論文の概要: Collective intelligence in science: direct elicitation of diverse information from experts with unknown information structure
- arxiv url: http://arxiv.org/abs/2601.14047v2
- Date: Sat, 24 Jan 2026 18:27:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-27 13:23:48.791821
- Title: Collective intelligence in science: direct elicitation of diverse information from experts with unknown information structure
- Title（参考訳）: 科学における集団知能 : 未知の情報構造を持つ専門家からの多様な情報の直接引用
- Authors: Alexey V. Osipov, Nikolay N. Osipov,
- Abstract要約: チャットに絡み合った自己解決型プレイマネー予測市場を提案する。
参加者はチャットや取引を通じて仮説に関する個人的な情報を直接共有していることが示される。
このアプローチは、完全に解釈可能な形で関連情報の効率的な集約につながる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Suppose we need a deep collective analysis of an open scientific problem: there is a complex scientific hypothesis and a large online group of mutually unrelated experts with relevant private information of a diverse and unpredictable nature. This information may be results of experts' individual experiments, original reasoning of some of them, results of AI systems they use, etc. We propose a simple mechanism based on a self-resolving play-money prediction market entangled with a chat. We show that such a system can easily be brought to an equilibrium where participants directly share their private information on the hypothesis through the chat and trade as if the market were resolved in accordance with the truth of the hypothesis. This approach will lead to efficient aggregation of relevant information in a completely interpretable form even if the ground truth cannot be established and experts initially know nothing about each other and cannot perform complex Bayesian calculations. Finally, by rewarding the experts with some real assets proportionally to the play money they end up with, we can get an innovative way to fund large-scale collaborative studies of any type.
- Abstract（参考訳）: 複雑な科学的仮説と、多様で予測不可能な性質の関連するプライベート情報を持つ相互に無関係な専門家の大規模なオンライングループが存在します。
この情報は、専門家の個人実験の結果、その一部を元の推論、使用しているAIシステムの結果などである。
チャットに絡み合った自己解決型プレイマネー予測市場に基づく簡単なメカニズムを提案する。
このようなシステムは,仮説の真相に応じて市場が解決されたかのように,参加者がチャットや取引を通じて仮説のプライベート情報を直接共有する平衡に容易に到達できることを示す。
このアプローチは、基礎的な真実が確立できず、専門家が最初は互いに何も知らず、複雑なベイズ計算を行うことができない場合でも、完全に解釈可能な形で関連情報の効率的な集約につながる。
最後に、最終的に得られる資金に比例して実際の資産を持つ専門家に報酬を与えることで、あらゆる種類の大規模な共同研究に資金を供給できる革新的な方法が得られます。
関連論文リスト
- A Survey of Scientific Large Language Models: From Data Foundations to Agent Frontiers [251.23085679210206]
科学大規模言語モデル(Sci-LLMs)は、科学研究において、知識の表現、統合、適用の方法を変えつつある。
この調査は、モデルとその基盤となるデータ基板の共進化として、Sci-LLMの開発を再考する。
我々は、科学的データの統一された分類法と、科学的知識の階層的なモデルを定式化する。
論文 参考訳（メタデータ） (2025-08-28T18:30:52Z) - The Sample Complexity of Online Strategic Decision Making with Information Asymmetry and Knowledge Transportability [93.11220429350278]
情報非対称性はマルチエージェントシステムの普及した特徴である。
本論文は,オンライン学習における基本的課題について考察する。知識伝達を必要とする場合でも,共同設立者について学ぶために,非I.d.アクションを適用できるのか?
本稿では,情報非対称性下でのシステム力学を正確に同定し,強化学習における知識伝達の課題を効果的にナビゲートするために,サンプル効率のよいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-06-11T17:06:57Z) - AI and the Problem of Knowledge Collapse [0.0]
特定の知識モードへのアクセスコストを削減することにより、AIが公衆の理解をパラドックス的に損なう可能性のある条件を特定する。
学習者やイノベーターのコミュニティが従来の手法を使うか、割引されたAI支援プロセスに頼るというシンプルなモデルを提供する。
我々のデフォルトモデルでは、AI生成コンテンツに対する20%の割引は、ディスカウントがない場合よりも真実から2.3倍の信条を生成する。
論文 参考訳（メタデータ） (2024-04-04T15:06:23Z) - Private Knowledge Sharing in Distributed Learning: A Survey [50.51431815732716]
人工知能の台頭は多くの産業に革命をもたらし、社会の働き方を変えた。
異なるエンティティが分散または所有する学習プロセスにおいて、情報を活用することが不可欠である。
現代のデータ駆動サービスは、分散知識エンティティを結果に統合するために開発されています。
論文 参考訳（メタデータ） (2024-02-08T07:18:23Z) - Principled Knowledge Extrapolation with GANs [92.62635018136476]
我々は,知識外挿の新たな視点から,対実合成を研究する。
本稿では, 知識外挿問題に対処するために, クローズド形式判別器を用いた対角ゲームが利用可能であることを示す。
提案手法は,多くのシナリオにおいて,エレガントな理論的保証と優れた性能の両方を享受する。
論文 参考訳（メタデータ） (2022-05-21T08:39:42Z) - From prediction markets to interpretable collective intelligence [0.0]
我々は、任意の専門家のグループから、任意の論理命題の真理の確率を導き出すシステムを作成する。
我々は,専門家間の直接情報交換にインセンティブを与える遊び金による自己解決型予測市場の開発の可能性について論じる。
論文 参考訳（メタデータ） (2022-04-28T11:44:29Z) - Towards Collaborative Question Answering: A Preliminary Study [63.91687114660126]
我々は、モデレーターによって調整された複数の専門家エージェントが協力して、単一のエージェントだけでは答えられない質問に答える新しいQAタスクCollabQAを提案する。
専門家に分散可能な,大規模な知識グラフの合成データセットを作成する。
専門家が完璧で均一でない限り,コラボレーション構造を導入することなく,この問題が解決可能であることを示す。
論文 参考訳（メタデータ） (2022-01-24T14:27:00Z)
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。