Fugu-MT 論文翻訳(概要): Qualia Optimization

論文の概要: Qualia Optimization

arxiv url: http://arxiv.org/abs/2505.10779v1
Date: Fri, 16 May 2025 01:34:03 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-19 14:36:13.860239
Title: Qualia Optimization
Title（参考訳）: 準最適化
Authors: Philip S. Thomas,
Abstract要約: AIシステムはいつの日かクァリアを持つかもしれないと仮定し、これらの主観的エクスペリエンスの品質はパフォーマンス指標とともに考慮されるべきである、と仮定する。次に、強化学習の定式化や心の哲学の理論にインスパイアされた具体的な数学的問題設定を提案する。
参考スコア（独自算出の注目度）: 20.501480991720424
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This report explores the speculative question: what if current or future AI systems have qualia, such as pain or pleasure? It does so by assuming that AI systems might someday possess qualia -- and that the quality of these subjective experiences should be considered alongside performance metrics. Concrete mathematical problem settings, inspired by reinforcement learning formulations and theories from philosophy of mind, are then proposed and initial approaches and properties are presented. These properties enable refinement of the problem setting, culminating with the proposal of methods that promote reinforcement.
Abstract（参考訳）: 今回のレポートでは、現在のAIシステムや将来のAIシステムが、痛みや快楽といったクアリアを持っている場合はどうでしょう? それは、AIシステムがいつの日かクァリアを持つかもしれないと仮定し、これらの主観的エクスペリエンスの品質はパフォーマンス指標とともに考慮されるべきである、と仮定する。その後、強化学習の定式化や心の哲学の理論に触発された具体的な数学的問題設定が提案され、最初のアプローチと性質が提示される。これらの特性は、強化を促進する方法の提案によって、問題設定の洗練を可能にする。

関連論文リスト

AI-Generated Image Quality Assessment Based on Task-Specific Prompt and Multi-Granularity Similarity [62.00987205438436]
本稿では,TSP-MGSというAIGIの品質評価手法を提案する。タスク固有のプロンプトを設計し、AIGIとプロンプトの多粒度類似度を測定する。一般的に使用されるAGIQA-1KとAGIQA-3Kベンチマークの実験は、提案されたTSP-MGSの優位性を示している。
論文参考訳（メタデータ） (2024-11-25T04:47:53Z)
Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
論文参考訳（メタデータ） (2024-04-23T11:45:32Z)
Benchmarking PtO and PnO Methods in the Predictive Combinatorial Optimization Regime [59.27851754647913]
予測最適化(英: Predictive optimization)は、エネルギーコストを意識したスケジューリングや広告予算配分など、多くの現実世界のアプリケーションの正確なモデリングである。我々は,広告のための新しい産業データセットを含む8つの問題に対して,既存のPtO/PnOメソッド11をベンチマークするモジュラーフレームワークを開発した。本研究は,8ベンチマーク中7ベンチマークにおいて,PnOアプローチがPtOよりも優れていることを示すが,PnOの設計選択に銀の弾丸は見つからない。
論文参考訳（メタデータ） (2023-11-13T13:19:34Z)
Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文参考訳（メタデータ） (2023-10-09T21:36:21Z)
A Q-learning Approach for Adherence-Aware Recommendations [3.066266438258146]
この問題に対処する「アダランス対応Q-ラーニング」アルゴリズムを開発した。アルゴリズムは、HDMが推奨行動に従う頻度をキャプチャする「アジェンスレベル」を学習する。提案したQ-ラーニングアルゴリズムの最適値への収束性を証明し,その性能を様々なシナリオで評価する。
論文参考訳（メタデータ） (2023-09-12T18:50:24Z)
A New Perspective on Evaluation Methods for Explainable Artificial Intelligence (XAI) [0.0]
我々は、リソースの可用性、ドメインの特徴、リスクの考慮を組み込んだ、曖昧な方法でアプローチするのが最善である、と論じる。この研究は、AIのための要求工学の分野を前進させることを目的としている。
論文参考訳（メタデータ） (2023-07-26T15:15:44Z)
Revisiting the Performance-Explainability Trade-Off in Explainable Artificial Intelligence (XAI) [0.0]
我々は、リソースの可用性、ドメインの特徴、リスクの考慮を組み込んだ、曖昧な方法でアプローチするのが最善である、と論じる。この研究は、AIのための要求工学の分野を前進させることを目的としている。
論文参考訳（メタデータ） (2023-07-26T15:07:40Z)
The Creative Frontier of Generative AI: Managing the Novelty-Usefulness Tradeoff [0.4873362301533825]
生成人工知能(AI)システムにおける新規性と有用性の最適バランスについて検討する。どちらの側面も過度に強調すると、幻覚や暗記のような限界に繋がる。
論文参考訳（メタデータ） (2023-06-06T11:44:57Z)
The Solvability of Interpretability Evaluation Metrics [7.3709604810699085]
特徴帰属法は、包括性や充足性などの指標でしばしば評価される。本稿では,これらの指標の興味深い性質,すなわち可解性について述べる。このビームサーチの説明器は、一般に現在の選択に匹敵するか、好適であることを示す一連の調査を提示する。
論文参考訳（メタデータ） (2022-05-18T02:52:03Z)

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。