論文の概要: Universality in Collective Intelligence on the Rubik's Cube

• arxiv url: http://arxiv.org/abs/2511.18609v1
• Date: Sun, 23 Nov 2025 20:30:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.925297
• Title: Universality in Collective Intelligence on the Rubik's Cube
• Title（参考訳）: ルービックキューブにおける集団知能の普遍性
• Authors: David Krakauer, Gülce Kardeş, Joshua Grochow,
• Abstract要約: 我々はルービックキューブをパズルの解き方、スキル学習、専門知識、文化伝達、グループ理論の共通点に存在する認知モデルシステムとして利用する。 ルービックキューブの集合的学習における普遍性の証拠は、目視と目視の両方の条件で見つかる。
• 参考スコア（独自算出の注目度）: 0.009558392439655011
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Progress in understanding expert performance is limited by the scarcity of quantitative data on long-term knowledge acquisition and deployment. Here we use the Rubik's Cube as a cognitive model system existing at the intersection of puzzle solving, skill learning, expert knowledge, cultural transmission, and group theory. By studying competitive cube communities, we find evidence for universality in the collective learning of the Rubik's Cube in both sighted and blindfolded conditions: expert performance follows exponential progress curves whose parameters reflect the delayed acquisition of algorithms that shorten solution paths. Blindfold solves form a distinct problem class from sighted solves and are constrained not only by expert knowledge but also by the skill improvements required to overcome short-term memory bottlenecks, a constraint shared with blindfold chess. Cognitive artifacts such as the Rubik's Cube help solvers navigate an otherwise enormous mathematical state space. In doing so, they sustain collective intelligence by integrating communal knowledge stores with individual expertise and skill, illustrating how expertise can, in practice, continue to deepen over the course of a single lifetime.
• Abstract（参考訳）: 専門家のパフォーマンスの理解の進歩は、長期的な知識獲得と展開に関する定量的データの不足によって制限される。 ここでは、パズルの解き方、スキル学習、専門家の知識、文化の伝達、グループ理論の交差点に存在する認知モデルシステムとしてルービックキューブを用いる。 競合する立方体群を研究することによって、目視と目視の両方条件におけるルービックキューブの集合学習における普遍性の証拠が見つかる:専門家のパフォーマンスは、解経路を短くするアルゴリズムの遅延獲得を反映する指数的進行曲線に従う。 ブラインドフォールドは、視覚的解決とは別の問題クラスを形成し、専門家の知識だけでなく、ブラインドフォールドチェスと共有される制約である短期記憶ボトルネックを克服するために必要なスキル改善によって制約される。 ルービックキューブのような認知的アーティファクトは、解決者が他の大きな数学的状態空間をナビゲートするのに役立ちます。 そうすることで、共同知識ストアを個々の専門知識とスキルに統合し、実際、いかに専門知識が一生にわたって深まり続けるかを説明することで、集合的な知性を維持する。

関連論文リスト

• Physical Complexity of a Cognitive Artifact [0.009558392439655011]
  物理パズルの計算複雑性、ソマキューブの概念を認知問題解決戦略にマッピングする。 タスクの難易度を定量的に評価し、異なる戦略が複雑さをどう修正するかを検討する。 本稿では,心と心の両方の能力を取り入れるアルゴリズムのライブラリとして,インテリジェンスモデルを提案する。
  論文  参考訳（メタデータ） (2025-09-15T22:39:30Z)
• Knowledge Crosswords: Geometric Knowledge Reasoning with Large Language Models [49.23348672822087]
  構造化された事実制約に縛られた不完全な知識ネットワークからなるベンチマークである知識クロスワードを提案する。 幾何学的知識推論の新しい設定は、既存の原子/線形マルチホップQAを超える新しいLM能力を必要とする。 我々は,既存のLLMと知識クロスワードのアプローチを評価するために,広範囲な実験を行っている。
  論文  参考訳（メタデータ） (2023-10-02T15:43:53Z)
• Learning to solve arithmetic problems with a virtual abacus [0.35911228556176483]
  本稿では,認知エージェントが算術的問題を解くための学習方法をシミュレートする,深層強化学習フレームワークを提案する。 提案モデルでは,複数桁の加算と減算をうまく学習し,誤差率を1%以下に抑えることができた。 最も一般的なエラーパターンを分析して、設計選択による制限とバイアスをよりよく理解します。
  論文  参考訳（メタデータ） (2023-01-17T13:25:52Z)
• Are Deep Neural Networks SMARTer than Second Graders? [85.60342335636341]
  6～8歳児を対象としたビジュオ言語パズルの解法において,ニューラルネットワークの抽象化,推論,一般化能力の評価を行った。 我々のデータセットは101のユニークなパズルで構成されており、各パズルは絵の質問で構成されており、それらの解には算術、代数学、空間推論を含むいくつかの基本的なスキルが混在している必要がある。 実験により、強力なディープモデルは教師付き設定でパズルに合理的な性能を与えるが、一般化のために解析するとランダムな精度よりは良くないことが明らかになった。
  論文  参考訳（メタデータ） (2022-12-20T04:33:32Z)
• Knowledge acquisition via interactive Distributed Cognitive skill Modules [0.0]
  問題解決における人間の認知能力は、常に教育的背景、スキル、経験等に限られる。 本研究は,分散認知スキルモジュールによる手続き的スキル獲得とストレージのための,モジュール型アプローチの初期段階の導入を目的とする。
  論文  参考訳（メタデータ） (2022-10-13T01:41:11Z)
• Self-Supervision is All You Need for Solving Rubik's Cube [0.0]
  この研究は、ルービックキューブで表される、あらかじめ定義されたゴールで問題を解決するためのシンプルで効率的なディープラーニング手法を導入する。 このような問題に対して、目標状態から分岐するランダムスクランブル上でディープニューラルネットワークをトレーニングすることは、ほぼ最適解を達成するのに十分であることを示す。
  論文  参考訳（メタデータ） (2021-06-06T15:38:50Z)
• Explore, Discover and Learn: Unsupervised Discovery of State-Covering Skills [155.11646755470582]
  情報理論的スキル発見の代替手法として,'Explore, Discover and Learn'(EDL)がある。 本稿では,EDLがカバレッジ問題を克服し,学習スキルの初期状態への依存を減らし,ユーザが学習すべき行動について事前定義できるようにするなど,大きなメリットがあることを示す。
  論文  参考訳（メタデータ） (2020-02-10T10:49:53Z)

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。