論文の概要: Machines of Meaning

• arxiv url: http://arxiv.org/abs/2412.07975v1
• Date: Tue, 10 Dec 2024 23:23:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-12 14:04:40.386144
• Title: Machines of Meaning
• Title（参考訳）: 意味の機械
• Authors: Davide Nunes, Luis Antunes,
• Abstract要約: 意味の機械」の仕様の課題について論じる。 我々は、意味の機械の研究において、人間中心主義からの分離の必要性を強調した。 本稿では,ニューラルネットワークモデルなどのアプローチに関する議論を促進するために,「意味」の視点を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: One goal of Artificial Intelligence is to learn meaningful representations for natural language expressions, but what this entails is not always clear. A variety of new linguistic behaviours present themselves embodied as computers, enhanced humans, and collectives with various kinds of integration and communication. But to measure and understand the behaviours generated by such systems, we must clarify the language we use to talk about them. Computational models are often confused with the phenomena they try to model and shallow metaphors are used as justifications for (or to hype) the success of computational techniques on many tasks related to natural language; thus implying their progress toward human-level machine intelligence without ever clarifying what that means. This paper discusses the challenges in the specification of "machines of meaning", machines capable of acquiring meaningful semantics from natural language in order to achieve their goals. We characterize "meaning" in a computational setting, while highlighting the need for detachment from anthropocentrism in the study of the behaviour of machines of meaning. The pressing need to analyse AI risks and ethics requires a proper measurement of its capabilities which cannot be productively studied and explained while using ambiguous language. We propose a view of "meaning" to facilitate the discourse around approaches such as neural language models and help broaden the research perspectives for technology that facilitates dialogues between humans and machines.
• Abstract（参考訳）: 人工知能の1つのゴールは、自然言語表現の有意義な表現を学ぶことであるが、その意味は必ずしも明確ではない。 様々な新しい言語行動は、コンピュータ、強化された人間、そして様々な種類の統合とコミュニケーションを持つ集団として体現される。 しかし、そのようなシステムによって生成された振る舞いを計測し、理解するためには、それらについて話すのに使用する言語を明確にしなければなりません。 計算モデルは、彼らがモデル化しようとする現象と混同され、浅い比喩が自然言語に関連する多くのタスクにおける計算技術の成功の正当化(または誇張)に使用される。 本稿では,自然言語から意味的意味論を習得し,目的を達成する機械である「意味の機械」の仕様策定における課題について論じる。 我々は「意味」を計算環境で特徴づけ、意味の機械の振る舞いの研究において、人間中心主義からの分離の必要性を強調した。 AIのリスクと倫理を分析することの必要性は、あいまいな言語を使用しながら、生産的に研究や説明ができない能力の適切な測定を必要とする。 本稿では,人間と機械の対話を促進する技術研究の視点を広げるために,ニューラルランゲージモデルなどのアプローチに関する言論を促進する「意味」の視点を提案する。

関連論文リスト

• Large Language Models for Scientific Synthesis, Inference and Explanation [56.41963802804953]
  大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。 我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。 このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
  論文  参考訳（メタデータ） (2023-10-12T02:17:59Z)
• From Word Models to World Models: Translating from Natural Language to the Probabilistic Language of Thought [124.40905824051079]
  言語インフォームド・シンキングのための計算フレームワークである「構成」を合理的に提案する。 我々は、自然言語から確率論的思考言語への文脈感応的なマッピングとして、言語の意味を定式化する。 LLMは、現実的に適切な言語的意味をキャプチャする文脈依存翻訳を生成することができることを示す。 認知的なモチベーションを持つシンボリックモジュールを統合するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2023-06-22T05:14:00Z)
• On the Computation of Meaning, Language Models and Incomprehensible Horrors [0.0]
  我々は、意味の基本理論を、人工知能(AGI)の数学的形式主義と統合する。 我々の発見は、意味と知性の関係と、意味を理解して意図する機械を構築する方法に光を当てた。
  論文  参考訳（メタデータ） (2023-04-25T09:41:00Z)
• Is it possible not to cheat on the Turing Test: Exploring the potential and challenges for true natural language 'understanding' by computers [0.0]
  人工知能における自然言語理解の領域は、大きな進歩を遂げたと主張している。 現在のアプローチと残る課題について、包括的で学際的な概要は、まだ実行されていない。 これらすべての視点をまとめて、真の(人間のような)言語理解に到達する上での課題を解き放ちます。
  論文  参考訳（メタデータ） (2022-06-29T14:19:48Z)
• Emergence of Machine Language: Towards Symbolic Intelligence with Neural Networks [73.94290462239061]
  本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。 対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-01-14T14:54:58Z)
• My Teacher Thinks The World Is Flat! Interpreting Automatic Essay Scoring Mechanism [71.34160809068996]
  最近の研究では、自動スコアリングシステムが常識的な敵対的サンプルになりやすいことが示されています。 近年の解釈能力の進歩を活かし,コヒーレンスやコンテント,関連性といった特徴がスコアリングの自動化にどの程度重要であるかを見出す。 また、モデルが意味的に世界知識や常識に基づかないことから、世界のような虚偽の事実を追加することは、それを減らすよりもむしろスコアを増加させる。
  論文  参考訳（メタデータ） (2020-12-27T06:19:20Z)
• Machine Semiotics [0.0]
  音声補助装置では、人間の発話の機械固有の意味の学習が十分であると考えられる。 認知的加熱装置の極めて自明な例を用いて、この過程を発話意味ペア(UMP)の強化学習として定式化することができることを示す。
  論文  参考訳（メタデータ） (2020-08-24T15:49:54Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)
• 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)
• Machine Learning in Artificial Intelligence: Towards a Common Understanding [0.0]
  機械学習」と「芸術知能」の関係を明らかにすることを目的とする。 本稿では,知的エージェント構築における機械学習の役割を明らかにする概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-03-27T19:09:57Z)

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。