための3つのフレームワークに基礎を置き、それらをコモンセンス知識の統一的な定義に統合する。
次に、アノテーションと実験のための統合された定義をCommonsenseQAとCommonsenseQA 2.0データセットで使用します。
本研究は,2つのデータセットには非常識知識のインスタンスが多数存在し,これら2つのサブセットに対して大きな性能差があることを示す。
論文 参考訳（メタデータ） (2024-11-06T14:54:19Z) - Vector-based Representation is the Key: A Study on Disentanglement and
Compositional Generalization [77.57425909520167]
良質な概念認識と斬新な概念構成を両立させることが可能であることを示す。
本研究では,スカラーベース・アンタングル化作業のベクトルベース化を図り,両機能を向上する手法を提案する。
論文 参考訳（メタデータ） (2023-05-29T13:05:15Z) - The ConceptARC Benchmark: Evaluating Understanding and Generalization in
the ARC Domain [0.0]
ARC(Abstraction and Reasoning Corpus)の詳細な評価ベンチマークについて述べる。
特に、ARCドメインで公開された新しいベンチマークであるConceptARCについて説明する。
本ベンチマークでは,3つのマシンソルバとともに,人体実験結果について報告する。
論文 参考訳（メタデータ） (2023-05-11T21:06:39Z) - A Probabilistic-Logic based Commonsense Representation Framework for
Modelling Inferences with Multiple Antecedents and Varying Likelihoods [5.87677276882675]
コモンセンス・ナレッジグラフ(英: Commonsense knowledge-graphs、CKG)は、テキストや環境入力で「推論」でき、知覚を超えた推論ができる機械を構築するための重要なリソースである。
本研究は,コモンセンス知識の表現方法として, (i) 複合的推論知識をモデル化し,様々な可能性で概念的信念を表現するための確率論的論理表現スキーム, (ii) 健全な概念関連関係を同定し,異なる概念レベルで信念を整理する階層的概念オントロジーを取り入れることにより, コモンセンス知識をより良く表現することができるかを検討する。
論文 参考訳（メタデータ） (2022-11-30T08:44:30Z) - Visually Grounded Commonsense Knowledge Acquisition [132.42003872906062]
大規模なコモンセンス知識ベースは、幅広いAIアプリケーションを促進する。
視覚知覚には、現実世界の実体に関する豊富な常識知識が含まれる。
本稿では,遠隔教師付きマルチインスタンス学習問題としてCKEを定式化するCLEVERを提案する。
論文 参考訳（メタデータ） (2022-11-22T07:00:16Z) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳（メタデータ） (2022-06-03T12:24:49Z) - Discovering Human-Object Interaction Concepts via Self-Compositional
Learning [93.38239238988719]
本稿では,HOI概念発見(HOI Concept Discovery)と呼ばれる包括的HOI理解のための,新しい課題を紹介する。
HOI概念発見のための自己構成学習フレームワーク(SCL)を考案する。
提案手法の有効性を実証するために,いくつかの一般的なHOIデータセットについて広範な実験を行った。
論文 参考訳（メタデータ） (2022-03-27T10:31:55Z) - ArT: All-round Thinker for Unsupervised Commonsense Question-Answering [54.068032948300655]
本稿では,知識生成における関連性を完全に取り除き,オールラウンド思考者(ArT)のアプローチを提案する。
我々は、COPA、SocialIQA、SCTの3つの共通センスQAベンチマークで評価した。
論文 参考訳（メタデータ） (2021-12-26T18:06:44Z) - Concepts, Properties and an Approach for Compositional Generalization [2.0559497209595823]
本報告は, 構成一般化に関する一連の研究を結びつけ, アプローチを要約する。
このアプローチでは、アーキテクチャ設計と正規化を使用して表現の情報を規制する。
この研究が、作曲の一般化の基礎を明確にし、人工知能の進歩に繋がることを願っている。
論文 参考訳（メタデータ） (2021-02-08T14:22:30Z)
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。