論文の概要: Bridging the Gap: Toward Cognitive Autonomy in Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2512.02280v1
• Date: Mon, 01 Dec 2025 23:51:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.651866
• Title: Bridging the Gap: Toward Cognitive Autonomy in Artificial Intelligence
• Title（参考訳）: ギャップを埋める - 人工知能における認知自律性を目指して
• Authors: Noorbakhsh Amiri Golilarz, Sindhuja Penchala, Shahram Rahimi,
• Abstract要約: 本稿では,現代AIモデルを制約する7つのコア欠陥を特定し,解析する。 これらの構造的制限は、現在のアーキテクチャが堅牢な一般化、生涯の適応性、現実の自律性を達成するのを妨げている、と我々は主張する。 我々は,自己指向型適応,動的表現管理,意図的,目標志向的な行動が可能な認知基盤型AIへのパラダイムシフトを提唱して,結論付けた。
• 参考スコア（独自算出の注目度）: 1.3126858950459552
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence has advanced rapidly across perception, language, reasoning, and multimodal domains. Yet despite these achievements, modern AI systems remain fun- damentally limited in their ability to self-monitor, self-correct, and regulate their behavior autonomously in dynamic contexts. This paper identifies and analyzes seven core deficiencies that constrain contemporary AI models: the absence of intrinsic self- monitoring, lack of meta-cognitive awareness, fixed and non- adaptive learning mechanisms, inability to restructure goals, lack of representational maintenance, insufficient embodied feedback, and the absence of intrinsic agency. Alongside identifying these limitations, we also outline a forward-looking perspective on how AI may evolve beyond them through architectures that mirror neurocognitive principles. We argue that these structural limitations prevent current architectures, including deep learning and transformer-based systems, from achieving robust general- ization, lifelong adaptability, and real-world autonomy. Drawing on a comparative analysis of artificial systems and biological cognition [7], and integrating insights from AI research, cognitive science, and neuroscience, we outline how these capabilities are absent in current models and why scaling alone cannot resolve them. We conclude by advocating for a paradigmatic shift toward cognitively grounded AI (cognitive autonomy) capable of self-directed adaptation, dynamic representation management, and intentional, goal-oriented behavior, paired with reformative oversight mechanisms [8] that ensure autonomous systems remain interpretable, governable, and aligned with human values.
• Abstract（参考訳）: 人工知能は認識、言語、推論、マルチモーダルドメインにわたって急速に進歩している。 しかし、これらの成果にもかかわらず、現代のAIシステムは、自律的な状況下での自律的な行動の監視、自己修正、制御能力において、楽しみに制限されている。 本稿では,現代AIモデルを制約する7つの中核的欠陥を同定し分析する: 内在的自己監視の欠如,メタ認知的認識の欠如,固定的および非適応的学習機構の欠如,目標を再構築できないこと,表現的メンテナンスの欠如,不十分な実施的フィードバック,内在的エージェントの欠如。 これらの制限を識別すると同時に、私たちは、神経認知の原則を反映するアーキテクチャを通じて、AIがそれらを超えてどのように進化するか、という先見的な視点を概説します。 これらの構造的制限は、ディープラーニングやトランスフォーマーベースのシステムを含む現在のアーキテクチャが、堅牢な汎用化、生涯の適応性、現実の自律性を達成するのを妨げている、と私たちは主張する。 人工システムと生物学的認知の比較分析 [7] に基づき、AI研究、認知科学、神経科学の知見を統合することにより、これらの能力が現在のモデルに欠如していることと、スケーリングだけで解決できない理由を概説する。 我々は、自律的なシステムが解釈可能であり、支配可能であり、人間の価値観に合致することを保証する改革的な監視機構[8]と組み合わせて、自己指向的な適応、動的表現管理、意図的な目標志向の行動が可能な認知的基盤を持つAI(認知的自律)へのパラダイムシフトを提唱することで、結論付けた。

関連論文リスト

• Automatic Minds: Cognitive Parallels Between Hypnotic States and Large Language Model Processing [0.0]
  覚醒心の認知過程と大きな言語モデルの計算操作は、深い機能的並列性を共有している。 両方のシステムは、自動パターン補完機構を通じて、洗練された、文脈的に適切な振る舞いを生成する。 信頼できるAIの未来は、ジェネレーティブ・フラレンシーとエグゼクティブ・モニタリングのメカニズムを統合するハイブリッド・アーキテクチャにある。
  論文  参考訳（メタデータ） (2025-11-03T09:08:50Z)
• Invisible Architectures of Thought: Toward a New Science of AI as Cognitive Infrastructure [0.0]
  認知基盤研究(CIS)は、AIを「認知基盤」として再認識する新たな学際分野である。 CISは、AIによる事前処理が、個人、集団、文化の規模で分散認知をどのように認識するかを解決することを目的としている。
  論文  参考訳（メタデータ） (2025-06-19T15:33:47Z)
• 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)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [78.61382193420914]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• Epistemic Artificial Intelligence is Essential for Machine Learning Models to Truly 'Know When They Do Not Know' [10.098470725619384]
  AIの素晴らしい成果にもかかわらず、不確実性を扱うAIシステムの能力には大きなギャップがある。 従来の機械学習アプローチは、データ適合性の過大評価のため、この問題に対処するのに苦労している。 このポジションペーパーは、認識論的人工知能へのパラダイムシフトを示し、モデルが知っていることから学ぶ必要性を強調している。
  論文  参考訳（メタデータ） (2025-05-08T05:10:38Z)
• Artificial Intelligence (AI) and the Relationship between Agency, Autonomy, and Moral Patiency [0.0]
  私たちは、現在のAIシステムは高度に洗練されていますが、真のエージェンシーと自律性は欠如しています。 我々は、意識のない限られた形態の人工道徳機関を達成できる未来のシステムの可能性を排除することはできない。
  論文  参考訳（メタデータ） (2025-04-11T03:48:40Z)
• Analyzing Advanced AI Systems Against Definitions of Life and Consciousness [0.0]
  先進的なAIシステムが意識を得たかどうかを調べるための指標をいくつか提案する。 我々は、サボタージュ防御、ミラー自己認識アナログ、メタ認知更新のような免疫を発現する十分に高度なアーキテクチャが、ライフライクまたは意識ライクな特徴に似た重要なしきい値を超えた可能性があることを示唆している。
  論文  参考訳（メタデータ） (2025-02-07T15:27:34Z)
• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。 AIシステムは特にメタ認知に苦しむ。 スマートAIのベンチマーク、トレーニング、実装について論じる。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
  本稿では,認知機能構築への進化的アプローチについて考察する。 本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
  論文  参考訳（メタデータ） (2022-07-02T12:41:32Z)

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。