論文の概要: Towards Open-Ended Discovery for Low-Resource NLP

• arxiv url: http://arxiv.org/abs/2510.01220v1
• Date: Mon, 22 Sep 2025 01:19:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 05:29:07.849567
• Title: Towards Open-Ended Discovery for Low-Resource NLP
• Title（参考訳）: オープンソースNLPの発見に向けて
• Authors: Bonaventure F. P. Dossou, Henri Aïdasso,
• Abstract要約: オープンエンドでインタラクティブな言語発見へのパラダイムシフトを議論する。 本稿では,人・機械の協調的不確実性に基づく枠組みを提案する。 この論文は行動への呼びかけであり、我々は、未文書の言語におけるAIが人間の知識とどのように関わるかを再考することを提唱する。
• 参考スコア（独自算出の注目度）: 2.31792878608513
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Natural Language Processing (NLP) for low-resource languages remains fundamentally constrained by the lack of textual corpora, standardized orthographies, and scalable annotation pipelines. While recent advances in large language models have improved cross-lingual transfer, they remain inaccessible to underrepresented communities due to their reliance on massive, pre-collected data and centralized infrastructure. In this position paper, we argue for a paradigm shift toward open-ended, interactive language discovery, where AI systems learn new languages dynamically through dialogue rather than static datasets. We contend that the future of language technology, particularly for low-resource and under-documented languages, must move beyond static data collection pipelines toward interactive, uncertainty-driven discovery, where learning emerges dynamically from human-machine collaboration instead of being limited to pre-existing datasets. We propose a framework grounded in joint human-machine uncertainty, combining epistemic uncertainty from the model with hesitation cues and confidence signals from human speakers to guide interaction, query selection, and memory retention. This paper is a call to action: we advocate a rethinking of how AI engages with human knowledge in under-documented languages, moving from extractive data collection toward participatory, co-adaptive learning processes that respect and empower communities while discovering and preserving the world's linguistic diversity. This vision aligns with principles of human-centered AI, emphasizing interactive, cooperative model building between AI systems and speakers.
• Abstract（参考訳）: 低リソース言語のための自然言語処理(NLP)は、テキストコーパスの欠如、標準化された正書法、拡張性のあるアノテーションパイプラインの欠如により、基本的に制限されている。 大規模言語モデルの最近の進歩は言語間移動を改善しているが、大規模で事前コンパイルされたデータと集中的なインフラに依存しているため、コミュニティが不足していることにはアクセスできない。 本稿では,静的データセットではなく対話によってAIシステムが新しい言語を動的に学習する,オープンエンドな対話型言語発見へのパラダイムシフトを論じる。 言語技術の将来、特に低リソースおよび低ドキュメント言語は、静的データ収集パイプラインを超えて、対話的で不確実性駆動的な発見へと移行する必要がある、と我々は主張する。 本研究では,ヒトと機械の協調的不確実性に基礎を置き,モデルからの認識的不確実性と,人間の話者からの信頼信号とを組み合わせ,対話,クエリ選択,記憶保持を誘導する枠組みを提案する。 この論文は、AIが未文書の言語における人間の知識とどのように関わるかを再考し、世界の言語多様性を発見し、保存しながら、コミュニティを尊重し、力づける、参加的、共適応的な学習プロセスに移行することを提唱する。 このビジョンは、AIシステムとスピーカー間の対話的で協調的なモデル構築を強調する、人間中心のAIの原則と一致している。

関連論文リスト

• Building A Unified AI-centric Language System: analysis, framework and future work [0.0]
  本稿では,AI中心の統一言語システムの設計について考察する。 多様な自然言語入力を合理化されたAIフレンドリーな言語に翻訳するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-06T20:32:57Z)
• OV-HHIR: Open Vocabulary Human Interaction Recognition Using Cross-modal Integration of Large Language Models [4.831029473163422]
  オープンな語彙と人間-人間の相互作用認識フレームワークを提案する。 我々は、オープンワールド設定において、目視と目視の両方の人間のインタラクションについて、オープンエンドのテキスト記述を生成する。 本手法は,ビデオ理解のための従来の固定語彙分類システムや既存のクロスモーダル言語モデルよりも優れている。
  論文  参考訳（メタデータ） (2024-12-31T13:22:00Z)
• Developmental Predictive Coding Model for Early Infancy Mono and Bilingual Vocal Continual Learning [69.8008228833895]
  本稿では,連続学習機構を備えた小型生成ニューラルネットワークを提案する。 我々のモデルは解釈可能性を重視し,オンライン学習の利点を実証する。
  論文  参考訳（メタデータ） (2024-12-23T10:23:47Z)
• LIMBA: An Open-Source Framework for the Preservation and Valorization of Low-Resource Languages using Generative Models [62.47865866398233]
  この白書は低リソース言語のための言語ツールを生成するためのフレームワークを提案する。 このような言語に対するインテリジェントな応用を妨げるデータ不足に対処することにより、言語多様性の促進に寄与する。
  論文  参考訳（メタデータ） (2024-11-20T16:59:41Z)
• Harnessing the Power of Artificial Intelligence to Vitalize Endangered Indigenous Languages: Technologies and Experiences [31.62071644137294]
  我々は、世界の言語の多様性の低下と、AIとNLPに固有の倫理的課題をもたらすインディジェネラル言語について論じる。 Indigenous Language のための高品質な機械学習トランスレータの開発に励む成果を報告する。 私たちは2023年と2024年にブラジルの先住民コミュニティで実施したプロジェクトで構築したプロトタイプを紹介します。
  論文  参考訳（メタデータ） (2024-07-17T14:46:37Z)
• Language Generation from Brain Recordings [68.97414452707103]
  本稿では,大言語モデルと意味脳デコーダの容量を利用した生成言語BCIを提案する。 提案モデルでは,視覚的・聴覚的言語刺激のセマンティック内容に整合したコヒーレントな言語系列を生成することができる。 本研究は,直接言語生成におけるBCIの活用の可能性と可能性を示すものである。
  論文  参考訳（メタデータ） (2023-11-16T13:37:21Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• On the cross-lingual transferability of multilingual prototypical models across NLU tasks [2.44288434255221]
  教師付きディープラーニングベースのアプローチはタスク指向のダイアログに適用され、限られたドメインや言語アプリケーションに有効であることが証明されている。 実際には、これらのアプローチはドメイン駆動設計とアンダーリソース言語の欠点に悩まされている。 本稿では,原型ニューラルネットワークと多言語トランスフォーマーモデルを用いた相乗的少数ショット学習の言語間変換可能性について検討する。
  論文  参考訳（メタデータ） (2022-07-19T09:55:04Z)
• Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
  本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。 ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
  論文  参考訳（メタデータ） (2020-10-11T08:27:07Z)

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。