論文の概要: Collective Innovation in Groups of Large Language Models

• arxiv url: http://arxiv.org/abs/2407.05377v1
• Date: Sun, 7 Jul 2024 13:59:46 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-09 19:57:34.659661
• Title: Collective Innovation in Groups of Large Language Models
• Title（参考訳）: 大規模言語モデル群における集合的革新
• Authors: Eleni Nisioti, Sebastian Risi, Ida Momennejad, Pierre-Yves Oudeyer, Clément Moulin-Frier,
• Abstract要約: 我々は,人間向けに開発されたクリエイティブビデオゲームLittle Alchemy 2をプレイするLarge Language Models (LLMs)について研究した。 本研究では,その行動に関する情報を共有するLLMのグループについて検討し,集団的パフォーマンスに対する社会的接続性の影響に着目した。 我々の研究は、ジェネレーティブ人工知能アルゴリズムと人間が互いに革新するにつれて、ますます関連性が高まっている集団イノベーションの今後の研究の機会と課題を明らかにします。
• 参考スコア（独自算出の注目度）: 28.486116730339972
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human culture relies on collective innovation: our ability to continuously explore how existing elements in our environment can be combined to create new ones. Language is hypothesized to play a key role in human culture, driving individual cognitive capacities and shaping communication. Yet the majority of models of collective innovation assign no cognitive capacities or language abilities to agents. Here, we contribute a computational study of collective innovation where agents are Large Language Models (LLMs) that play Little Alchemy 2, a creative video game originally developed for humans that, as we argue, captures useful aspects of innovation landscapes not present in previous test-beds. We, first, study an LLM in isolation and discover that it exhibits both useful skills and crucial limitations. We, then, study groups of LLMs that share information related to their behaviour and focus on the effect of social connectivity on collective performance. In agreement with previous human and computational studies, we observe that groups with dynamic connectivity out-compete fully-connected groups. Our work reveals opportunities and challenges for future studies of collective innovation that are becoming increasingly relevant as Generative Artificial Intelligence algorithms and humans innovate alongside each other.
• Abstract（参考訳）: 私たちの環境にある既存の要素をどのように組み合わせて新しいものを作るか、継続的に探求する能力です。 言語は人間の文化において重要な役割を担い、個人の認知能力を高め、コミュニケーションを形作る。 しかし、集団的革新のほとんどのモデルは、認知能力や言語能力をエージェントに割り当てない。 ここでは、エージェントがLittle Alchemy 2をプレイするLarge Language Models(LLM)の集合的イノベーションに関する計算的研究を紹介する。 まず,LLMを単独で研究し,有用なスキルと限界の両方を示すことを発見した。 そして,その行動に関する情報を共有するLLMのグループについて検討し,集団的パフォーマンスに及ぼす社会的接続性の影響に着目した。 従来の人間・計算研究と一致して、動的接続性を持つ群が完全連結群より優れていたことを観察する。 我々の研究は、ジェネレーティブ人工知能アルゴリズムと人間が互いに革新するにつれて、ますます関連性が高まっている集団イノベーションの今後の研究の機会と課題を明らかにします。

関連論文リスト

• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• The Role of Higher-Order Cognitive Models in Active Learning [8.847360368647752]
  我々は、人間のフィードバックのためのアクティブな学習のための新しいパラダイムを提唱する。 エージェントのレベルが上がると、アクティブな学習システムと教師との合理的コミュニケーションの質的に異なる形態がもたらされるかについて議論する。
  論文  参考訳（メタデータ） (2024-01-09T07:39:36Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• Machine Psychology [54.287802134327485]
  我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。 本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。 これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
  論文  参考訳（メタデータ） (2023-03-24T13:24:41Z)
• The language and social behavior of innovators [0.0]
  我々は,大手多国籍企業のイントラネットフォーラムで利用可能な約38,000のポストを分析した。 より複雑な言語を使い、新しい概念/イデオロギーを導入し、ポジティブだが事実に基づく言語を使う。
  論文  参考訳（メタデータ） (2022-09-20T07:01:25Z)
• Team Learning as a Lens for Designing Human-AI Co-Creative Systems [12.24664973838839]
  ジェネレーティブでML駆動の対話システムは、人々が創造的なプロセスでコンピュータと対話する方法を変える可能性がある。 オープンエンドタスクドメインにおいて,効果的な人間とAIのコラボレーションを実現する方法が,まだ不明である。
  論文  参考訳（メタデータ） (2022-07-06T22:11:13Z)
• Social Network Structure Shapes Innovation: Experience-sharing in RL with SAPIENS [16.388726429030346]
  動的トポロジーでは、人間は個々にまたは小さなクラスターで革新し、その結果を他の人と共有する。 動的トポロジにおける経験共有は,タスク間のイノベーションの最高レベルを達成することを示す。 これらの貢献により、最適なAI-AI、人間-AI、人間-AI協調ネットワークの理解を深めることができます。
  論文  参考訳（メタデータ） (2022-06-10T12:47:45Z)
• Vygotskian Autotelic Artificial Intelligence: Language and Culture Internalization for Human-Like AI [16.487953861478054]
  本稿では,人工寿命スキル発見の探求において,新たなAIパラダイムを提案する。 我々は特に言語に焦点をあて、その構造と内容が人工エージェントにおける新しい認知機能の発展にどう役立つかに注目した。 言語と体格の相互作用から生まれる新しい人工認知機能の例を明らかにすることで、アプローチを正当化する。
  論文  参考訳（メタデータ） (2022-06-02T16:35:41Z)
• IGLU 2022: Interactive Grounded Language Understanding in a Collaborative Environment at NeurIPS 2022 [63.07251290802841]
  協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。 競争の第一の目的は、対話型エンボディエージェントの開発方法の問題にアプローチすることである。 この研究課題は、NeurIPSコミュニティと非常に関係のある2つの研究分野に自然に関連があるが、限定的ではない。
  論文  参考訳（メタデータ） (2022-05-27T06:12:48Z)
• WenLan 2.0: Make AI Imagine via a Multimodal Foundation Model [74.4875156387271]
  我々は,膨大なマルチモーダル(視覚的・テキスト的)データを事前学習した新しい基礎モデルを開発する。 そこで本研究では,様々な下流タスクにおいて,最先端の成果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-27T12:25:21Z)
• NeurIPS 2021 Competition IGLU: Interactive Grounded Language Understanding in a Collaborative Environment [71.11505407453072]
  協調環境における対話型接地言語理解(IGLU: Interactive Grounded Language Understanding)を提案する。 競争の主目的は、対話型エージェントをいかにして構築するかという問題にアプローチすることであり、協調環境において、接地された自然言語命令を提供しながらタスクの解決を学ぶことである。 この研究課題は、自然言語理解・生成(NLU/G)と強化学習(RL)という、NeurIPSコミュニティと密接に関連している2つの分野に自然に関連している。
  論文  参考訳（メタデータ） (2021-10-13T07:13:44Z)

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。