Fugu-MT 論文翻訳(概要): What Generative Artificial Intelligence Means for Terminological Definitions

論文の概要: What Generative Artificial Intelligence Means for Terminological Definitions

arxiv url: http://arxiv.org/abs/2402.16139v1
Date: Sun, 25 Feb 2024 16:36:51 GMT
ステータス: 処理完了
システム内更新日: 2024-02-27 15:13:11.711984
Title: What Generative Artificial Intelligence Means for Terminological Definitions
Title（参考訳）: ターミノロジー定義のための生成的人工知能の意味
Authors: Antonio San Mart\'in
Abstract要約: ChatGPTのようなGenAIツールは、従来の用語リソースと比べて利点と欠点が混在している。認識資源における用語的定義は、その信頼性のために生き残る可能性が高い。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper examines the impact of Generative Artificial Intelligence (GenAI) on the creation and consumption of terminological definitions. GenAI tools like ChatGPT present a mix of benefits and drawbacks compared to traditional terminological resources. ChatGPT excels in providing context-specific meanings in an interactive and customized fashion but faces challenges with accuracy. Terminological definitions in recognized resources will likely survive because of their reliability. From the point of view of the terminologist, tools like ChatGPT enable AI-assisted terminography, including post-editing terminography, as an approach blending AI efficiency with human expertise for faster definition creation.
Abstract（参考訳）: 本稿では,生成人工知能(GenAI)が用語定義の作成と消費に与える影響について検討する。 ChatGPTのようなGenAIツールは、従来の用語リソースと比べて利点と欠点が混在している。 ChatGPTは、インタラクティブでカスタマイズされた方法でコンテキスト固有の意味を提供するのに優れていますが、正確さで課題に直面します。認識資源における用語的定義は、その信頼性のために生き残る可能性が高い。用語学の観点からは、ChatGPTのようなツールは、AIの効率と人間の専門知識をブレンドして、より高速な定義作成を可能にするアプローチとして、後編集の用語学を含むAI支援の用語学を可能にする。

関連論文リスト

A.I. go by many names: towards a sociotechnical definition of artificial intelligence [0.0]
人工知能(AI)の定義は永続的な課題であり、技術的曖昧さと様々な解釈に悩まされることが多い。このエッセイは、研究に明快さを必要とする研究者にとって不可欠である、AIの社会技術的定義を論証するものである。
論文参考訳（メタデータ） (2024-10-17T11:25:50Z)
Symbolic Learning Enables Self-Evolving Agents [55.625275970720374]
エージェントシンボリックラーニング(エージェントシンボリックラーニング)(エージェントシンボリックラーニング)は、言語エージェントが自分自身で最適化できるための体系的なフレームワークである。エージェント記号学習は、コネクショナリズム学習における2つの基本的なアルゴリズムを模倣することにより、言語エージェント内のシンボルネットワークを最適化するように設計されている。我々は、標準ベンチマークと複雑な実世界のタスクの両方で概念実証実験を行う。
論文参考訳（メタデータ） (2024-06-26T17:59:18Z)
Dynamic Retrieval Augmented Generation of Ontologies using Artificial Intelligence (DRAGON-AI) [24.433048676289363]
AI(DRAGON-AI)を用いた動的検索オントロジー生成を提案する。 DRAGON-AIは、既存のインストラクションや構造化されていないテキストソースから、テキストおよび論理的なコンポーネントを生成することができる。 DRAGON-AIの自然言語をGitHubのイシューに組み込む能力についても実証した。
論文参考訳（メタデータ） (2023-12-18T03:19:31Z)
General Purpose Artificial Intelligence Systems (GPAIS): Properties, Definition, Taxonomy, Societal Implications and Responsible Governance [16.030931070783637]
汎用人工知能システム(GPAIS)は、これらのAIシステムを指すものとして定義されている。これまで、人工知能の可能性は、まるで人間であるかのように知的タスクを実行するのに十分強力であり、あるいはそれを改善することさえ可能であり、いまだに願望、フィクションであり、我々の社会にとっての危険であると考えられてきた。本研究は,GPAISの既存の定義について論じ,その特性や限界に応じて,GPAISの種類間で段階的な分化を可能にする新しい定義を提案する。
論文参考訳（メタデータ） (2023-07-26T16:35:48Z)
Semantic match: Debugging feature attribution methods in XAI for healthcare [0.0]
ホック後の局所的説明可能性に関する既存の批判は、風呂水で赤ちゃんを捨てるものであると論じる。特徴重要度を確実に利用することができるかを理解するために,低レベルの特徴と高レベルの特徴の区別を導入する。
論文参考訳（メタデータ） (2023-01-05T14:26:55Z)
Process Knowledge-infused Learning for Suicidality Assessment on Social Media [14.362199192484006]
現在の手法は、データからラベルを予測する従来のパイプラインに依存している。説明可能なAI(XAI)モデルを使用したラベル予測のためのデータに関するポストホックな説明は、エンドユーザに多くを望まれている。 PK-iLは構造化プロセスの知識を利用して、エンドユーザーにとって理にかなう予測プロセスを明確に説明する。
論文参考訳（メタデータ） (2022-04-26T19:43:41Z)
GenNI: Human-AI Collaboration for Data-Backed Text Generation [102.08127062293111]
Table2Textシステムは、機械学習を利用した構造化データに基づいてテキスト出力を生成する。 GenNI (Generation Negotiation Interface) は、対話型ビジュアルシステムである。
論文参考訳（メタデータ） (2021-10-19T18:07:07Z)
Neural Abstructions: Abstractions that Support Construction for Grounded Language Learning [69.1137074774244]
言語の相互作用を効果的に活用するには、言語基底に対する2つの最も一般的なアプローチの制限に対処する必要がある。本稿では,ラベル条件付き生成モデルの推論手順に対する制約のセットであるニューラル・アブストラクションの考え方を紹介する。この手法により,マインクラフトにおけるオープンエンドハウスタスクのセマンティックな変更をユーザ人口が構築できることが示される。
論文参考訳（メタデータ） (2021-07-20T07:01:15Z)
Towards Abstract Relational Learning in Human Robot Interaction [73.67226556788498]
人間は環境における実体を豊かに表現する。ロボットが人間とうまく対話する必要がある場合、同様の方法で実体、属性、一般化を表現する必要がある。本研究では,人間とロボットの相互作用を通じて,これらの表現をどのように獲得するかという課題に対処する。
論文参考訳（メタデータ） (2020-11-20T12:06:46Z)
Explainability in Deep Reinforcement Learning [68.8204255655161]
説明可能な強化学習(XRL)の実現に向けての最近の成果を概観する。エージェントの振る舞いを正当化し、説明することが不可欠である重要な状況において、RLモデルのより良い説明可能性と解釈性は、まだブラックボックスと見なされているものの内部動作に関する科学的洞察を得るのに役立つ。
論文参考訳（メタデータ） (2020-08-15T10:11:42Z)
A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツール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） (2020-03-02T10:32:21Z)

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。