論文の概要: No Intelligence Without Statistics: The Invisible Backbone of Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2510.19212v1
• Date: Wed, 22 Oct 2025 03:47:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:15.031335
• Title: No Intelligence Without Statistics: The Invisible Backbone of Artificial Intelligence
• Title（参考訳）: 統計のない人工知能:人工知能の目に見えないバックボーン
• Authors: Ernest Fokoué,
• Abstract要約: 人工知能(AI)の急速な発展は、しばしばコンピュータ科学と工学から生まれた革命として描かれる。 本稿では、統計学の分野が機械学習と現代AIに欠かせない基礎を提供すると体系的に主張する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid ascent of artificial intelligence (AI) is often portrayed as a revolution born from computer science and engineering. This narrative, however, obscures a fundamental truth: the theoretical and methodological core of AI is, and has always been, statistical. This paper systematically argues that the field of statistics provides the indispensable foundation for machine learning and modern AI. We deconstruct AI into nine foundational pillars-Inference, Density Estimation, Sequential Learning, Generalization, Representation Learning, Interpretability, Causality, Optimization, and Unification-demonstrating that each is built upon century-old statistical principles. From the inferential frameworks of hypothesis testing and estimation that underpin model evaluation, to the density estimation roots of clustering and generative AI; from the time-series analysis inspiring recurrent networks to the causal models that promise true understanding, we trace an unbroken statistical lineage. While celebrating the computational engines that power modern AI, we contend that statistics provides the brain-the theoretical frameworks, uncertainty quantification, and inferential goals-while computer science provides the brawn-the scalable algorithms and hardware. Recognizing this statistical backbone is not merely an academic exercise, but a necessary step for developing more robust, interpretable, and trustworthy intelligent systems. We issue a call to action for education, research, and practice to re-embrace this statistical foundation. Ignoring these roots risks building a fragile future; embracing them is the path to truly intelligent machines. There is no machine learning without statistical learning; no artificial intelligence without statistical thought.
• Abstract（参考訳）: 人工知能(AI)の急速な発展は、しばしばコンピュータ科学と工学から生まれた革命として描かれる。 しかし、この物語は基本的な真実を曖昧にしている:AIの理論的および方法論的核は、常に統計的である。 本稿では、統計学の分野が機械学習と現代AIに欠かせない基礎を提供すると体系的に主張する。 我々はAIを、推論、密度推定、シーケンシャルラーニング、一般化、表現学習、解釈可能性、因果性、最適化、統一の9つの基本柱に分解し、それぞれが1世紀前の統計原理に基づいて構築されていることを実証する。 モデル評価の基盤となる仮説テストと推定の推論のフレームワークから、クラスタリングと生成AIの密度推定ルートまで、時系列解析による繰り返しネットワークのインスピレーションから、真の理解を約束する因果モデルまで、未知の統計的系統を辿る。 現代のAIを支える計算エンジンを祝いながら、統計学は脳-理論の枠組み、不確実な定量化、推論の目標を提供するが、コンピュータ科学はスケーラブルなアルゴリズムとハードウェアを提供する、と我々は主張する。 この統計的バックボーンを認識することは単なる学術的な演習ではなく、より堅牢で、解釈可能で、信頼できるインテリジェントシステムを開発するために必要なステップである。 我々は、この統計基盤を再開発する教育、研究、実践に対する行動の呼びかけを発行する。 これらのルーツを無視することは、脆弱な未来を構築するリスクを冒す。 統計的学習のない機械学習はなく、統計的思考のない人工知能もない。

関連論文リスト

• AI Agents as Universal Task Solvers [94.49762121230042]
  我々は,過去のデータを用いて,普遍的な解法が達成できる最適なスピードアップが,アルゴリズム情報と密接な関係があることを示す。 我々は、推論モデルをスケールする際に最適化する重要な量は時間であり、学習における重要な役割は、これまでは間接的にのみ考慮されてきたと論じている。
  論文  参考訳（メタデータ） (2025-10-14T02:17:54Z)
• 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)
• Probabilistic Artificial Intelligence [42.59649764999974]
  インテリジェンスの主な側面は、予測を行うだけでなく、これらの予測の不確実性について推論し、決定を行うときにこの不確実性を考慮することである。 データ不足による「緊急的」不確実性と「アラート的」不確実性との区別について論じる。
  論文  参考訳（メタデータ） (2025-02-07T14:29:07Z)
• The Return of Pseudosciences in Artificial Intelligence: Have Machine Learning and Deep Learning Forgotten Lessons from Statistics and History? [0.304585143845864]
  これらのML手法のデザイナと最終ユーザは,統計学の基本的な教訓を忘れてしまった,と我々は主張する。 トレーニングデータのバイアスを減らすだけで、AIモデルをより倫理的にするための現在の取り組みは不十分である、と私たちは主張する。
  論文  参考訳（メタデータ） (2024-11-27T08:23:23Z)
• AI and Social Theory [0.0]
  我々は、人工知能(AI)が意味するものを定義することから始まる、AI駆動型社会理論のプログラムをスケッチする。 そして、AIベースのモデルがデジタルデータの可用性を増大させ、予測力に基づいて異なる社会的理論の有効性をテストするためのモデルを構築します。
  論文  参考訳（メタデータ） (2024-07-07T12:26:16Z)
• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• A Survey on Brain-Inspired Deep Learning via Predictive Coding [85.93245078403875]
  予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Changes from Classical Statistics to Modern Statistics and Data Science [24.38352029124892]
  ユークリッドの仮定は非ユークリッドのデータには適さない。 我々は、統計学とAIを結婚し、現代統計学の統一理論を開発し、次世代のAIとデータサイエンスを推進することが期待されている。
  論文  参考訳（メタデータ） (2022-10-30T21:35:53Z)
• Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems [120.297940190903]
  AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。 ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
  論文  参考訳（メタデータ） (2022-05-02T18:00:10Z)

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。