論文の概要: Explainability Through Systematicity: The Hard Systematicity Challenge for Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2507.22197v1
- Date: Tue, 29 Jul 2025 19:50:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-31 16:14:17.841195
- Title: Explainability Through Systematicity: The Hard Systematicity Challenge for Artificial Intelligence
- Title（参考訳）: 体系性による説明可能性:人工知能の体系性への挑戦
- Authors: Matthieu Queloz,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper argues that explainability is only one facet of a broader ideal that shapes our expectations towards artificial intelligence (AI). Fundamentally, the issue is to what extent AI exhibits systematicity--not merely in being sensitive to how thoughts are composed of recombinable constituents, but in striving towards an integrated body of thought that is consistent, coherent, comprehensive, and parsimoniously principled. This richer conception of systematicity has been obscured by the long shadow of the "systematicity challenge" to connectionism, according to which network architectures are fundamentally at odds with what Fodor and colleagues termed "the systematicity of thought." I offer a conceptual framework for thinking about "the systematicity of thought" that distinguishes four senses of the phrase. I use these distinctions to defuse the perceived tension between systematicity and connectionism and show that the conception of systematicity that historically shaped our sense of what makes thought rational, authoritative, and scientific is more demanding than the Fodorian notion. To determine whether we have reason to hold AI models to this ideal of systematicity, I then argue, we must look to the rationales for systematization and explore to what extent they transfer to AI models. I identify five such rationales and apply them to AI. This brings into view the "hard systematicity challenge." However, the demand for systematization itself needs to be regulated by the rationales for systematization. This yields a dynamic understanding of the need to systematize thought, which tells us how systematic we need AI models to be and when.
- Abstract（参考訳）: 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。
基本的に問題は、AIが体系性を示す範囲であり、単に思考が組み換え可能な構成物からどのように構成されているかに敏感であるだけでなく、一貫性があり、一貫性があり、包括的で、パシモニカルに根ざした思考の統一体に向けて努力することにある。
このより豊かな体系性の概念は、ネットワークアーキテクチャが基本的にフォーダーと同僚が「思考の体系性」と呼んだものと矛盾しているコネクショナリズムに対する「体系的挑戦」の長い影によって曖昧にされてきた。
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。
これらの区別は、体系性とコネクショナリズムの間の知覚的な緊張を解き放ち、歴史的に体系性の概念がフォーダーの概念よりも論理的、権威的、科学的な考え方を形作っていることを示すのに役立ちます。
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、体系化の合理性を探り、AIモデルにどの程度移行するかを探る必要があると論じます。
私はそのような5つの根拠を特定し、それらをAIに適用します。
これにより、"ハード・システマティ・チャレンジ"(hard systematicity Challenge)という見方が生まれている。
しかし、体系化そのものの需要は、体系化の合理性によって規制される必要がある。
これにより、思考を体系化する必要性に対する動的な理解が得られます。
関連論文リスト
- Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
音の誘惑的推論は、一般知能の必然的に望ましい側面である。
もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。
彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-30T14:37:50Z) - A Trustworthiness-based Metaphysics of Artificial Intelligence Systems [1.0878040851638]
我々は,AIシステムのメタ物理的同一性の理論を導入する。
私たちは、それらの種類を特徴付け、アイデンティティ基準を導入することでそうします。
我々のアプローチは、AIシステムのアイデンティティと永続性は、社会技術的文脈に敏感であることを示唆している。
論文 参考訳（メタデータ） (2025-06-03T15:45:46Z) - SYMBIOSIS: Systems Thinking and Machine Intelligence for Better Outcomes in Society [0.0]
SYMBIOSISはAIを利用したフレームワークとプラットフォームで、システム思考が社会的な課題に対処できるように設計されている。
そこで我々は,複雑なシステム表現を自然言語に変換する生成コパイロットを開発した。
SYMBIOSISは、責任と社会中心のAIに関する将来の研究を解き放つための基礎的なステップとして機能することを目指している。
論文 参考訳（メタデータ） (2025-03-07T17:07:26Z) - Agency Is Frame-Dependent [94.91580596320331]
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。
論文 参考訳（メタデータ） (2025-02-06T08:34:57Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - The Switch, the Ladder, and the Matrix: Models for Classifying AI Systems [0.0]
AI倫理の原則と実践の間にはまだギャップがある。
AI倫理を運用しようとする組織が直面する大きな障害のひとつは、明確に定義された材料スコープの欠如である。
論文 参考訳（メタデータ） (2024-07-07T12:16:01Z) - Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。
人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。
本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
論文 参考訳（メタデータ） (2024-04-29T04:51:05Z) - Evaluating Understanding on Conceptual Abstraction Benchmarks [0.0]
AIの長期的な目標は、人間のような方法で概念を理解するシステムを構築することである。
概念を理解するには、さまざまなコンテキストでそれを使う能力が必要である、と私たちは主張する。
我々の概念に基づく評価アプローチは、従来のテストセットが隠したはずのAIシステムに関する情報を明らかにする。
論文 参考訳（メタデータ） (2022-06-28T17:52:46Z) - 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) - Distributed and Democratized Learning: Philosophy and Research
Challenges [80.39805582015133]
民主化学習(Dem-AI)という新しいデザイン哲学を提案する。
ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。
本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
論文 参考訳（メタデータ） (2020-03-18T08:45:10Z) - Perspectives and Ethics of the Autonomous Artificial Thinking Systems [0.0]
我々のモデルは、情報システムの階層、認知階層、言語階層、デジタル情報階層の4つの階層を使用する。
人工思考の形式を提供する自律システムの能力に関する疑問は、社会生活とトランスヒューマニズムの観点に倫理的な結果をもたらす。
論文 参考訳（メタデータ） (2020-01-13T14:23:21Z)
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。