論文の概要: CogNarr Ecosystem: Facilitating Group Cognition at Scale
- arxiv url: http://arxiv.org/abs/2407.18945v2
- Date: Wed, 31 Jul 2024 20:58:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-02 13:35:28.454374
- Title: CogNarr Ecosystem: Facilitating Group Cognition at Scale
- Title(参考訳): CogNarrエコシステム: 大規模グループ認知の実現
- Authors: John C. Boik,
- Abstract要約: 本稿では,大規模なグループ設定における機能認知を促進するために設計されたCogNarrエコシステムを提案する。
重要な視点は、あるグループがある種の認知アーキテクチャを使って世界を感知する有機体であると考えることである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human groups of all sizes and kinds engage in deliberation, problem solving, strategizing, decision making, and more generally, cognition. Some groups are large, and that setting presents unique challenges. The small-group setting often involves face-to-face dialogue, but group cognition in the large-group setting typically requires some form of online interaction. New approaches are needed to facilitate the kind of rich communication and information processing that are required for effective, functional cognition in the online setting, especially for groups characterized by thousands to millions of participants who wish to share potentially complex, nuanced, and dynamic perspectives. This concept paper proposes the CogNarr (Cognitive Narrative) ecosystem, which is designed to facilitate functional cognition in the large-group setting. The paper's contribution is a novel vision as to how recent developments in cognitive science, artificial intelligence, natural language processing, and related fields might be scaled and applied to large-group cognition, using an approach that itself promotes further scientific advancement. A key perspective is to view a group as an organism that uses some form of cognitive architecture to sense the world, process information, remember, learn, predict, make decisions, and adapt to changing conditions. The CogNarr ecosystem is designed to serve as a component within that architecture.
- Abstract(参考訳): あらゆる大きさと種類の人間グループは、熟考、問題解決、戦略、意思決定、そしてより一般的に認知に携わる。
一部のグループは大きなグループで、その設定には固有の課題があります。
小グループ設定は、しばしば対面対話を伴うが、大規模なグループ設定におけるグループ認知は、通常、何らかの形でのオンライン対話を必要とする。
オンライン環境で効果的な機能的認知のために必要とされる、リッチなコミュニケーションや情報処理を促進するために、特に、潜在的に複雑で曖昧でダイナミックな視点を共有したい何千から数百万の参加者が特徴とするグループに対して、新しいアプローチが必要である。
本稿では,大規模なグループ設定における機能的認知を促進するために,CogNarr(認知的ナラティブ)エコシステムを提案する。
この論文の貢献は、認知科学、人工知能、自然言語処理、および関連分野の最近の発展が、どのようにして大規模グループ認知に適用されるかという新しいビジョンであり、それ自体がさらなる科学的進歩を促進するアプローチである。
重要な視点は、世界を理解し、情報を処理し、記憶し、学習し、予測し、決定し、変化する状況に適応するために、ある種の認知アーキテクチャを使用する有機体としてグループを見ることである。
CogNarrエコシステムは、そのアーキテクチャのコンポーネントとして機能するように設計されている。
関連論文リスト
- Theory of Mind Enhances Collective Intelligence [1.8434042562191815]
人間の社会的設定におけるフレキシブルな集団知性は、特定の認知ツールを使用することによって改善される、と我々は主張する。
そして、これらの能力を、人間とAIのハイブリッドな社会生態学を含む未来に埋め込まれた人工知能の次のステップの文脈に配置する。
論文 参考訳(メタデータ) (2024-11-14T03:58:50Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Group Activity Recognition in Computer Vision: A Comprehensive Review,
Challenges, and Future Perspectives [0.0]
グループ活動認識はコンピュータビジョンにおけるホットトピックである。
グループ関係を通じた活動の認識はグループ活動認識において重要な役割を担っている。
本研究は,グループ活動の認識における技術進歩について考察する。
論文 参考訳(メタデータ) (2023-07-25T14:44:41Z) - Interactive Natural Language Processing [67.87925315773924]
対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。
本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
論文 参考訳(メタデータ) (2023-05-22T17:18:29Z) - Artificial Collective Intelligence Engineering: a Survey of Concepts and
Perspectives [1.2183405753834562]
集団知能とは、集団が一見知的な方法で集団的に行動する能力である。
人工的および計算的集団知能は研究トピックとして認識されている。
本稿では,集団知能研究の地図を提供する広範囲なスクーピング質問について考察する。
論文 参考訳(メタデータ) (2023-04-11T11:22:47Z) - Influence of the Geometry of the world model on Curiosity Based
Exploration [1.4461582662466375]
人間の空間認識においては、3次元射影幾何学は情報統合と行動計画を構成する。
情報統合と行動計画において,幾何が重要な役割を果たすかを示す。
論文 参考訳(メタデータ) (2023-04-01T00:56:06Z) - Self-supervised Hypergraph Representation Learning for Sociological
Analysis [52.514283292498405]
本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。
まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。
第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2022-12-22T01:20:29Z) - Ranking-based Group Identification via Factorized Attention on Social
Tripartite Graph [68.08590487960475]
グループ識別のための文脈的要因認識(CFAG)という,GNNに基づく新しいフレームワークを提案する。
我々は3部グラフ畳み込み層を考案し、ユーザ、グループ、アイテム間の異なる種類の近隣からの情報を集約する。
データ疎度問題に対処するため,提案した因子化注意機構に基づく新しい伝搬増強層を考案した。
論文 参考訳(メタデータ) (2022-11-02T01:42:20Z) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳(メタデータ) (2022-06-03T12:24:49Z) - Collective Intelligence for Deep Learning: A Survey of Recent
Developments [11.247894240593691]
我々は、複雑なシステムへのニューラルネットワーク研究の関与に関する歴史的文脈を提供する。
我々は,集合知の原理を取り入れた,現代のディープラーニング研究の活発な領域をいくつか取り上げる。
論文 参考訳(メタデータ) (2021-11-29T08:39:32Z) - Investigating Bi-Level Optimization for Learning and Vision from a
Unified Perspective: A Survey and Beyond [114.39616146985001]
機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。
本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。
次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
論文 参考訳(メタデータ) (2021-01-27T16:20:23Z)
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。