論文の概要: Existential Conversations with Large Language Models: Content, Community, and Culture

• arxiv url: http://arxiv.org/abs/2411.13223v1
• Date: Wed, 20 Nov 2024 11:35:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-21 16:13:45.621950
• Title: Existential Conversations with Large Language Models: Content, Community, and Culture
• Title（参考訳）: 大規模言語モデルを用いた既存の会話:コンテンツ、コミュニティ、文化
• Authors: Murray Shanahan, Beth Singler,
• Abstract要約: 大規模な言語モデルは、哲学、スピリチュアリティ、宗教など、幅広いトピックにユーザを巻き込むことができる。 我々は、おそらく古代と近代の両方の、画像、神話、比喩、そして言語モデルが引き起こす概念的エソテリカの広範なレパートリーの源流を辿っている。 LLMとの関わりが社会に与える影響を考察する。
• 参考スコア（独自算出の注目度）: 11.573256071600722
• License:
• Abstract: Contemporary conversational AI systems based on large language models (LLMs) can engage users on a wide variety of topics, including philosophy, spirituality, and religion. Suitably prompted, LLMs can be coaxed into discussing such existentially significant matters as their own putative consciousness and the role of artificial intelligence in the fate of the Cosmos. Here we examine two lengthy conversations of this type. We trace likely sources, both ancient and modern, for the extensive repertoire of images, myths, metaphors, and conceptual esoterica that the language model draws on during these conversations, and foreground the contemporary communities and cultural movements that deploy related motifs, especially in their online activity. Finally, we consider the larger societal impacts of such engagements with LLMs.
• Abstract（参考訳）: 大規模言語モデル(LLM)に基づく現代の会話型AIシステムは、哲学、スピリチュアリティ、宗教など、幅広いトピックにユーザを巻き込むことができる。 適切に推し進めば、LLMは、宇宙の運命における自身の仮定的意識や人工知能の役割など、既存の重要な事項を議論することに集中することができる。 ここでは、このタイプの2つの長い会話について検討する。 我々は、これらの会話の間に言語モデルが引き起こすイメージ、神話、メタファー、概念的エソテリティの広範なレパートリーのために、古代と近代の両方の情報源を辿り、特に彼らのオンライン活動において、関連するモチーフを展開させる現代のコミュニティと文化運動の先駆けとなった。 最後に,LLMとの関わりが社会に与える影響について考察する。

関連論文リスト

• Large Language Models Reflect the Ideology of their Creators [73.25935570218375]
  大規模言語モデル(LLM)は、自然言語を生成するために大量のデータに基づいて訓練される。 異なるLLMや言語にまたがるイデオロギー的姿勢の顕著な多様性を明らかにする。
  論文  参考訳（メタデータ） (2024-10-24T04:02:30Z)
• With Ears to See and Eyes to Hear: Sound Symbolism Experiments with Multimodal Large Language Models [16.583370726582356]
  視覚言語モデル (VLM) は, 正書法や画像のみからの抽象的推論により, 暗黙的に音による現象を理解できることを示す。 我々は,古典的キキ・ブーバやミル・マール形状の再現,等級記号課題などの実験を行った。 以上の結果から, VLMは人体ラベルとの一致のレベルが異なることが示され, サイリコ実験ではVLMと人体ラベルとの対応がより重要となる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-09-23T11:13:25Z)
• Large Language Model Can Transcribe Speech in Multi-Talker Scenarios with Versatile Instructions [68.98811048970963]
  我々は,多話者環境における音声の書き起こしにおける大規模言語モデル(LLM)の能力について,先駆的な研究を行う。 提案手法では,WavLMとWhisperエンコーダを用いて,話者の特徴や意味的文脈に敏感な多面的音声表現を抽出する。 包括的実験により,カクテルパーティーのシナリオにおいて提案システムであるMT-LLMが期待できる性能を示した。
  論文  参考訳（メタデータ） (2024-09-13T07:28:28Z)
• Large Language Models can impersonate politicians and other public figures [47.2573979612036]
  大規模言語モデル(LLM)のような現代のAI技術は、メイクアップコンテンツで公開情報領域を汚染する可能性がある。 本稿では,英国社会の横断的な研究結果を紹介する。 LLMは、英国で放送された政治討論プログラムの一部である議論の質問に対する応答を生成することができる。
  論文  参考訳（メタデータ） (2024-07-09T11:16:19Z)
• Are Human Conversations Special? A Large Language Model Perspective [8.623471682333964]
  本研究では、人間(人間)の自然な会話を理解するために、大規模言語モデル(LLM)の注意機構の変化を分析する。 その結果,言語モデルはドメイン固有の注意行動を示すが,人間の会話を専門化する能力には大きなギャップがあることが判明した。
  論文  参考訳（メタデータ） (2024-03-08T04:44:25Z)
• SoMeLVLM: A Large Vision Language Model for Social Media Processing [78.47310657638567]
  ソーシャルメディア処理のための大規模ビジョン言語モデル(SoMeLVLM)を提案する。 SoMeLVLMは、知識と理解、応用、分析、評価、作成を含む5つの重要な機能を備えた認知フレームワークである。 実験により,複数のソーシャルメディアタスクにおいて,SoMeLVLMが最先端のパフォーマンスを達成できることが実証された。
  論文  参考訳（メタデータ） (2024-02-20T14:02:45Z)
• A Philosophical Introduction to Language Models -- Part I: Continuity With Classic Debates [0.05657375260432172]
  この記事では、哲学者の言語モデルに関するプライマーとしての役割と、その重要性に関する世論調査としての役割について述べる。 言語モデルの成功は、人工ニューラルネットワークに関する長年の仮定に挑戦するものだ、と我々は主張する。 これは、共用紙(Part II)のステージを設定し、言語モデルの内部動作を探索するための新しい経験的手法に転換する。
  論文  参考訳（メタデータ） (2024-01-08T14:12:31Z)
• Think Before You Speak: Cultivating Communication Skills of Large Language Models via Inner Monologue [73.69510478736483]
  大規模言語モデル(LLM)は、流動的で一貫性があり多様な応答を生成する。 しかし、それらは重要な能力、コミュニケーションスキルを欠いている。 本稿は,内的モノローグによるLLMのコミュニケーション能力向上を目的としている。 実験の結果,提案したCSIM戦略はバックボーンモデルを改善し,ベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2023-11-13T16:19:42Z)
• The Quo Vadis of the Relationship between Language and Large Language Models [3.10770247120758]
  LLM(Large Language Models)は、LLMを言語科学モデルとして採用することを奨励している。 透明性に欠ける科学的モデルの導入によって引き起こされる最も重要な理論的および経験的リスクを特定します。 現在の開発段階において、LLMは言語に関する説明をほとんど提供していないと結論付けている。
  論文  参考訳（メタデータ） (2023-10-17T10:54:24Z)
• Let Models Speak Ciphers: Multiagent Debate through Embeddings [84.20336971784495]
  この問題を解決するためにCIPHER(Communicative Inter-Model Protocol Through Embedding Representation)を導入する。 自然言語から逸脱することで、CIPHERはモデルの重みを変更することなく、より広い範囲の情報を符号化する利点を提供する。 このことは、LLM間の通信における代替の"言語"としての埋め込みの優越性と堅牢性を示している。
  論文  参考訳（メタデータ） (2023-10-10T03:06:38Z)

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。