論文の概要: Do Zombies Understand? A Choose-Your-Own-Adventure Exploration of Machine Cognition

• arxiv url: http://arxiv.org/abs/2403.00499v1
• Date: Fri, 1 Mar 2024 12:42:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 17:27:39.646212
• Title: Do Zombies Understand? A Choose-Your-Own-Adventure Exploration of Machine Cognition
• Title（参考訳）: ゾンビは分かるか? 機械認知の2年間の進化的探索
• Authors: Ariel Goldstein, Gabriel Stanovsky
• Abstract要約: 我々は、この議論の反対者は理解のために異なる定義を持ち、特に意識の役割に対する彼らの見解が異なると論じる。 我々は、Z$が理解できるかどうかを問うとともに、初歩的なAI研究における異なる思考の流派が、この疑問に異なる形で答えていることを示す。
• 参考スコア（独自算出の注目度）: 18.90253848701596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in LLMs have sparked a debate on whether they understand text. In this position paper, we argue that opponents in this debate hold different definitions for understanding, and particularly differ in their view on the role of consciousness. To substantiate this claim, we propose a thought experiment involving an open-source chatbot $Z$ which excels on every possible benchmark, seemingly without subjective experience. We ask whether $Z$ is capable of understanding, and show that different schools of thought within seminal AI research seem to answer this question differently, uncovering their terminological disagreement. Moving forward, we propose two distinct working definitions for understanding which explicitly acknowledge the question of consciousness, and draw connections with a rich literature in philosophy, psychology and neuroscience.
• Abstract（参考訳）: LLMの最近の進歩は、それらがテキストを理解するかどうかについての議論を引き起こしている。 本論文では,この議論の反対者は理解する上での異なる定義を持ち,特に意識の役割に対する見解が異なっていることを論じる。 この主張を裏付けるために,オープンソースのチャットボットである$Z$が,主観的な経験を伴わずに,可能なすべてのベンチマークに優れる思考実験を提案する。 我々は、$z$が理解できるかどうかを問うとともに、セナルai研究における異なる思考学派が、この疑問に異なる答えを示し、彼らの用語の相違を明らかにする。 今後,意識の問題を明確に認め,哲学,心理学,神経科学の豊かな文学と結びついた理解のための2つの異なる作業定義を提案する。

関連論文リスト

• The Cognitive Revolution in Interpretability: From Explaining Behavior to Interpreting Representations and Algorithms [3.3653074379567096]
  機械的解釈可能性(MI)は、大きな言語モデルのような基礎モデルによって学習された特徴と暗黙のアルゴリズムを研究する別の研究領域として登場した。 我々は、20世紀の心理学における「認知革命」を反映した深層学習解釈の移行を促進するために、現在の手法が熟していると論じる。 計算神経科学におけるキーパラレルを反映した分類法を提案し,MI研究の2つの幅広いカテゴリについて述べる。
  論文  参考訳（メタデータ） (2024-08-11T20:50:16Z)
• SOK-Bench: A Situated Video Reasoning Benchmark with Aligned Open-World Knowledge [60.76719375410635]
  44Kの質問と10Kの状況からなる新しいベンチマーク(SOK-Bench)を提案する。 推論プロセスは、位置する知識と問題解決のための一般的な知識を理解し、適用するために必要である。 質問応答ペアと推論プロセスを生成し,最後に品質保証に関する手作業によるレビューを行った。
  論文  参考訳（メタデータ） (2024-05-15T21:55:31Z)
• An Essay concerning machine understanding [0.0]
  このエッセイでは、理解可能なマシンを構築する方法について述べています。 単語を理解するためには、それが指標である根底にある概念を知って、扱えることが必要です。
  論文  参考訳（メタデータ） (2024-05-03T04:12:43Z)
• A Review on Objective-Driven Artificial Intelligence [0.0]
  人間は、コミュニケーションにおける文脈、ニュアンス、微妙な手がかりを理解する能力を持っている。 人間は、世界に関する論理的推論と予測を行うのに役立つ、常識的な知識の広大なリポジトリを持っています。 機械はこの本質的な理解に欠けており、人間が自明に感じる状況を理解するのに苦労することが多い。
  論文  参考訳（メタデータ） (2023-08-20T02:07:42Z)
• Large Language Models are In-Context Semantic Reasoners rather than Symbolic Reasoners [75.85554779782048]
  大規模言語モデル(LLM)は、近年、自然言語と機械学習コミュニティを興奮させています。 多くの成功を収めたアプリケーションにもかかわらず、そのようなコンテキスト内機能の基盤となるメカニズムはまだ不明である。 本研究では,学習した言語トークンのテクストセマンティクスが推論過程において最も重い処理を行うと仮定する。
  論文  参考訳（メタデータ） (2023-05-24T07:33:34Z)
• The zoo of Fairness metrics in Machine Learning [62.997667081978825]
  近年,機械学習(ML)と自動意思決定における公平性の問題が注目されている。 MLにおける公平性の定義の多様さが提案され、人口の個人に影響を与える状況において「公正な決定」とは何かという異なる概念が検討されている。 本研究では、この定義の動物園からある程度の順序付けを試みる。
  論文  参考訳（メタデータ） (2021-06-01T13:19:30Z)
• Bi-directional Cognitive Thinking Network for Machine Reading Comprehension [18.690332722963568]
  読解のための双方向認知知識フレームワーク(BCKF)を提案する。 逆思考や慣性思考など、脳内の2つの考え方をシミュレートして質問に答えることを目的としている。
  論文  参考訳（メタデータ） (2020-10-20T13:56:30Z)
• Bongard-LOGO: A New Benchmark for Human-Level Concept Learning and Reasoning [78.13740873213223]
  ボナード問題(BP)は、インテリジェントシステムにおける視覚認知へのインスピレーションとして導入された。 我々は人間レベルの概念学習と推論のための新しいベンチマークBongard-LOGOを提案する。
  論文  参考訳（メタデータ） (2020-10-02T03:19:46Z)
• Improving Machine Reading Comprehension with Contextualized Commonsense Knowledge [62.46091695615262]
  我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。 構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。 我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
  論文  参考訳（メタデータ） (2020-09-12T17:20:01Z)
• To Test Machine Comprehension, Start by Defining Comprehension [4.7567975584546]
  既存のアプローチは理解を適切に定義していないと論じる。 本稿では,より有用なテキスト,すなわち短い物語に対する理解の詳細な定義について述べる。
  論文  参考訳（メタデータ） (2020-05-04T14:36:07Z)
• Dark, Beyond Deep: A Paradigm Shift to Cognitive AI with Humanlike Common Sense [142.53911271465344]
  我々は、次世代のAIは、新しいタスクを解決するために、人間のような「暗黒」の常識を取り入れなければならないと論じている。 我々は、人間のような常識を持つ認知AIの5つの中核領域として、機能、物理学、意図、因果性、実用性(FPICU)を識別する。
  論文  参考訳（メタデータ） (2020-04-20T04:07:28Z)

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。