論文の概要: Emergence is Overrated: AGI as an Archipelago of Experts

• arxiv url: http://arxiv.org/abs/2603.07979v1
• Date: Mon, 09 Mar 2026 05:28:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.510395
• Title: Emergence is Overrated: AGI as an Archipelago of Experts
• Title（参考訳）: 創発性は過大評価される - AGIは専門家の群島として
• Authors: Daniel Kilov,
• Abstract要約: クラカウアー、クラカウアー、ミッチェル(2025年)は、創発的な能力と創発的な知能を区別している。 本稿では,その枠組みが人間の知能を正確に特徴付けるかどうかを検討する。
• 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: Krakauer, Krakauer, and Mitchell (2025) distinguish between emergent capabilities and emergent intelligence, arguing that true intelligence requires efficient coarse-grained representations enabling diverse problem-solving through analogy and minimal modification. They contend that intelligence means doing "more with less" through compression and generalization, contrasting this with "vast assemblages of diverse calculators" that merely accumulate specialized capabilities. This paper examines whether their framework accurately characterizes human intelligence and its implications for conceptualizing artificial general intelligence. Drawing on empirical evidence from cognitive science, I demonstrate that human expertise operates primarily through domain-specific pattern accumulation rather than elegant compression. Expert performance appears flexible not through unifying principles but through vast repertoires of specialized responses. Creative breakthroughs themselves may emerge through evolutionary processes of blind variation and selective retention rather than principled analogical reasoning. These findings suggest reconceptualizing AGI as an "archipelago of experts": isolated islands of specialized competence without unifying principles or shared representations. If we accept human expertise with its characteristic brittleness as genuine intelligence, then consistency demands recognizing that artificial systems comprising millions of specialized modules could constitute general intelligence despite lacking KKM's emergent intelligence.
• Abstract（参考訳）: クラカウアー、クラカウアー、ミッチェル(2025年)は創発的能力と創発的知能を区別し、真の知性はアナログと最小限の修正による多様な問題解決を可能にする効率的な粗粒度の表現を必要とすると主張した。 彼らは、知性は圧縮と一般化を通じて「より少ない」ことを意味しており、これは単に特殊能力を蓄積するだけの「多様な電卓の巨大な集合体」と対照的であると主張している。 本稿では,その枠組みが人間の知能を正確に特徴づけるかどうか,そして人工知能を概念化する上での意義について検討する。 認知科学の実証的な証拠に基づいて、人間の専門知識は主にエレガントな圧縮ではなく、ドメイン固有のパターンの蓄積によって機能することを示した。 専門家のパフォーマンスは、原則を統一するだけでなく、専門的な反応の膨大なレパートリーを通じて柔軟に見えます。 創造的なブレークスルーそのものは、原則的なアナロジー推論よりもむしろ、ブラインド変動と選択的保持の進化過程を通じて生まれる可能性がある。 これらの知見は,AGIを「専門家の群島」として再認識することを示唆している。 人間の専門知識が真の知性として脆弱であることを受け入れるならば、KKMの創発的な知性に欠けるにもかかわらず、数百万の特殊モジュールからなる人工システムが汎用知性を構成することを、一貫性の要求が認識する。

関連論文リスト

• Monotropic Artificial Intelligence: Toward a Cognitive Taxonomy of Domain-Specialized Language Models [0.0]
  我々は、厳格な特殊化は制限ではなく、安全クリティカルなアプリケーションに対して異なる利点を持つ代替の認知アーキテクチャであると主張する。 我々の枠組みは、人工知能がAI研究の唯一の正統な願望を構成するという暗黙の仮定に挑戦する。
  論文  参考訳（メタデータ） (2026-02-27T22:30:03Z)
• A Definition of AGI [208.25193480759026]
  人工知能の具体的な定義の欠如は、今日の専門的なAIと人間レベルの認知のギャップを曖昧にしている。 そこで本研究では,AGIを認知的多目的性と熟達度に適合するものとして,これに対応するための定量的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-10-21T01:28:35Z)
• Two Experts Are All You Need for Steering Thinking: Reinforcing Cognitive Effort in MoE Reasoning Models Without Additional Training [86.70255651945602]
  我々はReinforcecing Cognitive Experts(RICE)と呼ばれる新しい推論時ステアリング手法を導入する。 RICEは、追加のトレーニングや複雑化なしに推論のパフォーマンスを改善することを目的としている。 先行する MoE ベースの LRM を用いた経験的評価は、推論精度、認知効率、ドメイン間の一般化において顕著で一貫した改善を示す。
  論文  参考訳（メタデータ） (2025-05-20T17:59:16Z)
• 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)
• 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)
• Beyond Interpretable Benchmarks: Contextual Learning through Cognitive and Multimodal Perception [0.0]
  この研究は、チューリングテストがコンピュータシステムを人為的に形作る試みであると誤解されていることを主張する。 通訳性に欠けるにもかかわらず、汎用知能の基盤として暗黙の学習を強調している。
  論文  参考訳（メタデータ） (2022-12-04T08:30:04Z)
• Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
  本稿では,認知機能構築への進化的アプローチについて考察する。 本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
  論文  参考訳（メタデータ） (2022-07-02T12:41:32Z)
• Hierarchical principles of embodied reinforcement learning: A review [11.613306236691427]
  すべての重要な認知メカニズムが独立した計算アーキテクチャで独立に実装されていることを示す。 我々は,より洗練された認知的インスパイアされた階層的手法の開発を導くことを期待する。
  論文  参考訳（メタデータ） (2020-12-18T10:19:38Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)

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。