論文の概要: The Metaphysics We Train: A Heideggerian Reading of Machine Learning
- arxiv url: http://arxiv.org/abs/2602.19028v2
- Date: Tue, 24 Feb 2026 13:11:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-02 07:21:25.621477
- Title: The Metaphysics We Train: A Heideggerian Reading of Machine Learning
- Title（参考訳）: 学習するメタ物理:機械学習のハイデッジェ的読み方
- Authors: Heman Shakeri,
- Abstract要約: この哲学的なレンズは、純粋に技術的な分析には見えない3つの洞察を明らかにしていると我々は主張する。
第二に、高度な技術進歩さえもゲステル政権に残されている。
第3に、AIが存在構造を欠いていること、特にケア(ソルジ)の欠如は、真に説明的である。
- 参考スコア（独自算出の注目度）: 0.130536490219656
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper offers a phenomenological reading of contemporary machine learning through Heideggerian concepts, aimed at enriching practitioners' reflexive understanding of their own practice. We argue that this philosophical lens reveals three insights invisible to purely technical analysis. First, the algorithmic Entwurf (projection) is distinctive in being automated, opaque, and emergent--a metaphysics that operates without explicit articulation or debate, crystallizing implicitly through gradient descent rather than theoretical argument. Second, even sophisticated technical advances remain within the regime of Gestell (Enframing), improving calculation without questioning the primacy of calculation itself. Third, AI's lack of existential structure, specifically the absence of Care (Sorge), is genuinely explanatory: it illuminates why AI systems have no internal resources for questioning their own optimization imperatives, and why they optimize without the anxiety (Angst) that signals, in human agents, the friction between calculative absorption and authentic existence. We conclude by exploring the pedagogical value of this perspective, arguing that data science education should cultivate not only technical competence but ontological literacy--the capacity to recognize what worldviews our tools enact and when calculation itself may be the wrong mode of engagement.
- Abstract（参考訳）: 本稿では,実践者の自己の実践に対する反射的理解を深めることを目的とした,ハイデッゲル的概念による現代機械学習の現象論的読解について述べる。
この哲学的なレンズは、純粋に技術的な分析には見えない3つの洞察を明らかにしていると我々は主張する。
第一に、アルゴリズムのEntwurf(投影)は、自動化、不透明、創発的、メタ物理であり、明示的な記述や議論なしに動作し、理論的な議論よりも勾配降下によって暗黙的に結晶化されている。第二に、高度な技術的進歩でさえも、ゲステル政権内にとどまり、計算自体のプライオリティを疑わずに計算を改善している。第三に、AIの実在する構造が欠如していること、特にケアの欠如(ソルジ)が真に説明可能である。AIシステムが、自身の最適化命令に疑問を呈する内部リソースを持たない理由、そして人間のエージェントにおいて、計算的吸収と正当性の間の摩擦をシグナル無しに最適化する理由(Angst)を照らし出す。我々は、この科学的価値を議論することで、その存在がコンピュータの能力に反するかどうかを議論する。
関連論文リスト
- The Vibe-Automation of Automation: A Proactive Education Framework for Computer Science in the Age of Generative AI [0.7252027234425333]
生成人工知能(GenAI)は、コンピュータ科学における質的な変化を表す。
GenAIは、事前に定義された客観的メトリクスを最適化するのではなく、コンテキスト、セマンティック、コヒーレンスをナビゲートすることで動作する。
本稿では,3つの分析レベルと3つの行動領域にまたがる概念的枠組みを提案する。
論文 参考訳（メタデータ） (2026-02-09T06:02:04Z) - What Understanding Means in AI-Laden Astronomy [0.20336617819227906]
人工知能は天文学の研究を急速に変えつつある。
この記事では、科学哲学がAIの天文学への統合をナビゲートするための重要なツールであると主張している。
我々は、AIを人間の認知を拡張するツールとして認識する統合のためのフレームワークとして「実用的理解」を提案する。
論文 参考訳（メタデータ） (2026-01-15T03:28:38Z) - Foundations of Artificial Intelligence Frameworks: Notion and Limits of AGI [0.0]
人工知能は、スケールに関係なく、現在のニューラルネットワークパラダイムから生まれない、と我々は主張する。
本稿では,既存の施設(計算基板)と建築組織を区別する枠組みを提案する。
論文 参考訳（メタデータ） (2025-11-23T16:18:13Z) - Aligning Perception, Reasoning, Modeling and Interaction: A Survey on Physical AI [57.44526951497041]
我々は、物理的原則と具体的推論プロセスの両方において、学習の基礎となるインテリジェントなシステムを提唱する。
我々は、物理現象を説明でき、将来の状態を予測できる次世代の世界モデルを構想する。
論文 参考訳（メタデータ） (2025-10-06T16:16:03Z) - 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) - Digital Gene: Learning about the Physical World through Analytic Concepts [54.21005370169846]
AIシステムは、物理的な世界を理解し、相互作用することに関して、依然として苦戦している。
本研究は分析概念の考え方を紹介する。
マシンインテリジェンスは、物理的な世界を理解し、推論し、相互作用するためのポータルを提供する。
論文 参考訳（メタデータ） (2025-04-05T13:22:11Z) - Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。
PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Is it possible not to cheat on the Turing Test: Exploring the potential
and challenges for true natural language 'understanding' by computers [0.0]
人工知能における自然言語理解の領域は、大きな進歩を遂げたと主張している。
現在のアプローチと残る課題について、包括的で学際的な概要は、まだ実行されていない。
これらすべての視点をまとめて、真の(人間のような)言語理解に到達する上での課題を解き放ちます。
論文 参考訳（メタデータ） (2022-06-29T14:19:48Z) - Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。
現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。
本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文 参考訳（メタデータ） (2021-06-14T20:48:48Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z) - A Mathematical Framework for Consciousness in Neural Networks [0.0]
本稿では,意識と身体的相関関係の間の説明的ギャップを埋めるための新しい数学的枠組みを提案する。
クエーリアは特異点であると主張するのではなく、クエーリアがなぜそのように感じるのかを「説明」する。
我々は、クォーリアを本質的に複雑性、計算、情報への還元以上の現象として認識する枠組みを確立する。
論文 参考訳（メタデータ） (2017-04-04T18:32:58Z)
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。