論文の概要: Toward Programming Languages for Reasoning: Humans, Symbolic Systems, and AI Agents
- arxiv url: http://arxiv.org/abs/2407.06356v1
- Date: Mon, 8 Jul 2024 19:50:42 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-10 20:04:29.802283
- Title: Toward Programming Languages for Reasoning: Humans, Symbolic Systems, and AI Agents
- Title(参考訳): 推論のための言語プログラミングに向けて:人間、記号システム、AIエージェント
- Authors: Mark Marron,
- Abstract要約: 統合、構成、機械化、AIによる開発支援は、ソフトウェア開発の将来を駆動するテーマである。
本稿では,新しい言語機能や論理構造ではなく,バスク語のプラットフォームと言語という形で急進的な単純化を提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Integration, composition, mechanization, and AI assisted development are the driving themes in the future of software development. At their core these concepts are rooted in the increasingly important role of computing in our world, the desire to deliver functionality faster, with higher quality, and to empower more people to benefit from programmatic automation. These themes, and how they impact the human developers driving them, are the foundations for the next generation of programming languages. At first glance the needs of mechanization tools, AI agents, and human developers along with the various goals around development velocity, software quality, and software democratization are a broad and seemingly diverse set of needs. However, at their core is a single challenge that, once resolved, enables us to make radical progress in all of these areas. Our hypothesis is that, fundamentally, software development is a problem of reasoning about code and semantics. This is true for human developers implementing a feature, symbolic tools building models of application behavior, and even for language based AI agents as they perform tasks. While the particular aspects of reasoning that each agent struggles with varies to some degree, they share many common themes and, surprisingly, most mainstream languages extensively employ (anti)features that make this task harder or infeasible! This paper proposes a novel approach to this challenge -- instead of new language features or logical constructs, that add more complexity to what is already a problem of complexity, we propose radical simplification in the form of the Bosque platform and language.
- Abstract(参考訳): 統合、構成、機械化、AIによる開発支援は、ソフトウェア開発の将来を駆動するテーマである。
これらの概念の中核は、私たちの世界でますます重要になっているコンピューティングの役割、より早く機能を提供し、より高い品質で、より多くの人にプログラムによる自動化の恩恵を与えるという欲求に根ざしています。
これらのテーマ、そしてそれらを動かす人間開発者に与える影響は、次世代のプログラミング言語の基礎となります。
一見したところ、開発速度、ソフトウェア品質、ソフトウェア民主化に関するさまざまな目標とともに、機械化ツール、AIエージェント、ヒューマン開発者のニーズは、広く、明らかに多様なニーズセットである。
しかし、その中心となる課題は、一度解決すれば、これらのすべての領域で急進的な進歩を可能にする、単一の課題です。
私たちの仮説は、基本的には、ソフトウェア開発はコードとセマンティクスを推論する問題である、というものです。
これは、人間の開発者がアプリケーションの振る舞いのモデルを構築する象徴的なツールや、タスクを実行する言語ベースのAIエージェントの実装に当てはまる。
それぞれのエージェントが苦労する推論の特定の側面はある程度異なるが、多くの共通テーマを共有しており、驚くべきことに、ほとんどの主流言語は、このタスクを困難または不可能にする(反)機能を採用しています!
本稿では,この課題に対する新しいアプローチを提案する。新しい言語機能や論理構造ではなく,すでに複雑化している問題にさらなる複雑性を加えることを目的として,Bosqueプラットフォームと言語という形で急進的な単純化を提案する。
関連論文リスト
- Programming with AI: Evaluating ChatGPT, Gemini, AlphaCode, and GitHub Copilot for Programmers [0.0]
本稿では、ChatGPT、Gemini(Bard AI)、AlphaCode、GitHub Copilotなど、主要なプログラミングアシスタントの徹底的な評価を行う。
AIモデルの潜在能力を具現化する倫理的開発プラクティスの必要性を強調している。
論文 参考訳(メタデータ) (2024-11-14T06:40:55Z) - Building Living Software Systems with Generative & Agentic AI [2.2481284426718533]
現在のソフトウェアシステムは静的で柔軟性がないため、人間の目標を計算アクションに翻訳する際の課題に繋がる。
生成AIを利用した「ソフトウェアシステム開発」は、コンピューティングにおけるこの根本的な問題の解決策を提供する。
生成的AI、特に大きな言語モデルは、人間の意図とコンピュータ操作の間の普遍的なトランスレータとして機能する。
論文 参考訳(メタデータ) (2024-08-03T12:35:30Z) - OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。
プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
論文 参考訳(メタデータ) (2024-07-23T17:50:43Z) - 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) - Rethinking Software Engineering in the Foundation Model Era: From Task-Driven AI Copilots to Goal-Driven AI Pair Programmers [30.996760992473064]
我々は,人間開発者と協調する目標駆動型AI駆動ペアプログラマへのパラダイムシフトを提案する。
目標駆動、人間パートナー、SE認識、自己学習のAIペアプログラマを想定する。
論文 参考訳(メタデータ) (2024-04-16T02:10:20Z) - 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) - PwR: Exploring the Role of Representations in Conversational Programming [17.838776812138626]
PwR(Programming with Representations)は、自然言語でシステムの理解をユーザに伝えるために表現を使用する手法である。
その結果,表現は理解可能性を大幅に向上させ,参加者の間にエージェンシーの感覚を植え付けることができた。
論文 参考訳(メタデータ) (2023-09-18T05:38:23Z) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳(メタデータ) (2023-09-14T17:12:03Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳(メタデータ) (2023-07-16T02:11:34Z) - 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)
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。