論文の概要: Towards Strong AI: Transformational Beliefs and Scientific Creativity

• arxiv url: http://arxiv.org/abs/2412.19938v1
• Date: Fri, 27 Dec 2024 22:02:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:04:55.692630
• Title: Towards Strong AI: Transformational Beliefs and Scientific Creativity
• Title（参考訳）: 強力なAIを目指して - 変革的信念と科学的創造性
• Authors: Samuel J. Eschker, Chuanhai Liu,
• Abstract要約: 強力な人工知能(AI)は、人間の知能に匹敵する一般的な認知能力と科学的創造性を持つことが想定されている。 弱い信念の単純な理論的・統計的枠組みを導入し,その枠組みを変換的信念(TB)と呼ぶ。 TBフレームワークが創造性を理解し、分析し、育成するための有望な基盤となる可能性を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Strong artificial intelligence (AI) is envisioned to possess general cognitive abilities and scientific creativity comparable to human intelligence, encompassing both knowledge acquisition and problem-solving. While remarkable progress has been made in weak AI, the realization of strong AI remains a topic of intense debate and critical examination. In this paper, we explore pivotal innovations in the history of astronomy and physics, focusing on the discovery of Neptune and the concept of scientific revolutions as perceived by philosophers of science. Building on these insights, we introduce a simple theoretical and statistical framework of weak beliefs, termed the Transformational Belief (TB) framework, designed as a foundation for modeling scientific creativity. Through selected illustrative examples in statistical science, we demonstrate the TB framework's potential as a promising foundation for understanding, analyzing, and even fostering creativity -- paving the way toward the development of strong AI. We conclude with reflections on future research directions and potential advancements.
• Abstract（参考訳）: 強力な人工知能(AI)は、人間の知能に匹敵する一般的な認知能力と科学的創造性を持ち、知識獲得と問題解決の両方を包含する。 弱いAIでは目覚ましい進歩があったが、強力なAIの実現は依然として激しい議論と批判的な検証のトピックである。 本稿では、海王星の発見と科学哲学者が認識する科学革命の概念に焦点を当て、天文学と物理学の歴史における重要な革新を探求する。 これらの知見に基づいて、我々は、科学的創造性をモデル化するための基盤として設計された、変質的信念(TB)フレームワークと呼ばれる、弱い信念の単純な理論的、統計的枠組みを導入する。 統計学で選択された実証的な例を通して、TBフレームワークが創造性を理解し、分析し、育成するための有望な基盤としての可能性を示します。 我々は今後の研究の方向性と今後の進歩を振り返って結論づける。

関連論文リスト

• Towards Scientific Discovery with Generative AI: Progress, Opportunities, and Challenges [11.232704182001253]
  本稿では、科学的な課題に応用された大規模言語モデルやその他のAI技術の最近の進歩に注目し、科学的な発見のためのAIの現状について考察する。 そして、科学的な発見のためのより包括的なAIシステムの開発に向けた重要な課題と研究の方向性を概説する。
  論文  参考訳（メタデータ） (2024-12-16T03:52:20Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• 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)
• 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)
• Advancing Perception in Artificial Intelligence through Principles of Cognitive Science [6.637438611344584]
  我々は、周囲の信号を入力として取り、それを処理して環境を理解する、知覚の認知機能に焦点を当てる。 我々は、認知科学にインスパイアされたAIシステムを構築するために、AIに一連の方法を提案する。
  論文  参考訳（メタデータ） (2023-10-13T01:21:55Z)
• Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems [268.585904751315]
  科学のためのAI(AI4Science)として知られる新しい研究領域 領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。 主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
  論文  参考訳（メタデータ） (2023-07-17T12:14:14Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• Deep Learning Opacity in Scientific Discovery [0.15229257192293197]
  哲学的悲観主義と科学的楽観主義の切り離しは、AIが科学で実際にどのように使われているかを調べるのに失敗している、と私は主張する。 AIによるブレークスルーの正当化を理解するために、哲学者はより広範な発見プロセスの一環として、ディープラーニングが果たす役割を検証しなければなりません。
  論文  参考訳（メタデータ） (2022-06-01T14:30:49Z)
• Learning from learning machines: a new generation of AI technology to meet the needs of science [59.261050918992325]
  科学的な発見のためのAIの有用性を高めるための新たな機会と課題を概説する。 産業におけるAIの目標と科学におけるAIの目標の区別は、データ内のパターンを識別することと、データから世界のパターンを発見することとの間に緊張を生じさせる。
  論文  参考訳（メタデータ） (2021-11-27T00:55:21Z)

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。