論文の概要: On the Parallels Between Evolutionary Theory and the State of AI
- arxiv url: http://arxiv.org/abs/2505.23774v1
- Date: Tue, 13 May 2025 22:43:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-08 12:40:08.570307
- Title: On the Parallels Between Evolutionary Theory and the State of AI
- Title（参考訳）: 進化論とAIの現状のパラレルについて
- Authors: Zeki Doruk Erden, Boi Faltings,
- Abstract要約: 本稿では,現代AI手法の基本原理を批判的に考察し,その可能性を妨げる限界について考察する。
我々は、進化生物学における現代AIの風景と20世紀の現代合成の類似性を描き、現代合成を増進する進化論の進歩、特に進化的発達生物学の進歩が、AIの新しいデザインパラダイムに影響を及ぼす洞察を与える方法について強調する。
- 参考スコア（独自算出の注目度）: 15.376349115976534
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This article critically examines the foundational principles of contemporary AI methods, exploring the limitations that hinder its potential. We draw parallels between the modern AI landscape and the 20th-century Modern Synthesis in evolutionary biology, and highlight how advancements in evolutionary theory that augmented the Modern Synthesis, particularly those of Evolutionary Developmental Biology, offer insights that can inform a new design paradigm for AI. By synthesizing findings across AI and evolutionary theory, we propose a pathway to overcome existing limitations, enabling AI to achieve its aspirational goals.
- Abstract（参考訳）: 本稿では,現代AI手法の基本原理を批判的に考察し,その可能性を妨げる限界について考察する。
我々は、進化生物学における現代AIの風景と20世紀の現代合成の類似性を描き、現代合成を増進する進化理論の進歩、特に進化的発達生物学の進歩が、AIの新しいデザインパラダイムを知らせる洞察をいかにもたらすかを強調する。
AIと進化論にまたがる知見を合成することにより、既存の限界を克服し、AIがその願望の目標を達成するための経路を提案する。
関連論文リスト
- AI-Driven Automation Can Become the Foundation of Next-Era Science of Science Research [58.944125758758936]
科学科学(Science of Science, SoS)は、科学的発見の基礎となるメカニズムを探求する。
人工知能(AI)の出現は、次世代のSoSに変革の機会をもたらす。
我々は、従来の手法よりもAIの利点を概説し、潜在的な制限について議論し、それらを克服するための経路を提案する。
論文 参考訳（メタデータ） (2025-05-17T15:01:33Z) - A call for embodied AI [1.7544885995294304]
我々は、人工知能の次の基本ステップとして、エンボディードAIを提案する。
Embodied AIの範囲を広げることで、認知アーキテクチャに基づく理論的枠組みを導入する。
このフレームワークはFristonのアクティブな推論原則と一致しており、EAI開発に対する包括的なアプローチを提供する。
論文 参考訳（メタデータ） (2024-02-06T09:11:20Z) - 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) - 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) - Human-AI Coevolution [48.74579595505374]
Coevolution AIは、人間とAIアルゴリズムが相互に連続的に影響を及ぼすプロセスである。
本稿では,AIと複雑性科学の交点における新たな研究分野の基盤として,Coevolution AIを紹介した。
論文 参考訳（メタデータ） (2023-06-23T18:10:54Z) - 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。