論文の概要: Two ways to knowledge?

• arxiv url: http://arxiv.org/abs/2509.18131v1
• Date: Fri, 12 Sep 2025 16:41:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-28 15:30:14.397248
• Title: Two ways to knowledge?
• Title（参考訳）: 知識には2つの方法がある。
• Authors: Jean-Michel Tucny, Abhisek Ganguly, Santosh Ansumali, Sauro Succi,
• Abstract要約: 研究対象の物理・数学的構造と直接的に関係のないランダムな特徴を示す。 これは、機械学習と科学的手法が、知識への2つの異なる、潜在的に相補的な経路を表す可能性があることを示唆している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is shown that the weight matrices of transformer-based machine learning applications to the solution of two representative physical applications show a random-like character which bears no directly recognizable link to the physical and mathematical structure of the physical problem under study. This suggests that machine learning and the scientific method may represent two distinct and potentially complementary paths to knowledge, even though a strict notion of explainability in terms of direct correspondence between network parameters and physical structures may remain out of reach. It is also observed that drawing a parallel between transformer operation and (generalized) path-integration techniques may account for the random-like nature of the weights, but still does not resolve the tension with explainability. We conclude with some general comments on the hazards of gleaning knowledge without the benefit of Insight.
• Abstract（参考訳）: 2つの物理応用の解に対する変換器ベース機械学習アプリケーションの重み行列は、研究中の物理問題の物理的・数学的構造と直接的に相関する無作為な特徴を示す。 このことは、機械学習と科学的手法が、ネットワークパラメータと物理構造との直接対応の観点から説明可能性という厳密な概念が到達できないとしても、知識に対する2つの異なる、潜在的に相補的な経路を表す可能性があることを示唆している。 また, 変圧器操作と(一般化)経路積分法を平行に描画することは, 重みのランダムな性質を考慮に入れているが, 説明可能性による緊張の解消には至っていない。 我々は、Insightの利益なしに知識を習得する危険性について、いくつかの一般的なコメントで結論付けている。

関連論文リスト

• Multi-head Transformers Provably Learn Symbolic Multi-step Reasoning via Gradient Descent [66.78052387054593]
  この研究は、トランスフォーマーがシンボリックな多段階推論問題をチェーン・オブ・ソート・プロセスを通してどのように解くかを研究する。 モデルがゴールノードからルートへの経路を出力する後方推論タスクと,より複雑な前方推論タスクである。 訓練された一層変圧器は、木々の一般化を保証することにより、両方の課題を確実に解決できることを示す。
  論文  参考訳（メタデータ） (2025-08-11T17:40:47Z)
• Physically-informed change-point kernels for structural dynamics [0.0]
  本稿では,ガウス過程のための新しい,物理的にインフォームドされた,変化点カーネルを開発する。 ユーザに対して高いレベルのコントロールが与えられ、現象が発生するべき条件の定義が可能になる。 また、物理現象に基づいてモデル化された雑音のバラツキも実施し、予測とともに不確実性をより顕著に捉えた。
  論文  参考訳（メタデータ） (2025-06-13T09:52:49Z)
• Is the end of Insight in Sight ? [0.0]
  ボルツマン方程式が支配する希薄気体力学問題に関する物理インフォームドニューラルネットワーク(PINN) システムの明確な構造とよく理解された統治法にもかかわらず、訓練されたネットワークの重みはガウス分布のランダム行列に似ている。 このことは、ディープラーニングと従来のシミュレーションは、同じ結果に異なる認知経路を辿る可能性があることを示唆している。
  論文  参考訳（メタデータ） (2025-05-07T19:57:36Z)
• On Binding Objects to Symbols: Learning Physical Concepts to Understand Real from Fake [155.6741526791004]
  我々は、ディープニューラルネットワークが合成データを生成する驚くべき能力に照らして、古典的な信号と記号の障壁を再考する。 物理オブジェクトを抽象概念として特徴付け,それ以前の解析を用いて,物理オブジェクトが有限なアーキテクチャで符号化可能であることを示す。 我々は、有限時間でデジタルIDに物理的実体を結合することは、有限資源で可能であると結論付けた。
  論文  参考訳（メタデータ） (2022-07-25T17:21:59Z)
• Symmetry Group Equivariant Architectures for Physics [52.784926970374556]
  機械学習の分野では、対称性に対する認識が目覚ましいパフォーマンスのブレークスルーを引き起こしている。 物理学のコミュニティと、より広い機械学習のコミュニティの両方に、理解すべきことがたくさんある、と私たちは主張する。
  論文  参考訳（メタデータ） (2022-03-11T18:27:04Z)
• Duality as a Feasible Physical Transformation [0.0]
  双対変換は古典物理学と量子物理学の両方において重要である。 実験室での双対変換を単体および二体操作のシーケンスとして実装する方法を示す。
  論文  参考訳（メタデータ） (2021-11-08T19:01:29Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• Self-adjointness in Quantum Mechanics: a pedagogical path [77.34726150561087]
  本稿では、量子可観測体を単にエルミート作用素ではなく、必然的に自己共役として出現させることを目的とする。 推論の行の中心となるコアの隣では、観測可能な正式なアクションに関連付けるために、ドメインの非自明な宣言が必要である。
  論文  参考訳（メタデータ） (2020-12-28T21:19:33Z)
• Understanding understanding: a renormalization group inspired model of (artificial) intelligence [0.0]
  本稿では,科学的および人工知能システムにおける理解の意味について述べる。 理解の数学的定義を与え、共通知恵とは対照的に、入力集合上の確率空間を定義する。 この枠組みに科学的理解がどのように適合するかを示し、科学的課題とパターン認識の違いを実証する。
  論文  参考訳（メタデータ） (2020-10-26T11:11:46Z)
• Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
  本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。 具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
  論文  参考訳（メタデータ） (2020-03-09T15:04:07Z)

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。