論文の概要: Computational Irreducibility as the Foundation of Agency: A Formal Model Connecting Undecidability to Autonomous Behavior in Complex Systems
- arxiv url: http://arxiv.org/abs/2505.04646v1
- Date: Mon, 05 May 2025 21:24:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-09 21:43:49.6034
- Title: Computational Irreducibility as the Foundation of Agency: A Formal Model Connecting Undecidability to Autonomous Behavior in Complex Systems
- Title（参考訳）: エージェンシーの基礎としての計算的不整合性:複雑なシステムにおける非決定性と自律行動とを結びつける形式的モデル
- Authors: Poria Azadi,
- Abstract要約: 本研究では,潜在的チューリング完全環境内で動作する「最小エージェント」の形式モデルを提案する。
エージェント-環境相互作用の固有の不決定性と計算不可能性は、予測不可能性と新しい情報生成につながると論じる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This article explores the emergence of autonomy and agency by connecting fundamental computational limits (decidability, completeness, computational irreducibility) with physical concepts. We introduce a formal model of a "minimal agent" operating within potentially Turing-complete environments. Using algorithmic information theory, we argue that the inherent undecidability and computational irreducibility of agent-environment interaction lead to unpredictability and novel information generation, enabling agency (effective goal-directed action). Computational irreducibility prevents full external prediction, creating necessary conditions for autonomous behavior. We relate this to computational sourcehood, where an agent is the irreducible origin of its behavior, though formalizing this concept remains challenging. Our central thesis, formally proven, is that genuine autonomy necessarily implies undecidability from an external perspective, distinguishing autonomous systems from predictable ones. We propose that agency arises when agent-environment coupling complexity allows mutual information between internal states and relevant environmental variables to increase, particularly where analytical solutions are absent and operational closure is needed for persistence. This framework links agency directly to the computational properties of interaction, offering implications for understanding consciousness, designing autonomous AI, and reconceptualizing free will in a deterministic yet computationally irreducible universe.
- Abstract（参考訳）: 本稿では、基本的な計算限界(決定可能性、完全性、計算不能性)と物理概念を結びつけることにより、自律性とエージェンシーの出現について考察する。
本研究では,潜在的チューリング完全環境内で動作する「最小エージェント」の形式モデルを提案する。
アルゴリズム情報理論を用いて,エージェント環境相互作用の本質的不決定性と計算不可能性は予測不能と新たな情報生成を招き,エージェンシー(効果的な目標指向行動)を可能にする。
計算上の既約性は、完全な外部予測を防ぎ、自律的な行動に必要な条件を生成する。
エージェントがその振る舞いの既約元であるが、この概念を定式化することは依然として困難である。
私たちの中心的な主張は、正式に証明された、真の自律とは、必ずしも外部からの不決定性を意味し、予測可能なシステムと自律システムを区別する、というものです。
エージェント環境結合の複雑さが内部状態と関連する環境変数間の相互情報を増大させる場合,特に解析的ソリューションが欠如し,永続性に運用的閉鎖が必要である場合に,エージェント環境結合の複雑さが生じることを提案する。
このフレームワークは、エージェントを相互作用の計算的性質に直接リンクさせ、意識を理解し、自律的なAIを設計し、決定論的だが計算不可能な宇宙において自由意志を再認識するための意味を提供する。
関連論文リスト
- Stochastic, Dynamic, Fluid Autonomy in Agentic AI: Implications for Authorship, Inventorship, and Liability [0.2209921757303168]
エージェントAIシステムは、暗黙の学習を通じて戦略を適応し、自律的に目標を追求する。
人間と機械の貢献は、相互に絡み合った創造的なプロセスに不可避的に絡まってしまう。
法律と政策の枠組みは、人間と機械の貢献を機能的に同等に扱う必要があるかもしれないと我々は主張する。
論文 参考訳（メタデータ） (2025-04-05T04:44:59Z) - "Efficient Complexity": a Constrained Optimization Approach to the Evolution of Natural Intelligence [0.0]
情報理論、生物物理学、バイオインフォマティクス、熱力学の結合における根本的な疑問は、外部刺激に関する情報が事前に入手できない自然環境における自然知性の発達を導く原理とプロセスに関するものである。
制約付き最適化の枠組みでは,自然学習の情報プロセスの記述に新たなアプローチが提案されている。
構造の複雑さ、可変性、効率性、あるいは提案された形式主義に基づく学習モデルのアーキテクチャの関係に関する非自明な結論は、ニューラルネットワークを生物学的および人工知能における小さな知能ユニットの協調グループとしての有効性を説明することができる。
論文 参考訳（メタデータ） (2024-10-03T11:54:33Z) - Mathematical Algorithm Design for Deep Learning under Societal and
Judicial Constraints: The Algorithmic Transparency Requirement [65.26723285209853]
計算モデルにおける透過的な実装が実現可能かどうかを分析するための枠組みを導出する。
以上の結果から,Blum-Shub-Smale Machinesは,逆問題に対する信頼性の高い解法を確立できる可能性が示唆された。
論文 参考訳（メタデータ） (2024-01-18T15:32:38Z) - Interactive Autonomous Navigation with Internal State Inference and
Interactivity Estimation [58.21683603243387]
本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。
これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。
提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-11-27T18:57:42Z) - Towards Probabilistic Causal Discovery, Inference & Explanations for
Autonomous Drones in Mine Surveying Tasks [5.569226615350014]
因果モデリングは、自律的なエージェントによる意思決定や結果の説明を支援することができる。
ここでは,塩鉱で稼働するドローンシステムにおける因果関係に関する課題を特定する。
本稿では、因果的インフォームドPOMDP計画、オンラインSCM適応、およびポストホックな反事実的説明からなる確率的因果関係の枠組みを提案する。
論文 参考訳（メタデータ） (2023-08-19T15:12:55Z) - Pessimism meets VCG: Learning Dynamic Mechanism Design via Offline
Reinforcement Learning [114.36124979578896]
オフライン強化学習アルゴリズムを用いて動的メカニズムを設計する。
我々のアルゴリズムは悲観主義の原理に基づいており、オフラインデータセットのカバレッジについて軽度な仮定しか必要としない。
論文 参考訳（メタデータ） (2022-05-05T05:44:26Z) - Independent Natural Policy Gradient Methods for Potential Games:
Finite-time Global Convergence with Entropy Regularization [28.401280095467015]
本研究では,独立エントロピー規則化自然ポリシー勾配法(NPG)の有限時間収束について検討する。
提案手法は, 作用空間の大きさに依存しないサブ線形速度で量子応答平衡(QRE)に収束することを示す。
論文 参考訳（メタデータ） (2022-04-12T01:34:02Z) - 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) - CausalCity: Complex Simulations with Agency for Causal Discovery and
Reasoning [68.74447489372037]
本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。
私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。
我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
論文 参考訳（メタデータ） (2021-06-25T00:21:41Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z)
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。