論文の概要: A Representationalist, Functionalist and Naturalistic Conception of Intelligence as a Foundation for AGI

• arxiv url: http://arxiv.org/abs/2503.07600v1
• Date: Mon, 10 Mar 2025 17:58:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-12 15:41:54.670037
• Title: A Representationalist, Functionalist and Naturalistic Conception of Intelligence as a Foundation for AGI
• Title（参考訳）: AGIの基盤としての知能の表現主義・機能主義・自然主義的概念
• Authors: Rolf Pfister,
• Abstract要約: 論文は、人工知能(AGI)の創出に関連する基礎原則を分析している。 知性は、これまで未知の条件下でゴールを達成できる新しいスキルを作る能力であると理解されている。 AGIは、ノー・フリー・ランチの定理によって制限されているにもかかわらず、人間よりも世界への根本的なアクセスを得られることが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The article analyses foundational principles relevant to the creation of artificial general intelligence (AGI). Intelligence is understood as the ability to create novel skills that allow to achieve goals under previously unknown conditions. To this end, intelligence utilises reasoning methods such as deduction, induction and abduction as well as other methods such as abstraction and classification to develop a world model. The methods are applied to indirect and incomplete representations of the world, which are obtained through perception, for example, and which do not depict the world but only correspond to it. Due to these limitations and the uncertain and contingent nature of reasoning, the world model is constructivist. Its value is functionally determined by its viability, i.e., its potential to achieve the desired goals. In consequence, meaning is assigned to representations by attributing them a function that makes it possible to achieve a goal. This representational and functional conception of intelligence enables a naturalistic interpretation that does not presuppose mental features, such as intentionality and consciousness, which are regarded as independent of intelligence. Based on a phenomenological analysis, it is shown that AGI can gain a more fundamental access to the world than humans, although it is limited by the No Free Lunch theorems, which require assumptions to be made.
• Abstract（参考訳）: この論文は、人工知能(AGI)の創出に関連する基礎原則を分析している。 知性は、これまで未知の条件下でゴールを達成できる新しいスキルを作る能力であると理解されている。 この目的のために、インテリジェンスは、推論、誘導、推論などの推論手法と、抽象や分類といった他の手法を利用して世界モデルを開発する。 これらの方法は、例えば知覚によって得られる間接的かつ不完全な世界表現に適用され、世界を描いたものではなく、それに対応するものである。 これらの制限と推論の不確実で断続的な性質のため、世界モデルは構成主義者である。 その価値は、その生存可能性、すなわち所望の目標を達成する可能性によって機能的に決定される。 結果として、意味は表現に割り当てられ、それらにゴールを達成する機能を与えます。 このインテリジェンスの表現的かつ機能的な概念は、インテリジェンスとは独立していると見なされる意図や意識といった精神的な特徴を前提としない自然主義的な解釈を可能にする。 現象学的な分析から、AGIは人間よりも世界への根本的なアクセスを得られることが示されているが、これは仮定を必要とするNo Free Lunchの定理によって制限されている。

関連論文リスト

• The Trap of Presumed Equivalence: Artificial General Intelligence Should Not Be Assessed on the Scale of Human Intelligence [0.0]
  知的システム理論における新しい知性を評価する従来のアプローチは、人間のような行動や行動の類似性、「模倣」に基づいている。 いくつかの自然な仮定の下では、インテリジェントなシステムを開発することは、独自の意図と目的を形成することができる、と我々は主張する。
  論文  参考訳（メタデータ） (2024-10-14T13:39:58Z)
• A theory of understanding for artificial intelligence: composability, catalysts, and learning [3.863838486311001]
  触媒として作用する成分を解析することにより,被験者の構造を明らかにする方法を示す。 被験者の学習能力は,内触媒への入力を構成する能力とみなすことができる。 我々の分析は、言語モデルのような独自の触媒として機能する出力を生成することができるモデルが、AI理解における既存の制限を克服するための基盤を確立することを示唆している。
  論文  参考訳（メタデータ） (2024-08-16T00:17:18Z)
• On a Functional Definition of Intelligence [0.0]
  合意されたインテリジェンスの定義がなければ、"このシステムはインテリジェントか? 知性(intelligence)とは、哲学、心理学、認知科学の分野である。 我々は、その知性が実際に達成される方法とは異なる、純粋に機能的でブラックボックスな知性の定義について論じる。
  論文  参考訳（メタデータ） (2023-12-15T05:46:49Z)
• A Novel Neural-symbolic System under Statistical Relational Learning [47.30190559449236]
  NSF-SRLと呼ばれる統計的関係学習に基づくニューラルシンボリック・フレームワークを提案する。 シンボリック推論の結果は、深層学習モデルによる予測の洗練と修正に利用され、深層学習モデルはシンボリック推論プロセスの効率を高める。 我々は、このアプローチがニューラルシンボリックシステムの新しい標準となり、汎用人工知能の分野における将来の研究を促進すると信じている。
  論文  参考訳（メタデータ） (2023-09-16T09:15:37Z)
• Brain in a Vat: On Missing Pieces Towards Artificial General Intelligence in Large Language Models [83.63242931107638]
  本稿では,知的エージェントの4つの特徴について述べる。 実世界の物体との活発な関わりは、概念的表現を形成するためのより堅牢な信号をもたらすと我々は主張する。 我々は、人工知能分野における将来的な研究の方向性を概説して結論付ける。
  論文  参考訳（メタデータ） (2023-07-07T13:58:16Z)
• Beyond Interpretable Benchmarks: Contextual Learning through Cognitive and Multimodal Perception [0.0]
  この研究は、チューリングテストがコンピュータシステムを人為的に形作る試みであると誤解されていることを主張する。 通訳性に欠けるにもかかわらず、汎用知能の基盤として暗黙の学習を強調している。
  論文  参考訳（メタデータ） (2022-12-04T08:30:04Z)
• 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)
• Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and Execution [97.50813120600026]
  時空間推論は人工知能(AI)の課題である 最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM) ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
  論文  参考訳（メタデータ） (2021-03-26T02:42:18Z)
• Logical Neural Networks [51.46602187496816]
  ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。 すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。 推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
  論文  参考訳（メタデータ） (2020-06-23T16:55:45Z)
• 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)
• Imagination-Augmented Deep Learning for Goal Recognition [0.0]
  現在の目標認識研究における顕著な考え方は、計画コストの見積からエージェントが持つ可能性のある異なる目標まで、エージェントの目標の可能性を推測することである。 本稿では,記号プランナを用いて計画コストのインサイトを計算し,深層ニューラルネットワークを想像力で拡張する手法を提案する。
  論文  参考訳（メタデータ） (2020-03-20T23:07:34Z)

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。