論文の概要: Cognition is All You Need -- The Next Layer of AI Above Large Language
Models
- arxiv url: http://arxiv.org/abs/2403.02164v2
- Date: Tue, 5 Mar 2024 10:23:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-06 18:20:34.876884
- Title: Cognition is All You Need -- The Next Layer of AI Above Large Language
Models
- Title(参考訳): 認知は必要なすべて -- 大規模言語モデル上のaiの次のレイヤ
- Authors: Nova Spivack, Sam Douglas, Michelle Crames, Tim Connors
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent studies of the applications of conversational AI tools, such as
chatbots powered by large language models, to complex real-world knowledge work
have shown limitations related to reasoning and multi-step problem solving.
Specifically, while existing chatbots simulate shallow reasoning and
understanding they are prone to errors as problem complexity increases. The
failure of these systems to address complex knowledge work is due to the fact
that they do not perform any actual cognition. In this position paper, we
present Cognitive AI, a higher-level framework for implementing
programmatically defined neuro-symbolic cognition above and outside of large
language models. Specifically, we propose a dual-layer functional architecture
for Cognitive AI that serves as a roadmap for AI systems that can perform
complex multi-step knowledge work. We propose that Cognitive AI is a necessary
precursor for the evolution of higher forms of AI, such as AGI, and
specifically claim that AGI cannot be achieved by probabilistic approaches on
their own. We conclude with a discussion of the implications for large language
models, adoption cycles in AI, and commercial Cognitive AI development.
- Abstract(参考訳): 大規模言語モデルを用いたチャットボットのような会話型aiツールの複雑な実世界の知識作業への応用に関する最近の研究は、推論と多段階問題解決に関する限界を示している。
具体的には、既存のチャットボットが浅い推論と理解をシミュレートする一方で、問題が複雑化するにつれてエラーが発生しやすい。
これらのシステムが複雑な知識労働に対処できなかったのは、それらが実際の認知を実行していないためである。
本稿では,大規模言語モデルの前後でプログラム的に定義されたニューロシンボリック認知を実現するための高レベルフレームワークであるcognitive aiを提案する。
具体的には,複雑な多段階知識作業を行うaiシステムのロードマップとして機能する認知型aiのための2層機能アーキテクチャを提案する。
我々は、認知AIがAGIのような高度なAIの進化に欠かせない先駆者であり、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。
結論として,大規模言語モデル,ai導入サイクル,商用認知型ai開発における意味について論じた。
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) - Do great minds think alike? Investigating Human-AI Complementarity in Question Answering with CAIMIRA [43.116608441891096]
人間は知識に基づく帰納的、概念的推論においてAIシステムより優れています。
GPT-4やLLaMAのような最先端のLLMは、ターゲット情報検索において優れた性能を示す。
論文 参考訳(メタデータ) (2024-10-09T03:53:26Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳(メタデータ) (2024-02-28T16:09:56Z) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳(メタデータ) (2023-11-13T21:20:17Z) - AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
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。
論文 参考訳(メタデータ) (2023-10-19T02:00:31Z) - Bootstrapping Developmental AIs: From Simple Competences to Intelligent
Human-Compatible AIs [0.0]
主流のAIアプローチは、大きな言語モデル(LLM)による生成的および深層学習アプローチと、手動で構築されたシンボリックアプローチである。
このポジションペーパーでは、開発AIの実践を拡張して、レジリエンスでインテリジェントで、人間と互換性のあるAIを作り出すための、展望、ギャップ、課題を概説する。
論文 参考訳(メタデータ) (2023-08-08T21:14:21Z) - Conceptual Modeling and Artificial Intelligence: Mutual Benefits from
Complementary Worlds [0.0]
これまでのところ、主に分離されたCMとAIの分野にアプローチする2つの交差点に取り組むことに興味があります。
このワークショップでは、(一)概念モデリング(CM)がAIにどのような貢献ができるのか、(一)その逆の方法で、多様体相互利益を実現することができるという仮定を取り入れている。
論文 参考訳(メタデータ) (2021-10-16T18:42:09Z) - Thinking Fast and Slow in AI: the Role of Metacognition [35.114607887343105]
最先端のAIには、(人間)インテリジェンスの概念に自然に含まれる多くの能力がない。
私たちは、人間がこれらの能力を持つことができるメカニズムをよりよく研究することで、これらの能力でAIシステムを構築する方法を理解するのに役立ちます。
論文 参考訳(メタデータ) (2021-10-05T06:05:38Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳(メタデータ) (2020-11-17T13:14:28Z) - 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。