論文の概要: Knowing oneself with and through AI: From self-tracking to chatbots

• arxiv url: http://arxiv.org/abs/2512.03682v1
• Date: Wed, 03 Dec 2025 11:22:31 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:08:48.786049
• Title: Knowing oneself with and through AI: From self-tracking to chatbots
• Title（参考訳）: AIによる自己認識 - 自己追跡からチャットボットまで
• Authors: Lucy Osler,
• Abstract要約: 第1章では、アルゴリズムと人工知能が、私たちの実践である自己理解、自己理解、自己語りをいかに変えているかを説明します。 自己追跡アプリケーション、技術的に分散した自伝的記憶、そして大規模言語モデルとの物語的共構築です。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This chapter examines how algorithms and artificial intelligence are transforming our practices of self-knowledge, self-understanding, and self-narration. Drawing on frameworks from distributed cognition, I analyse three key domains where AI shapes how and what we come to know about ourselves: self-tracking applications, technologically-distributed autobiographical memories, and narrative co-construction with Large Language Models (LLMs). While self-tracking devices promise enhanced self-knowledge through quantified data, they also impose particular frameworks that can crowd out other forms of self-understanding and promote self-optimization. Digital technologies increasingly serve as repositories for our autobiographical memories and self-narratives, offering benefits such as detailed record-keeping and scaffolding during difficult periods, but also creating vulnerabilities to algorithmic manipulation. Finally, conversational AI introduces new possibilities for interactive narrative construction that mimics interpersonal dialogue. While LLMs can provide valuable support for self-exploration, they also present risks of narrative deference and the construction of self-narratives that are detached from reality.
• Abstract（参考訳）: この章では、アルゴリズムと人工知能が、我々の実践である自己理解、自己理解、自己語りをいかに変えつつあるかを考察する。 自己組織化アプリケーション、技術的に分散した自伝的記憶、そしてLarge Language Models (LLMs)との物語的共構築の3つの重要なドメインを分析します。 自己追跡デバイスは、定量化されたデータによる自己認識の強化を約束する一方で、他のタイプの自己理解を集結させ、自己最適化を促進するための特別なフレームワークも課している。 デジタル技術はますます、私たちの自伝的記憶と自己物語のリポジトリとして機能し、困難な期間における詳細な記録記録や足場などの利点を提供するとともに、アルゴリズム操作の脆弱性も生み出している。 最後に、対話型AIは、対人対話を模倣する対話型物語構築の新しい可能性を導入する。 LLMは、自己探索のための貴重な支援を提供することができるが、物語推論のリスクや、現実から切り離された自己物語の構築も提示する。

関連論文リスト

• Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
  本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。 この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
  論文  参考訳（メタデータ） (2025-10-10T10:32:39Z)
• Can Mental Imagery Improve the Thinking Capabilities of AI Systems? [0.6345523830122166]
  メンタルイメージをマシン思考フレームワークに組み込む方法について検討する。 提案するフレームワークは,3つの補助単位である入力データユニット,要求ユニット,メンタルイメージユニットによって支援された認知的思考ユニットを統合する。 このフレームワーク内では、データは自然言語の文やスケッチとして表現され、情報と意思決定の両方の目的に役立っている。
  論文  参考訳（メタデータ） (2025-07-16T18:06:13Z)
• Sensorimotor features of self-awareness in multimodal large language models [0.18415777204665024]
  自己認識は知的で自律的な行動を支える。 近年のAIの進歩は、マルチモーダル情報を統合するタスクにおいて、人間のようなパフォーマンスを実現する。 我々は,マルチモーダルLLMが感覚運動経験のみで自己認識できるかどうかを考察する。
  論文  参考訳（メタデータ） (2025-05-25T17:26:28Z)
• Self-Alignment for Factuality: Mitigating Hallucinations in LLMs via Self-Evaluation [71.91287418249688]
  大規模言語モデル(LLM)は、たとえ関連する知識を持っていたとしても、事実的不正確さに悩まされることが多い。 我々は,LLMの自己評価能力を活用し,現実性に向けてモデルを操る訓練信号を提供する。 提案手法は,Llamaファミリーモデルに対して,3つの重要な知識集約タスクにおいて,現実的精度を大幅に向上させることを示す。
  論文  参考訳（メタデータ） (2024-02-14T15:52:42Z)
• DeepThought: An Architecture for Autonomous Self-motivated Systems [1.6385815610837167]
  大規模言語モデル(LLM)の内部アーキテクチャは、本質的な動機づけ、エージェンシー、あるいはある程度の意識を支持できない。 我々は,LLMを認知言語エージェントのアーキテクチャに統合し,エージェントや自己モチベーション,メタ認知の特徴を表現できるアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-14T21:20:23Z)
• The Creative Frontier of Generative AI: Managing the Novelty-Usefulness Tradeoff [0.4873362301533825]
  生成人工知能(AI)システムにおける新規性と有用性の最適バランスについて検討する。 どちらの側面も過度に強調すると、幻覚や暗記のような限界に繋がる。
  論文  参考訳（メタデータ） (2023-06-06T11:44:57Z)
• Self-Supervised Multi-Object Tracking For Autonomous Driving From Consistency Across Timescales [53.55369862746357]
  自己管理型マルチオブジェクトトラッカーは、生のドメイン固有データから学習できるという大きな可能性を秘めている。 しかし、その再識別精度は、監督対象よりも低い。 本稿では,複数の連続フレームから再同定特徴を自己教師付きで学習できる学習目標を提案する。
  論文  参考訳（メタデータ） (2023-04-25T20:47:29Z)
• Cognitive architecture aided by working-memory for self-supervised multi-modal humans recognition [54.749127627191655]
  人間パートナーを認識する能力は、パーソナライズされた長期的な人間とロボットの相互作用を構築するための重要な社会的スキルです。 ディープラーニングネットワークは最先端の結果を達成し,そのような課題に対処するための適切なツールであることが実証された。 1つの解決策は、ロボットに自己スーパービジョンで直接の感覚データから学習させることである。
  論文  参考訳（メタデータ） (2021-03-16T13:50:24Z)
• A general framework for scientifically inspired explanations in AI [76.48625630211943]
  我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。 このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
  論文  参考訳（メタデータ） (2020-03-02T10:32:21Z)

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。