論文の概要: A Quantifiable Information-Processing Hierarchy Provides a Necessary Condition for Detecting Agency
- arxiv url: http://arxiv.org/abs/2601.03498v1
- Date: Wed, 07 Jan 2026 01:26:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-09 02:15:23.16431
- Title: A Quantifiable Information-Processing Hierarchy Provides a Necessary Condition for Detecting Agency
- Title（参考訳）: 情報処理の定量的階層化は, 機関検出に必要な条件を提供する
- Authors: Brett J. Kagan, Valentina Baccetti, Brian D. Earp, J. Lomax Boyd, Julian Savulescu, Adeel Razi,
- Abstract要約: 既存の定義は、定量化が難しいトップダウンの記述に依存する傾向がある。
本稿では,システムの情報処理順序に基づくボトムアップフレームワークを提案する。
本稿では, サーモスタットや受容体様メムリスタなど, 神経生理学的, 計算的な例を紹介する。
- 参考スコア（独自算出の注目度）: 1.088537320059347
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As intelligent systems are developed across diverse substrates - from machine learning models and neuromorphic hardware to in vitro neural cultures - understanding what gives a system agency has become increasingly important. Existing definitions, however, tend to rely on top-down descriptions that are difficult to quantify. We propose a bottom-up framework grounded in a system's information-processing order: the extent to which its transformation of input evolves over time. We identify three orders of information processing. Class I systems are reactive and memoryless, mapping inputs directly to outputs. Class II systems incorporate internal states that provide memory but follow fixed transformation rules. Class III systems are adaptive; their transformation rules themselves change as a function of prior activity. While not sufficient on their own, these dynamics represent necessary informational conditions for genuine agency. This hierarchy offers a measurable, substrate-independent way to identify the informational precursors of agency. We illustrate the framework with neurophysiological and computational examples, including thermostats and receptor-like memristors, and discuss its implications for the ethical and functional evaluation of systems that may exhibit agency.
- Abstract（参考訳）: インテリジェントシステムは、機械学習モデルやニューロモーフィックハードウェアからin vitroのニューラルカルチャーに至るまで、さまざまな基板で開発されているため、システムエージェンシーに何をもたらすかを理解することがますます重要になっている。
しかし、既存の定義は定量化が難しいトップダウンの記述に依存する傾向がある。
本稿では,システムの情報処理順序に基づくボトムアップフレームワークを提案する。
我々は情報処理の3つの順序を識別する。
クラスIシステムはリアクティブでメモリレスで、入力を直接出力にマッピングする。
クラスIIシステムは、メモリを提供するが、固定変換規則に従う内部状態を含む。
クラスIII系は適応的であり、それらの変換規則自体が前のアクティビティの関数として変化する。
それ自体では不十分だが、これらのダイナミクスは実際の機関に必要な情報条件を表している。
この階層は、情報前駆体を特定するための測定可能な、基質に依存しない方法を提供する。
本フレームワークは, サーモスタットや受容体様メムリスタなど, 神経生理学的, 計算的な例で説明し, エージェントを提示するシステムの倫理的, 機能的評価にその意味を論じる。
関連論文リスト
- A Survey of Data Agents: Emerging Paradigm or Overstated Hype? [66.1526688475023]
現在「データエージェント」は用語的曖昧さと不整合性に悩まされている。
この調査では、データエージェントのための最初の体系的な階層型分類を紹介した。
プロアクティブな生成データエージェントの出現を想定する、先見的なロードマップで締めくくります。
論文 参考訳（メタデータ） (2025-10-27T17:54:07Z) - A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。
近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。
この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
論文 参考訳（メタデータ） (2025-08-10T16:07:32Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - From system models to class models: An in-context learning paradigm [0.0]
本稿では,1段階の予測と複数段階のシミュレーションという2つの主要な課題に対処する,システム識別のための新しいパラダイムを提案する。
動的システムのクラスを表すメタモデルを学ぶ。
一段階の予測では、GPTのようなデコーダのみのアーキテクチャを使用し、シミュレーション問題ではエンコーダ-デコーダ構造を用いる。
論文 参考訳（メタデータ） (2023-08-25T13:50:17Z) - A Mathematical Characterization of Minimally Sufficient Robot Brains [4.10609794373612]
本稿では,内部システムのための情報遷移システムについて紹介する。
情報遷移システムをフィルタとみなし、この情報遷移システムの状態をラベル付けする機能としてポリシーまたは計画とみなす。
一般的な設定では、最小限の情報遷移系は妥当な等価性の仮定まで存在すると断定する。
論文 参考訳（メタデータ） (2023-08-17T15:22:06Z) - communication of information in systems of heterogenious agents and
systems' dynamics [0.0]
複雑なシステムにおける情報通信は、システムの進化の主要な原動力と見なすことができる。
異種エージェントのシステムにおける情報交換は単純な入出力モデルよりも複雑である。
意味と情報処理のメカニズムをモデルフレームワークとして分析的に評価することができる。
論文 参考訳（メタデータ） (2023-04-27T08:09:04Z) - Neurosymbolic Systems of Perception & Cognition: The Role of Attention [6.199795410316599]
累積学習を目的とした認知アーキテクチャは、必要な情報と制御構造を提供する必要がある。
あらゆる抽象レベルでの知識は、ニューロシンボリック情報(Neurosymbolic information)と呼ばれるものを含んでいる、と我々は主張する。
論文 参考訳（メタデータ） (2021-12-02T20:53:14Z) - Explanation Ontology: A Model of Explanations for User-Centered AI [3.1783442097247345]
説明はしばしば、原則的でないポストホックな方法でAIシステムに追加されている。
これらのシステムの採用が拡大し、ユーザ中心の説明可能性に重点を置いているため、説明可能性について第一の考慮事項として扱う構造的表現が必要である。
我々は,説明の役割,システムとユーザ属性の双方をモデル化するための説明オントロジーを設計し,異なる文献に基づく説明型の範囲を設計する。
論文 参考訳（メタデータ） (2020-10-04T03:53:35Z) - Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。
現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。
我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文 参考訳（メタデータ） (2020-07-13T20:30:26Z)
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。