論文の概要: On the universal definition of intelligence

• arxiv url: http://arxiv.org/abs/2601.07364v1
• Date: Mon, 12 Jan 2026 09:39:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-13 19:08:01.320305
• Title: On the universal definition of intelligence
• Title（参考訳）: 知性の普遍的定義について
• Authors: Joseph Chen,
• Abstract要約: ヒューマンインテリジェンスとAIインテリジェンスを比較して評価する方法は、重要な理論的問題となっている。 既存の知性の定義は人間中心であり、経験的比較には適していない。 本稿では,知能を未来を正確に予測する能力と,それらの予測から恩恵を受ける能力の組合せとして捉えた拡張予測仮説(EPH)を提案する。
• 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 aims to propose a universal definition of intelligence that enables fair and consistent comparison of human and artificial intelligence (AI). With the rapid development of AI technology in recent years, how to compare and evaluate human and AI intelligence has become an important theoretical issue. However, existing definitions of intelligence are anthropocentric and unsuitable for empirical comparison, resulting in a lack of consensus in the research field. This paper first introduces four criteria for evaluating intelligence definitions based on R. Carnap's methodology of conceptual clarification: similarity to explicandum, exactness, fruitfulness, and simplicity. We then examine six representative definitions: IQ testing, complex problem-solving ability, reward optimization, environmental adaptation, learning efficiency, and predictive ability, and clarify their theoretical strengths and limitations. The results show that while definitions based on predictive ability have high explanatory power and empirical feasibility, they suffer from an inability to adequately explain the relationship between predictions and behavior/benefits. This paper proposes the Extended Predictive Hypothesis (EPH), which views intelligence as a combination of the ability to accurately predict the future and the ability to benefit from those predictions. Furthermore, by distinguishing predictive ability into spontaneous and reactive predictions and adding the concept of gainability, we present a unified framework for explaining various aspects of intelligence, such as creativity, learning, and future planning. In conclusion, this paper argues that the EPH is the most satisfactory and universal definition for comparing human and AI intelligence.
• Abstract（参考訳）: 本稿では,人間と人工知能(AI)の公平かつ一貫した比較を可能にする,普遍的な知性の定義を提案する。 近年のAI技術の急速な発展に伴い、人間とAIのインテリジェンスの比較と評価は重要な理論的問題となっている。 しかし、既存の知性の定義は人間中心であり、実証的な比較には適さないため、研究分野におけるコンセンサスが欠如している。 本稿ではまず,R. Carnapの概念的明確化方法論に基づくインテリジェンス定義を評価するための4つの基準について紹介する。 次に、IQテスト、複雑な問題解決能力、報酬最適化、環境適応、学習効率、予測能力の6つの代表的な定義を検証し、それらの理論的強みと限界を明らかにする。 その結果, 予測能力に基づく定義は説明力が高く, 経験的実現可能性が高いが, 予測と行動・利益の関係を適切に説明できないことが示唆された。 本稿では,知能を未来を正確に予測する能力と,それらの予測から恩恵を受ける能力の組合せとして捉えた拡張予測仮説(EPH)を提案する。 さらに,予測能力を自発的かつ反応性の予測に区別し,利得可能性の概念を追加することにより,創造性や学習,今後の計画など,インテリジェンスに関するさまざまな側面を説明する統一的な枠組みを提案する。 結論として、EPHは人間とAIのインテリジェンスを比較する上で、最も満足度が高く普遍的な定義である、と論じる。

関連論文リスト

• Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
  音の誘惑的推論は、一般知能の必然的に望ましい側面である。 もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。 彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-06-30T14:37:50Z)
• P: A Universal Measure of Predictive Intelligence [0.0]
  AIシステムが持つとされる知性について、一般的に合意されている定義はない。 人間、動物、AIの知能を1つの比率で比較できるような実践的な尺度は、誰も開発していません。 本稿では,予測が知能の最も重要な構成要素であるという仮説に基づく,新たな普遍的な知能尺度を提案する。
  論文  参考訳（メタデータ） (2025-05-30T10:05:54Z)
• The Trap of Presumed Equivalence: Artificial General Intelligence Should Not Be Assessed on the Scale of Human Intelligence [0.0]
  知的システム理論における新しい知性を評価する従来のアプローチは、人間のような行動や行動の類似性、「模倣」に基づいている。 いくつかの自然な仮定の下では、インテリジェントなシステムを開発することは、独自の意図と目的を形成することができる、と我々は主張する。
  論文  参考訳（メタデータ） (2024-10-14T13:39:58Z)
• Can AI Be as Creative as Humans? [84.43873277557852]
  理論的には、AIは人間の創造者によって生成されたデータに適切に適合できるという条件の下で、人間と同じくらい創造的になれることを証明しています。 AIの創造性に関する議論は、十分な量のデータに適合する能力の問題に縮小されている。
  論文  参考訳（メタデータ） (2024-01-03T08:49:12Z)
• On a Functional Definition of Intelligence [0.0]
  合意されたインテリジェンスの定義がなければ、"このシステムはインテリジェントか? 知性(intelligence)とは、哲学、心理学、認知科学の分野である。 我々は、その知性が実際に達成される方法とは異なる、純粋に機能的でブラックボックスな知性の定義について論じる。
  論文  参考訳（メタデータ） (2023-12-15T05:46:49Z)
• The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
  生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。 同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。 一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
  論文  参考訳（メタデータ） (2023-10-31T18:07:07Z)
• Predictable Artificial Intelligence [77.1127726638209]
  本稿では予測可能なAIのアイデアと課題を紹介する。 それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。 予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
  論文  参考訳（メタデータ） (2023-10-09T21:36:21Z)
• A Theory of Intelligences [0.0]
  私は物理学から生物学、人間、AIに至るまで、あらゆるシステムに適用可能なフレームワークを開発しています。 インテリジェンスとその構成要素に関する一般的な方程式と、インテリジェンス特性の進化のための単純な表現について述べる。
  論文  参考訳（メタデータ） (2023-08-23T20:18:43Z)
• Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
  興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。 この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。 これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
  論文  参考訳（メタデータ） (2020-11-30T18:29:25Z)

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。