論文の概要: Agency Is Frame-Dependent

• arxiv url: http://arxiv.org/abs/2502.04403v1
• Date: Thu, 06 Feb 2025 08:34:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-10 18:29:32.869279
• Title: Agency Is Frame-Dependent
• Title（参考訳）: Agencyはフレーム依存である
• Abstract要約: エージェンシーは、目標に向かって成果を操縦するシステムの能力である。 私たちは、エージェンシーは基本的にフレーム依存であると主張している。 我々はあらゆる基礎科学がフレーム依存を必要とすると結論付けている。
• 参考スコア（独自算出の注目度）: 94.91580596320331
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agency is a system's capacity to steer outcomes toward a goal, and is a central topic of study across biology, philosophy, cognitive science, and artificial intelligence. Determining if a system exhibits agency is a notoriously difficult question: Dennett (1989), for instance, highlights the puzzle of determining which principles can decide whether a rock, a thermostat, or a robot each possess agency. We here address this puzzle from the viewpoint of reinforcement learning by arguing that agency is fundamentally frame-dependent: Any measurement of a system's agency must be made relative to a reference frame. We support this claim by presenting a philosophical argument that each of the essential properties of agency proposed by Barandiaran et al. (2009) and Moreno (2018) are themselves frame-dependent. We conclude that any basic science of agency requires frame-dependence, and discuss the implications of this claim for reinforcement learning.
• Abstract（参考訳）: エージェンシーは、目標に向かって成果を操縦するシステムの能力であり、生物学、哲学、認知科学、人工知能にまたがる研究の中心的なトピックである。 例えば、Dennett (1989)は、岩、サーモスタット、あるいはそれぞれがエージェンシーを持つロボットを決定できる原理を決定するパズルを強調している。 ここでは、このパズルを強化学習の観点から、エージェンシーは基本的にフレーム依存であると主張する: システムエージェンシーの測定は、参照フレームに対して行う必要がある。 我々は、Barandiaran et al (2009) と Moreno (2018) によって提案されたエージェンシーの本質的性質は、それぞれフレーム依存である、という哲学的論証を提示して、この主張を支持する。 我々は,いかなる基礎科学もフレーム依存を必要としていると結論し,この主張が強化学習に与える影響について論じる。

関連論文リスト

• Critique of Agent Model [6.669064478699597]
  我々は、本質的な機関がこれらの構造をシステム自体に組み込む必要があると論じている。 汎用エージェントモデルのためのゴール・アイデンティティ・コンフィグレータ(GIC)アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-06-22T22:50:02Z)
• The Tao of Agency: Autotelic AI, Embedded Agency and Dissolution of the Self [0.0]
  エージェントが自身の目標を生成し始めると、自動AIの分野が開きます。 本研究は,本質的なモチベーション,資源主導の先行性,因果介入学習,ホメオスタシス,組込み性を通じて,その成果を追究する。 オートテリックAIの最も深い問題は、エージェントが目標をどうやって生成するかではなく、その目標が割り当てられた自己をどうやって生成し、相対化するかである。
  論文  参考訳（メタデータ） (2026-06-18T08:20:33Z)
• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• Is quantum mechanics merely a theory for us? [0.0]
  本稿では,主観的主観的問題を扱うエージェント中心の計測基準を開発する。 量子力学は、物理的世界との相互作用の、慣用的に人間的な記述として理解されている。
  論文  参考訳（メタデータ） (2025-10-20T12:13:56Z)
• Is the `Agent' Paradigm a Limiting Framework for Next-Generation Intelligent Systems? [0.0]
  エージェント」の概念は人工知能(AI)の研究を深く形作っている。 本稿では,エージェント中心パラダイムの必要性と最適性を再評価する。
  論文  参考訳（メタデータ） (2025-09-13T16:11:27Z)
• Explainability Through Systematicity: The Hard Systematicity Challenge for Artificial Intelligence [0.0]
  本稿は、AI(人工知能)に対する私たちの期待を形作る、より広い理想の1つの側面である、と論じる。 語句の4つの感覚を区別する「思考の体系性」を考えるための概念的枠組みを提供する。 体系性のこの理想にAIモデルを保持する理由があるかどうかを判断するために、私は、体系化の合理性に目を向けなければならないと論じます。
  論文  参考訳（メタデータ） (2025-07-29T19:50:21Z)
• Toward a Theory of Agents as Tool-Use Decision-Makers [89.26889709510242]
  真の自律性は、エージェントが、彼らが知っていること、必要なこと、そしてその知識を効率的に獲得する方法を統治する、一貫性のある疫学の枠組みに根ざす必要がある、と我々は主張する。 本研究では,内的推論と外的行動を等価な疫学ツールとして扱う統一理論を提案し,エージェントが内観と相互作用を体系的に調整することを可能にする。 この視点は、エージェントの設計を単なるアクションエグゼクタから知識駆動インテリジェンスシステムにシフトさせ、適応的で効率的でゴール指向の行動が可能な基礎エージェントを構築するための原則化された道筋を提供する。
  論文  参考訳（メタデータ） (2025-06-01T07:52:16Z)
• Plasticity as the Mirror of Empowerment [94.91580596320331]
  可塑性は環境のエンパワーメントと同一であることを示す。 我々は, 可塑性, エンパワーメント, およびそれらの関係性は, エージェンシーの理解に不可欠であることを示唆する。
  論文  参考訳（メタデータ） (2025-05-15T14:52:16Z)
• Nature's Insight: A Novel Framework and Comprehensive Analysis of Agentic Reasoning Through the Lens of Neuroscience [11.174550573411008]
  エージェント推論のための神経科学に着想を得た新しい枠組みを提案する。 我々は,既存のAI推論手法を体系的に分類し,分析するために,この枠組みを適用した。 本稿では,ニューラルインスパイアされた新しい推論手法を提案する。
  論文  参考訳（メタデータ） (2025-05-07T14:25:46Z)
• Moral Agency in Silico: Exploring Free Will in Large Language Models [0.0]
  本研究は,モラルエージェンシーの機能能力と適応主義的自由意志を示す決定論的システムの可能性について考察する。 我々は,自由意志の関数的定義をDennettのコンパチビリストフレームワークに基礎を置く。 結果は、道徳的責任に対する意識の必要性に関する伝統的な見解に挑戦する。
  論文  参考訳（メタデータ） (2024-10-28T20:48:14Z)
• Artificial Agency and Large Language Models [0.0]
  大規模言語モデル(LLM)は、人工的にエージェンシーを実現する可能性について哲学的な議論を巻き起こしている。 人工エージェントのしきい値概念として使用できる理論モデルを提案する。
  論文  参考訳（メタデータ） (2024-07-23T05:32:00Z)
• Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
  エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。 本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
  論文  参考訳（メタデータ） (2024-02-28T16:09:56Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• A Semantic Approach to Decidability in Epistemic Planning (Extended Version) [72.77805489645604]
  我々は決定可能性を達成するために新しい意味論的アプローチを用いる。 具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。 我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
  論文  参考訳（メタデータ） (2023-07-28T11:26:26Z)
• A Categorical Framework of General Intelligence [12.134564449202708]
  1950年にアラン・チューリングがこの質問をしたので、直接答えることはできない。 2つの主要な結果とともに、この目標に向けてカテゴリ的なフレームワークを導入します。
  論文  参考訳（メタデータ） (2023-03-08T13:37:01Z)
• Designing Ecosystems of Intelligence from First Principles [34.429740648284685]
  このホワイトペーパーは、今後10年間(そしてそれ以上)、人工知能の分野における研究と発展のビジョンを概説している。 そのデノウメントは自然と合成の感覚形成のサイバー物理的なエコシステムであり、人間は統合的な参加者である。 このビジョンは、知性の物理学として読むことができる適応的行動の定式化である能動推論に基づいている。
  論文  参考訳（メタデータ） (2022-12-02T18:24:06Z)
• Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
  本稿では,認知機能構築への進化的アプローチについて考察する。 本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
  論文  参考訳（メタデータ） (2022-07-02T12:41:32Z)
• Automated Machine Learning, Bounded Rationality, and Rational Metareasoning [62.997667081978825]
  有界合理性の観点から、自動機械学習(AutoML)と関連する問題を考察する。 リソース境界の下でアクションを取るには、エージェントがこれらのリソースを最適な方法で利用する方法を反映する必要がある。
  論文  参考訳（メタデータ） (2021-09-10T09:10:20Z)
• A Metamodel and Framework for AGI [3.198144010381572]
  本稿では,応用AGIシステム構築のための知識保存メタモデルとフレームワークを実装したDeep Fusion Reasoning Engine(DFRE)を紹介する。 DFREは、対称関係と反対称関係の明確な区別など、いくつかの重要な基本的な知識特性を示す。 提案手法は, 教師なし物体の検出・認識において, 平均94%の精度を達成できることを示す。
  論文  参考訳（メタデータ） (2020-08-28T23:34:21Z)
• Agency in Physics [0.0]
  物理の観点からエージェントの概念の3つの側面について論じる。 私はその代理店が、ダイナミクスが閉じているように見える近似の破滅だと考えている。
  論文  参考訳（メタデータ） (2020-07-10T11:04:15Z)

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。