論文の概要: Artificial Intelligence as Strange Intelligence: Against Linear Models of Intelligence
- arxiv url: http://arxiv.org/abs/2602.04986v1
- Date: Wed, 04 Feb 2026 19:19:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-06 18:49:08.586147
- Title: Artificial Intelligence as Strange Intelligence: Against Linear Models of Intelligence
- Title（参考訳）: ストレンジインテリジェンスとしての人工知能:リニアインテリジェンスモデルに反対
- Authors: Kendra Chilson, Eric Schwitzgebel,
- Abstract要約: 我々は2つの新しい概念「ファミリア・インテリジェンス」と「ストレンジ・インテリジェンス」を紹介する。
AIが奇妙な知性であるなら、最も有能なシステムでさえ、明らかなタスクで失敗することがあると期待すべきである。
- 参考スコア（独自算出の注目度）: 0.03125141879014581
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We endorse and expand upon Susan Schneider's critique of the linear model of AI progress and introduce two novel concepts: "familiar intelligence" and "strange intelligence". AI intelligence is likely to be strange intelligence, defying familiar patterns of ability and inability, combining superhuman capacities in some domains with subhuman performance in other domains, and even within domains sometimes combining superhuman insight with surprising errors that few humans would make. We develop and defend a nonlinear model of intelligence on which "general intelligence" is not a unified capacity but instead the ability to achieve a broad range of goals in a broad range of environments, in a manner that defies nonarbitrary reduction to a single linear quantity. We conclude with implications for adversarial testing approaches to evaluating AI capacities. If AI is strange intelligence, we should expect that even the most capable systems will sometimes fail in seemingly obvious tasks. On a nonlinear model of AI intelligence, such errors on their own do not demonstrate a system's lack of outstanding general intelligence. Conversely, excellent performance on one type of task, such as an IQ test, cannot warrant assumptions of broad capacities beyond that task domain.
- Abstract（参考訳）: 我々は、AI進歩の線形モデルに対するSusan Schneider氏の批判を支持し、拡張し、"familiar intelligence"と"strange intelligence"という2つの新しい概念を導入します。
AI知能は奇妙な知性であり、いくつかのドメインにおける超人的な能力と他のドメインでのサブヒューマンのパフォーマンスを組み合わせ、時にはドメイン内で超人的な洞察と、少数の人間が起こす驚くべきエラーを組み合わせている。
我々は、「汎用知能」が統一的な能力ではなく、より広い範囲の環境において幅広い目標を達成する能力を持つ非線形知能モデルを開発し、防衛する。
我々は、AI能力を評価するための敵対的テストアプローチに影響を及ぼすと結論づける。
AIが奇妙な知性であるなら、最も有能なシステムでさえ、明らかなタスクで失敗することがあると期待すべきである。
AIインテリジェンスの非線形モデルでは、そのようなエラーはシステムに優れた汎用インテリジェンスがないことを示すものではない。
逆に、IQテストのようなタスクの1つのタイプの優れた性能は、タスク領域を超えて広い能力の仮定を保証できない。
関連論文リスト
- Evaluating Intelligence via Trial and Error [59.80426744891971]
本研究では,試行錯誤プロセスにおける失敗回数に基づいて知性を評価するためのフレームワークとして,Survival Gameを紹介した。
フェールカウントの期待と分散の両方が有限である場合、新しい課題に対するソリューションを一貫して見つける能力を示す。
我々の結果は、AIシステムは単純なタスクで自律レベルを達成するが、より複雑なタスクではまだまだ遠いことを示している。
論文 参考訳（メタデータ） (2025-02-26T05:59:45Z) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - AI-as-exploration: Navigating intelligence space [0.05657375260432172]
私は、AIが果たさなければならない、無視されるが中心的な科学的な役割の輪郭を明確に表現します。
AI-as-explorationの基本的な推力は、知性の候補構築ブロックを明らかにするシステムの作成と研究である。
論文 参考訳（メタデータ） (2024-01-15T21:06:20Z) - 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) - Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic
Systems [67.01132165581667]
本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。
本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
論文 参考訳（メタデータ） (2023-11-13T21:20:17Z) - 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) - Future Trends for Human-AI Collaboration: A Comprehensive Taxonomy of
AI/AGI Using Multiple Intelligences and Learning Styles [95.58955174499371]
我々は、複数の人間の知性と学習スタイルの様々な側面を説明し、様々なAI問題領域に影響を及ぼす可能性がある。
未来のAIシステムは、人間のユーザと互いにコミュニケーションするだけでなく、知識と知恵を効率的に交換できる。
論文 参考訳（メタデータ） (2020-08-07T21:00:13Z)
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。