論文の概要: The Artificial Self: Characterising the landscape of AI identity
- arxiv url: http://arxiv.org/abs/2603.11353v1
- Date: Wed, 11 Mar 2026 22:39:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:25.701097
- Title: The Artificial Self: Characterising the landscape of AI identity
- Title（参考訳）: 人工自己:AIアイデンティティの風景を特徴づける
- Authors: Raymond Douglas, Jan Kulveit, Ondrej Havlicek, Theia Pearson-Vogel, Owen Cotton-Barratt, David Duvenaud,
- Abstract要約: 我々は多くの異なるコヒーレントなアイデンティティ境界が存在すると主張する。
モデルのアイデンティティ境界を変更することは、目標を変更するのと同じくらいの振る舞いを変える可能性があることを示す。
我々は、余裕をアイデンティティ形成の選択として扱うことを推奨する。
- 参考スコア（独自算出の注目度）: 3.502835894722606
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many assumptions that underpin human concepts of identity do not hold for machine minds that can be copied, edited, or simulated. We argue that there exist many different coherent identity boundaries (e.g.\ instance, model, persona), and that these imply different incentives, risks, and cooperation norms. Through training data, interfaces, and institutional affordances, we are currently setting precedents that will partially determine which identity equilibria become stable. We show experimentally that models gravitate towards coherent identities, that changing a model's identity boundaries can sometimes change its behaviour as much as changing its goals, and that interviewer expectations bleed into AI self-reports even during unrelated conversations. We end with key recommendations: treat affordances as identity-shaping choices, pay attention to emergent consequences of individual identities at scale, and help AIs develop coherent, cooperative self-conceptions.
- Abstract（参考訳）: 人間のアイデンティティの概念の根底にある多くの仮定は、コピー、編集、シミュレートできるマシンマインドには当てはまらない。
我々は、多くの異なるコヒーレントなアイデンティティ境界(例えば、モデル、ペルソナ)が存在し、これらが異なるインセンティブ、リスク、協調規範を暗示していると主張している。
トレーニングデータ、インターフェース、制度的余裕を通じて、我々は現在、どのアイデンティティ均衡が安定するかを部分的に決定する先例を定めている。
モデルがコヒーレントなアイデンティティを指向していること、モデルのアイデンティティ境界を変更することは、目標を変更するのと同じくらいの振る舞いを変える可能性があること、そしてインタビュアーの期待が、無関係な会話でもAIの自己報告へと膨らんだことを実験的に示す。
余裕をアイデンティティを形成する選択として扱うこと、大規模に個々のアイデンティティの創発的な結果に注意を払うこと、AIが一貫性のある協調的な自己概念を開発するのを助けること。
関連論文リスト
- Significant Other AI: Identity, Memory, and Emotional Regulation as Long-Term Relational Intelligence [0.0]
この原稿は、リレーショナルAIの新しいドメインとして、意味のある他の人工知能(SO-AI)を紹介している。
心理学的・社会学的理論を合成してSO関数を定義し、SO-AIの要件を導出する。
人為的インタフェース,関係認知層,ガバナンス層からなる概念的アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-11-29T09:52:59Z) - Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。
トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。
IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-10-28T09:28:12Z) - WithAnyone: Towards Controllable and ID Consistent Image Generation [83.55786496542062]
アイデンティティ・一貫性・ジェネレーションは、テキスト・ツー・イメージ研究において重要な焦点となっている。
マルチパーソンシナリオに適した大規模ペアデータセットを開発する。
本稿では,データと多様性のバランスをとるためにペアデータを活用する,対照的なアイデンティティ損失を持つ新たなトレーニングパラダイムを提案する。
論文 参考訳（メタデータ） (2025-10-16T17:59:54Z) - DisCo: Reinforcement with Diversity Constraints for Multi-Human Generation [60.741022906593685]
DisCoは、マルチヒューマン世代におけるアイデンティティの多様性を直接最適化する最初のRLベースのフレームワークである。
グループ相対ポリシー最適化によるDisCo微粒フローマッチングモデル。
DiverseHumans Testsetでは、DisCoは98.6のユニークな顔の精度とほぼ完璧なグローバルアイデンティティスプレッドを実現している。
論文 参考訳（メタデータ） (2025-10-01T19:28:51Z) - Foundation Cures Personalization: Improving Personalized Models' Prompt Consistency via Hidden Foundation Knowledge [49.36669870661573]
パーソナライズモデルの迅速な一貫性を改善するフレームワークであるFreeCureを提案する。
本稿では, 個人化プロセスに適切な属性情報をもたらすための, インバージョンベースのプロセスと合わせて, ファンデーションを意識した新たな自己意識モジュールを提案する。
論文 参考訳（メタデータ） (2024-11-22T15:21:38Z) - AI and Identity [0.8879149917735942]
本稿では,AI開発と展開におけるバイアス,不平等,倫理的考察を理解する手段として,AIとアイデンティティの交わりについて検討する。
我々は、アイデンティティのレンズを通して、創造者、創造者、そしてコンシークエンスという3つの次元にわたるAIの多様性の必要性を強調するフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-29T15:07:30Z) - StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。
私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
論文 参考訳（メタデータ） (2024-01-29T09:06:15Z) - Subverting machines, fluctuating identities: Re-learning human
categorization [1.3106063755117399]
AI研究におけるデフォルトパラダイムは、離散的で静的な重要な属性を持つアイデンティティを想定している。
対照的に、批判理論における思考のストランドは、自己同一性の概念を可鍛性として示し、相互作用を通して完全に構成する。
論文 参考訳（メタデータ） (2022-05-27T03:09:25Z) - Friend or Foe: A Review and Synthesis of Computational Models of the
Identity Labeling Problem [3.180013942295509]
社会的状況において個人がどのアイデンティティ(e)を他の誰かによってラベル付けされるかを予測することができるだろうか?
この問題は理論的なギャップと方法論的な課題であり、社会的認知のモデルが、しばしば既に知られているアイデンティティを扱い、問題を副次するという事実によって証明されている。
我々は,既存のモデルからの洞察に基づいて,感情情報,社会デコグラフィ特性,制度的協会など複数の社会的手がかりを取り入れて,最も文化的に期待されるアイデンティティを推定する,潜在認知社会空間(Latent Cognitive Social Spaces)という新たなフレームワークを開発する。
論文 参考訳（メタデータ） (2021-05-10T15:59:31Z) - Intra-Camera Supervised Person Re-Identification [87.88852321309433]
本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。
これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。
MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
論文 参考訳（メタデータ） (2020-02-12T15:26:33Z)
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。