論文の概要: Consciousness in Artificial Intelligence? A Framework for Classifying Objections and Constraints

• arxiv url: http://arxiv.org/abs/2511.16582v1
• Date: Thu, 20 Nov 2025 17:36:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.764148
• Title: Consciousness in Artificial Intelligence? A Framework for Classifying Objections and Constraints
• Title（参考訳）: 人工知能における意識 : 目的と制約を分類するための枠組み
• Authors: Andres Campero, Derek Shiller, Jaan Aru, Jonathan Simon,
• Abstract要約: この枠組みを科学的・哲学的な文献から14の顕著な例に適用する。 我々の目的は、議論に参画するのではなく、計算機能主義への挑戦とデジタル意識への挑戦を曖昧にするための構造とツールを提供することである。
• 参考スコア（独自算出の注目度）: 0.7837588547741136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We develop a taxonomical framework for classifying challenges to the possibility of consciousness in digital artificial intelligence systems. This framework allows us to identify the level of granularity at which a given challenge is intended (the levels we propose correspond to Marr's levels) and to disambiguate its degree of force: is it a challenge to computational functionalism that leaves the possibility of digital consciousness open (degree 1), a practical challenge to digital consciousness that suggests improbability without claiming impossibility (degree 2), or an argument claiming that digital consciousness is strictly impossible (degree 3)? We apply this framework to 14 prominent examples from the scientific and philosophical literature. Our aim is not to take a side in the debate, but to provide structure and a tool for disambiguating between challenges to computational functionalism and challenges to digital consciousness, as well as between different ways of parsing such challenges.
• Abstract（参考訳）: 我々は,デジタル人工知能システムにおける意識への挑戦を分類するための分類学的枠組みを開発する。 この枠組みは、与えられた課題が意図された粒度のレベル(マーのレベルに該当するレベル)を特定し、その力の度合いを曖昧にするために、デジタル意識の可能性を残した計算機能主義への挑戦(学位1)、不合理性を主張せずに不合理性を示唆するデジタル意識への実践的挑戦(学位2)、あるいはデジタル意識が厳密に不可能であると主張する議論(学位3)、などを可能にする。 この枠組みを科学的・哲学的な文献から14の顕著な例に適用する。 我々の目的は、議論に賛同することではなく、計算機能主義への挑戦とデジタル意識への挑戦を曖昧にするための構造とツールを提供することである。

関連論文リスト

• Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models [95.9909582708447]
  物理的システムの正確なデジタル表現としてのデジタルツインは、受動的シミュレーションツールからインテリジェントで自律的なエンティティへと進化してきた。 本稿では,デジタルツインライフサイクルにおけるAI統合を特徴付ける4段階統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-04T01:17:09Z)
• The Principles of Human-like Conscious Machine [6.159611238789419]
  本稿では, 異常意識に対する基質非依存, 論理的厳密, 偽装抵抗性満足度基準を提案する。 我々は、この基準を満たす機械は、意識を他の人間に当てはめる少なくとも同じレベルの信頼をもって意識とみなすべきであると論じている。 この枠組みとその原理を満たす機械として、人間自身を捉えることができることを示す。
  論文  参考訳（メタデータ） (2025-09-21T01:11:30Z)
• Reasoning in machine vision: learning to think fast and slow [10.430190333487957]
  推論は人間の知性の目印であり、複雑で不慣れなシナリオで適応的な意思決定を可能にする。 マシンインテリジェンスは、推論時にソリューションを動的に洗練する能力がないため、トレーニングデータに縛られている。 本稿では,思考時間の増加に伴う性能向上を実現することにより,視覚における機械推論を可能にする新しい学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-06-27T10:03:05Z)
• Preliminaries to artificial consciousness: a multidimensional heuristic approach [0.0]
  人工意識の追求は、理論的および経験的課題をナビゲートするために概念的明瞭さを必要とする。 本稿では,この分野の研究を導く枠組みとして,複合的,多段階的,多次元的な意識モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-29T13:47:47Z)
• A Review of Neuroscience-Inspired Machine Learning [58.72729525961739]
  バイオプルーシブル・クレジット・アサインメントは、事実上あらゆる学習条件と互換性があり、エネルギー効率が高い。 本稿では,人工ニューラルネットワークにおける信用代入の生体評価可能なルールをモデル化する,いくつかの重要なアルゴリズムについて検討する。 我々は,このようなアルゴリズムを実用アプリケーションでより有用にするためには,今後の課題に対処する必要があることを論じる。
  論文  参考訳（メタデータ） (2024-02-16T18:05:09Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
  次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。 本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。 因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
  論文  参考訳（メタデータ） (2023-09-23T00:05:39Z)
• Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
  予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。 PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• Reliable AI: Does the Next Generation Require Quantum Computing? [71.84486326350338]
  デジタルハードウェアは、最適化、ディープラーニング、微分方程式に関する問題の解決に本質的に制約されていることを示す。 対照的に、Blum-Shub-Smale マシンのようなアナログコンピューティングモデルは、これらの制限を克服する可能性を示している。
  論文  参考訳（メタデータ） (2023-07-03T19:10:45Z)
• Projection: A Mechanism for Human-like Reasoning in Artificial Intelligence [6.218613353519724]
  モデルから)トップダウン情報を利用する推論手法は、困難な状況における実体認識に有効であることが示されている。 投射は、様々な状況や困難な状況に知識を適用するという問題を解決するための鍵となるメカニズムである。
  論文  参考訳（メタデータ） (2021-03-24T22:33:51Z)
• 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)
• A Mathematical Framework for Consciousness in Neural Networks [0.0]
  本稿では,意識と身体的相関関係の間の説明的ギャップを埋めるための新しい数学的枠組みを提案する。 クエーリアは特異点であると主張するのではなく、クエーリアがなぜそのように感じるのかを「説明」する。 我々は、クォーリアを本質的に複雑性、計算、情報への還元以上の現象として認識する枠組みを確立する。
  論文  参考訳（メタデータ） (2017-04-04T18:32:58Z)

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。