論文の概要: Systems Explaining Systems: A Framework for Intelligence and Consciousness

• arxiv url: http://arxiv.org/abs/2601.04269v1
• Date: Wed, 07 Jan 2026 11:19:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:52.846181
• Title: Systems Explaining Systems: A Framework for Intelligence and Consciousness
• Title（参考訳）: システム説明システム: 知性と意識のためのフレームワーク
• Authors: Sean Niklas Semmler,
• Abstract要約: 本稿では,予測やドメイン固有のメカニズムではなく,関係構造から知性と意識が出現する概念的枠組みを提案する。 本稿では,高次系が時間とともに低次系の関係パターンを学習し,解釈する際に,意識が出現するシステム記述系原理を紹介する。 このフレームワークは、予測処理を明示的な予測よりも文脈解釈の創発的な結果として再設定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a conceptual framework in which intelligence and consciousness emerge from relational structure rather than from prediction or domain-specific mechanisms. Intelligence is defined as the capacity to form and integrate causal connections between signals, actions, and internal states. Through context enrichment, systems interpret incoming information using learned relational structure that provides essential context in an efficient representation that the raw input itself does not contain, enabling efficient processing under metabolic constraints. Building on this foundation, we introduce the systems-explaining-systems principle, where consciousness emerges when recursive architectures allow higher-order systems to learn and interpret the relational patterns of lower-order systems across time. These interpretations are integrated into a dynamically stabilized meta-state and fed back through context enrichment, transforming internal models from representations of the external world into models of the system's own cognitive processes. The framework reframes predictive processing as an emergent consequence of contextual interpretation rather than explicit forecasting and suggests that recursive multi-system architectures may be necessary for more human-like artificial intelligence.
• Abstract（参考訳）: 本稿では,予測やドメイン固有のメカニズムではなく,関係構造から知性と意識が出現する概念的枠組みを提案する。 知性は、信号、行動、および内部状態の間の因果関係を形成し統合する能力として定義される。 文脈エンリッチメントにより、システムは学習された関係構造を用いて入力情報を解釈し、生の入力自体が含まない効率的な表現において重要なコンテキストを提供する。 この基礎の上に構築されたシステム記述-システム原理では、再帰的アーキテクチャが高次システムを学習し、低次システムのリレーショナルパターンを時間をかけて解釈することを可能にする。 これらの解釈は動的に安定化されたメタ状態に統合され、文脈の豊かさを通じてフィードバックされ、内部モデルを外界の表現からシステム自身の認知過程のモデルに変換する。 このフレームワークは、予測処理を明示的な予測よりも文脈解釈の創発的な結果として再編成し、人間のような人工知能には再帰的なマルチシステムアーキテクチャが必要であることを示唆している。

関連論文リスト

• Model-Grounded Symbolic Artificial Intelligence Systems Learning and Reasoning with Model-Grounded Symbolic Artificial Intelligence Systems [7.000073566770884]
  ニューロシンボリック人工知能(AI)システムは、ニューラルネットワークと古典的なシンボリックAIメカニズムを組み合わせたシステムである。 従来の学習や推論のパラダイムと構造的類似性を維持する新しい学習・推論手法を開発した。
  論文  参考訳（メタデータ） (2025-07-14T01:34:05Z)
• Systemic Constraints of Undecidability [0.0]
  本稿では,システムの構造的特性としての計算不能を緩和するシステム的不決定性の理論を提案する。 決定不能なシステムの計算に機能的に関与するサブシステムは、その決定不能性を継承する。 我々のフレームワークは、オラクルの模倣を解除し、アーキテクチャの革新によって計算限界を回避できるという見解に挑戦する。
  論文  参考訳（メタデータ） (2025-06-21T22:56:26Z)
• Contextual Memory Intelligence -- A Foundational Paradigm for Human-AI Collaboration and Reflective Generative AI Systems [0.0]
  本稿では,知的システム構築のための新しいパラダイムとして,コンテキストメモリインテリジェンス(CMI)を紹介する。 CMIは、メモリを長手コヒーレンス、説明可能性、責任ある意思決定に必要な適応的な基盤として再配置する。 これにより、人間とAIのコラボレーション、生成的AI設計、組織のレジリエンスが向上する。
  論文  参考訳（メタデータ） (2025-05-28T18:59:16Z)
• Inferentialist Resource Semantics [48.65926948745294]
  本稿では,リソースセマンティクスにおいて,推論が汎用的で表現力豊かなフレームワークを実現する方法を示す。 推論主義は、バンドルインプリケーションの論理のアサーションベースのアプローチをいかにシームレスに組み込むか。 この統合により、直感的で親しみやすい方法で、共有リソースと分離リソースの推論が可能になる。
  論文  参考訳（メタデータ） (2024-02-14T14:54:36Z)
• Discrete, compositional, and symbolic representations through attractor dynamics [51.20712945239422]
  我々は,思考の確率的言語(PLoT)に似た認知過程をモデル化するために,アトラクタダイナミクスを記号表現と統合した新しいニューラルシステムモデルを導入する。 我々のモデルは、連続表現空間を、事前定義されたプリミティブに頼るのではなく、教師なし学習を通じて、記号系の意味性と構成性の特徴を反映する、記号列に対応する引き付け状態を持つ離散盆地に分割する。 このアプローチは、認知操作の複雑な双対性を反映したより包括的なモデルを提供する、AIにおける表現力の証明された神経弁別可能な基質であるニューラルダイナミクスを通じて、シンボル処理とサブシンボル処理の両方を統合する統一的なフレームワークを確立する。
  論文  参考訳（メタデータ） (2023-10-03T05:40:56Z)
• CSM-H-R: A Context Modeling Framework in Supporting Reasoning Automation for Interoperable Intelligent Systems and Privacy Protection [0.07499722271664144]
  本稿では,大規模システムにおけるハイレベルコンテキスト推論(HLC)の自動化のための新しいフレームワークを提案する。 フレームワークの設計は、インテリジェントシステムとCSMを扱うコンポーネント間の共有と相互コンテキスト、階層、関係、遷移の管理をサポートする。 ベクトルおよび行列計算へのHLC推論に関するフレームワーク実験の実装は、次のレベルの自動化に到達する可能性を示す。
  論文  参考訳（メタデータ） (2023-08-21T22:21:15Z)

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。