論文の概要: Semantic knowledge guides innovation and drives cultural evolution
- arxiv url: http://arxiv.org/abs/2510.12837v1
- Date: Mon, 13 Oct 2025 16:03:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-16 20:13:28.349051
- Title: Semantic knowledge guides innovation and drives cultural evolution
- Title（参考訳）: セマンティック知識はイノベーションをガイドし、文化進化を促進する
- Authors: Anil Yaman, Shen Tian, Björn Lindström,
- Abstract要約: 累積的な文化進化により、人類社会は世代を超えてますます複雑な知識と技術を生み出すことができる。
本研究では,概念とその機能間の意味的知識構造的関連が,累積的革新のための認知的足場を実現することを実証する。
- 参考スコア（独自算出の注目度）: 0.9176056742068814
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cumulative cultural evolution enables human societies to generate increasingly complex knowledge and technology over generations. While social learning transmits innovations between individuals and generations, the cognitive processes that generate these innovations remain poorly understood. Here, we demonstrate that semantic knowledge-structured associations between concepts and their functions-provides cognitive scaffolding for cumulative innovation by guiding exploration toward plausible and meaningful actions. We tested this hypothesis using a cultural evolutionary agent-based model and a large-scale behavioural experiment (N = 1,243), in which individuals performed a task requiring the combination of items into novel innovations. Across both approaches, semantic knowledge and social learning interact synergistically to enhance innovation. Behaviorally, participants without access to semantic knowledge performed no better than chance, even when social learning was available, and relied on shallow exploration strategies. These findings suggest that semantic knowledge is a key cognitive process enabling human cumulative culture.
- Abstract（参考訳）: 累積的な文化進化により、人類社会は世代を超えてますます複雑な知識と技術を生み出すことができる。
社会学習は個人と世代間でイノベーションを伝達するが、これらのイノベーションを生み出す認知過程はいまだに理解されていない。
ここでは,概念とその機能間の意味的知識構造的関連が,可塑性かつ有意義な行動への探索を導くことによって,累積的イノベーションのための認知的足場を実現することを実証する。
文化進化エージェントモデルと大規模行動実験(N = 1,243)を用いてこの仮説を検証した。
セマンティック・ナレッジとソーシャル・ラーニングの両方のアプローチは、イノベーションを促進するためにシナジスティックに相互作用する。
行動学的には, 社会的学習が可能であったとしても, セマンティックな知識を身につけない参加者は偶然に勝らず, 浅い探索戦略に頼っていた。
これらの知見は、意味的知識が人間の累積的文化を可能にする重要な認知過程であることを示唆している。
関連論文リスト
- Unveiling the Learning Mind of Language Models: A Cognitive Framework and Empirical Study [50.065744358362345]
大規模言語モデル(LLM)は、数学、コーディング、推論といったタスクにまたがる印象的な機能を示している。
しかし、彼らの学習能力は、動的環境に適応し、新しい知識を得るのに不可欠であり、まだ過小評価されていない。
論文 参考訳（メタデータ） (2025-06-16T13:24:50Z) - Truly Self-Improving Agents Require Intrinsic Metacognitive Learning [59.60803539959191]
自己改善エージェントは、最小限の監督で継続的に新しい能力を取得することを目的としている。
現在のアプローチは2つの重要な制限に直面している。自己改善プロセスは、しばしば厳格であり、タスクドメイン全体にわたって一般化できない。
我々は、効果的な自己改善は、エージェントの本質的な能力として定義された固有のメタ認知学習を必要とし、自身の学習プロセスを積極的に評価し、反映し、適応させる。
論文 参考訳（メタデータ） (2025-06-05T14:53:35Z) - Subjective Perspectives within Learned Representations Predict High-Impact Innovation [5.849186636495808]
測定された主観的視点は、個人やグループが創造的に参加し、将来うまく組み合わせられるかを予測する。
我々は自然実験を分析し、様々な視点と背景の多様性で設計されたAIエージェント間の創造的なコラボレーションをシミュレートする。
論文 参考訳（メタデータ） (2025-06-05T04:18:53Z) - How Do LLMs Acquire New Knowledge? A Knowledge Circuits Perspective on Continual Pre-Training [92.88889953768455]
大きな言語モデル(LLM)は、どのようにして新しい知識を内部化するかを理解する上で、重大なギャップに直面します。
知識記憶と処理を容易にする計算サブグラフを同定する。
論文 参考訳（メタデータ） (2025-02-16T16:55:43Z) - Collective Innovation in Groups of Large Language Models [28.486116730339972]
我々は,人間向けに開発されたクリエイティブビデオゲームLittle Alchemy 2をプレイするLarge Language Models (LLMs)について研究した。
本研究では,その行動に関する情報を共有するLLMのグループについて検討し,集団的パフォーマンスに対する社会的接続性の影響に着目した。
我々の研究は、ジェネレーティブ人工知能アルゴリズムと人間が互いに革新するにつれて、ますます関連性が高まっている集団イノベーションの今後の研究の機会と課題を明らかにします。
論文 参考訳（メタデータ） (2024-07-07T13:59:46Z) - Artificial Generational Intelligence: Cultural Accumulation in Reinforcement Learning [5.930456214333413]
社会的学習と独立学習のバランスをとる訓練が文化的な蓄積をもたらすことを示す。
In-contextとIn-weightsの文化的な蓄積は、それぞれ知識とスキルの蓄積に類似していると解釈できる。
この研究は、強化学習における創発的な文化的蓄積を実現するための一般的なモデルを初めて提示するものである。
論文 参考訳（メタデータ） (2024-06-01T10:33:32Z) - 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) - Anti-Retroactive Interference for Lifelong Learning [65.50683752919089]
我々は脳のメタラーニングと連想機構に基づく生涯学習のパラダイムを設計する。
知識の抽出と知識の記憶という2つの側面から問題に取り組む。
提案した学習パラダイムが,異なるタスクのモデルを同じ最適に収束させることができることを理論的に分析した。
論文 参考訳（メタデータ） (2022-08-27T09:27:36Z) - Vygotskian Autotelic Artificial Intelligence: Language and Culture
Internalization for Human-Like AI [16.487953861478054]
本稿では,人工寿命スキル発見の探求において,新たなAIパラダイムを提案する。
我々は特に言語に焦点をあて、その構造と内容が人工エージェントにおける新しい認知機能の発展にどう役立つかに注目した。
言語と体格の相互作用から生まれる新しい人工認知機能の例を明らかにすることで、アプローチを正当化する。
論文 参考訳（メタデータ） (2022-06-02T16:35:41Z) - Learning Robust Real-Time Cultural Transmission without Human Data [82.05222093231566]
人工知能エージェントにおけるゼロショット、高リコール文化伝達を生成する方法を提案する。
我々のエージェントは、事前に収集された人間のデータを使わずに、新しい文脈で人間からリアルタイムの文化的伝達に成功した。
これは、人工知能を開発するアルゴリズムとしての文化進化の道を開くものである。
論文 参考訳（メタデータ） (2022-03-01T19:32:27Z)
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。