論文の概要: Towards the Ultimate Programming Language: Trust and Benevolence in the Age of Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2412.00206v1
- Date: Fri, 29 Nov 2024 19:02:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:51:54.095467
- Title: Towards the Ultimate Programming Language: Trust and Benevolence in the Age of Artificial Intelligence
- Title（参考訳）: 究極のプログラミング言語を目指して - 人工知能時代の信頼と利益-
- Authors: Bartosz Sawicki, Michał Śmiałek, Bartłomiej Skowron,
- Abstract要約: 人工知能の文脈におけるプログラミング言語の役割の進化について考察する。
不要な実装の詳細を排除しながら、人間の理解を確保するためのプログラミング言語の必要性を強調します。
将来のプログラムは、ユーザーの興味を認識し、積極的に支援するように設計されるべきである。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This article explores the evolving role of programming languages in the context of artificial intelligence. It highlights the need for programming languages to ensure human understanding while eliminating unnecessary implementation details and suggests that future programs should be designed to recognize and actively support user interests. The vision includes a three-level process: using natural language for requirements, translating it into a precise system definition language, and finally optimizing the code for performance. The concept of an "Ultimate Programming Language" is introduced, emphasizing its role in maintaining human control over machines. Trust, reliability, and benevolence are identified as key elements that will enhance cooperation between humans and AI systems.
- Abstract（参考訳）: 本稿では,人工知能の文脈におけるプログラミング言語の役割について考察する。
不要な実装の詳細を排除しながら、人間の理解を確保するためにプログラミング言語の必要性を強調し、将来のプログラムはユーザーの関心を認識し、積極的に支援するように設計されるべきである。
このビジョンには3段階のプロセスが含まれており、要求に対して自然言語を使用し、それを正確なシステム定義言語に翻訳し、最終的にパフォーマンスのためにコードを最適化する。
Ultimate Programming Language"の概念が紹介され、マシンに対する人間の制御を維持する上での役割を強調している。
信頼、信頼性、慈悲は、人間とAIシステム間の協力を強化する重要な要素として特定される。
関連論文リスト
- Toward Programming Languages for Reasoning: Humans, Symbolic Systems, and AI Agents [0.0]
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。
論文 参考訳（メタデータ） (2024-07-08T19:50:42Z) - 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) - Tapping into the Natural Language System with Artificial Languages when
Learning Programming [7.5520627446611925]
本研究の目的は,言語学習機構の活性化による学習プログラムの強化を図り,その実現可能性を検討することである。
我々は,人工言語の学習をカリキュラムに簡単に組み込むことができることを観察した。
しかし,本研究の文脈では,学生がまず人工言語を学ぶと,プログラミング能力に有意な利益が得られなかった。
論文 参考訳（メタデータ） (2024-01-12T07:08:55Z) - Will Code Remain a Relevant User Interface for End-User Programming with
Generative AI Models? [20.275891144535258]
我々は、ジェネレーティブAIを持つ世界で「伝統的な」プログラミング言語が、非専門家のエンドユーザープログラマにどのような意味を持つのかを探求する。
従来型プログラミング言語がエンドユーザプログラマにとって,いまだに意味があり有用である,いくつかの理由を概説する。
論文 参考訳（メタデータ） (2023-11-01T09:20:21Z) - 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) - Language-Driven Representation Learning for Robotics [115.93273609767145]
ロボット工学における視覚表現学習の最近の研究は、日々の作業を行う人間の大規模なビデオデータセットから学ぶことの可能性を実証している。
人間のビデオやキャプションから言語による表現学習を行うためのフレームワークを提案する。
我々は、Voltronの言語駆動学習が、特に高レベル制御を必要とするターゲット問題において、先行技術よりも優れていることを発見した。
論文 参考訳（メタデータ） (2023-02-24T17:29:31Z) - PADL: Language-Directed Physics-Based Character Control [66.517142635815]
本稿では,文字が行うべきハイレベルなタスクと低レベルなスキルを指定するために,ユーザが自然言語コマンドを発行できるようにするPADLを提案する。
我々は,シミュレーションされたヒューマノイドキャラクタを効果的に誘導し,多種多様な複雑な運動能力を実現するために,本フレームワークを適用した。
論文 参考訳（メタデータ） (2023-01-31T18:59:22Z) - Dissociating language and thought in large language models [52.39241645471213]
大規模言語モデル(LLM)は、人間の言語を習得する上で、今までに最も近いモデルである。
我々は、この区別を人間の神経科学に根ざし、形式的、機能的な能力は異なる神経機構に依存していることを示した。
LLMは形式的能力は驚くほど優れているが、機能的能力のタスクにおける性能はいまだに不明瞭である。
論文 参考訳（メタデータ） (2023-01-16T22:41:19Z) - "No, to the Right" -- Online Language Corrections for Robotic
Manipulation via Shared Autonomy [70.45420918526926]
LILACは、実行中に自然言語の修正をオンラインで実施し、適応するためのフレームワークである。
LILACは人間とロボットを個別にターンテイクする代わりに、人間とロボットの間にエージェンシーを分割する。
提案手法は,タスク完了率が高く,ユーザによって主観的に好まれることを示す。
論文 参考訳（メタデータ） (2023-01-06T15:03:27Z) - Semantics-Aware Inferential Network for Natural Language Understanding [79.70497178043368]
このようなモチベーションを満たすために,セマンティックス対応推論ネットワーク(SAIN)を提案する。
SAINの推論モジュールは、明示的な文脈的セマンティクスを補完的な入力として、セマンティクス上の一連の推論ステップを可能にする。
本モデルでは,機械読解や自然言語推論など11タスクの大幅な改善を実現している。
論文 参考訳（メタデータ） (2020-04-28T07:24:43Z) - Convo: What does conversational programming need? An exploration of
machine learning interface design [8.831954614241232]
我々は、異なる入力方法と、開発した対話型プログラミングシステムを比較した。
参加者は、音声ベース、テキストベース、音声またはテキストベースのシステムを使用して、初心者および高度なタスクを完了した。
結果として、将来の対話型プログラミングツールは、ユーザのプログラミング体験に合わせて調整されるべきであることが示される。
論文 参考訳（メタデータ） (2020-03-03T03:39:37Z)
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。