論文の概要: Building Machines that Learn and Think with People

• arxiv url: http://arxiv.org/abs/2408.03943v1
• Date: Mon, 22 Jul 2024 02:42:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-19 04:39:15.175397
• Title: Building Machines that Learn and Think with People
• Title（参考訳）: 人と学び、考える機械を作る
• Authors: Katherine M. Collins, Ilia Sucholutsky, Umang Bhatt, Kartik Chandra, Lionel Wong, Mina Lee, Cedegao E. Zhang, Tan Zhi-Xuan, Mark Ho, Vikash Mansinghka, Adrian Weller, Joshua B. Tenenbaum, Thomas L. Griffiths,
• Abstract要約: 我々は、協調認知の科学が、本当に思考パートナーと呼ばれることのできるエンジニアシステムにどのように機能するかを示す。 我々は、人間とAIの思考パートナーが協力し、人間と互換性のある思考パートナーシップのためのデシダータを提案できる、協力的思考のいくつかのモードを配置した。
• 参考スコア（独自算出の注目度）: 72.40300991089445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: What do we want from machine intelligence? We envision machines that are not just tools for thought, but partners in thought: reasonable, insightful, knowledgeable, reliable, and trustworthy systems that think with us. Current artificial intelligence (AI) systems satisfy some of these criteria, some of the time. In this Perspective, we show how the science of collaborative cognition can be put to work to engineer systems that really can be called ``thought partners,'' systems built to meet our expectations and complement our limitations. We lay out several modes of collaborative thought in which humans and AI thought partners can engage and propose desiderata for human-compatible thought partnerships. Drawing on motifs from computational cognitive science, we motivate an alternative scaling path for the design of thought partners and ecosystems around their use through a Bayesian lens, whereby the partners we construct actively build and reason over models of the human and world.
• Abstract（参考訳）: マシンインテリジェンスから何が欲しいのか? 私たちは、思考のための単なるツールではなく、合理的で洞察力があり、知識があり、信頼性があり、信頼できるシステムという、思考上のパートナーを思い浮かべています。 現在の人工知能(AI)システムは、これらの基準の一部を満たしている。 このパースペクティブでは、我々の期待に応え、限界を補完するために構築された「思想的パートナー」システムと呼ばれるようなシステムに、協調的認知の科学がどう機能するかを示します。 我々は、人間とAIの思考パートナーが協力し、人間と互換性のある思考パートナーシップのためのデシラタを提案できる、協力的思考のいくつかのモードを配置した。 計算認知科学のモチーフに基づいて、我々はベイズレンズを通して思考パートナーとエコシステムの設計のための代替のスケーリングパスを動機付け、そこで構築するパートナーは、人間と世界のモデルよりも積極的に構築し、推論する。

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)
• Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
  デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
  論文  参考訳（メタデータ） (2024-04-29T04:51:05Z)
• 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)
• BIASeD: Bringing Irrationality into Automated System Design [12.754146668390828]
  我々は、人間と機械のコラボレーションの未来は、人間の認知バイアスをモデル化し、理解し、おそらく複製するAIシステムの開発を必要とすると主張している。 我々は、AIシステムの観点から既存の認知バイアスを分類し、3つの幅広い関心領域を特定し、私たちのバイアスをよりよく理解するAIシステムの設計のための研究の方向性を概説する。
  論文  参考訳（メタデータ） (2022-10-01T02:52:38Z)
• 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)
• Evaluating Understanding on Conceptual Abstraction Benchmarks [0.0]
  AIの長期的な目標は、人間のような方法で概念を理解するシステムを構築することである。 概念を理解するには、さまざまなコンテキストでそれを使う能力が必要である、と私たちは主張する。 我々の概念に基づく評価アプローチは、従来のテストセットが隠したはずのAIシステムに関する情報を明らかにする。
  論文  参考訳（メタデータ） (2022-06-28T17:52:46Z)
• Thinking Fast and Slow in AI [38.8581204791644]
  本稿では,人間の意思決定の認知理論からインスピレーションを得たAI研究の方向性を提案する。 前提は、AIでまだ不足しているいくつかの人間の能力の原因について洞察を得ることができれば、AIシステムで同様の能力を得ることができるということです。
  論文  参考訳（メタデータ） (2020-10-12T20:10:05Z)
• Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
  本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。 ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。 その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-07-24T23:35:03Z)
• Learning to Complement Humans [67.38348247794949]
  オープンワールドにおけるAIに対するビジョンの高まりは、知覚、診断、推論タスクのために人間を補完できるシステムの開発に焦点を当てている。 我々は,人間-機械チームの複合的なパフォーマンスを最適化するために,エンド・ツー・エンドの学習戦略をどのように活用できるかを実証する。
  論文  参考訳（メタデータ） (2020-05-01T20:00:23Z)

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。