論文の概要: The Reasoning Error About Reasoning: Why Different Types of Reasoning Require Different Representational Structures
- arxiv url: http://arxiv.org/abs/2603.21736v1
- Date: Mon, 23 Mar 2026 09:25:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:39.589209
- Title: The Reasoning Error About Reasoning: Why Different Types of Reasoning Require Different Representational Structures
- Title（参考訳）: 推論の誤り:なぜ異なるタイプの推論が異なる表現構造を必要とするのか
- Authors: Yiling Wu,
- Abstract要約: 異なるタイプの推論は、表現システムに異なる構造的要求を課す。
これらの要求の体系的な説明は、心理学、AI、心の哲学にわたって存在しない。
表現システムの4つの構造特性を同定する枠組みを提案する。
- 参考スコア（独自算出の注目度）: 8.909115457491522
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Different types of reasoning impose different structural demands on representational systems, yet no systematic account of these demands exists across psychology, AI, and philosophy of mind. I propose a framework identifying four structural properties of representational systems: operability, consistency, structural preservation, and compositionality. These properties are demanded to different degrees by different forms of reasoning, from induction through analogy and causal inference to deduction and formal logic. Each property excludes a distinct class of reasoning failure. The analysis reveals a principal structural boundary: reasoning types below it can operate on associative, probabilistic representations, while those above it require all four properties to be fully satisfied. Scaling statistical learning without structural reorganization is insufficient to cross this boundary, because the structural guarantees required by deductive reasoning cannot be approximated through probabilistic means. Converging evidence from AI evaluation, developmental psychology, and cognitive neuroscience supports the framework at different levels of directness. Three testable predictions are derived, including compounding degradation, selective vulnerability to targeted structural disruption, and irreducibility under scaling. The framework is a necessary-condition account, agnostic about representational format, that aims to reorganize existing debates rather than close them.
- Abstract（参考訳）: 異なるタイプの推論は、表現システムに異なる構造的要求を課すが、これらの要求の体系的な説明は、心理学、AI、心の哲学にわたって存在しない。
本稿では,表現システムの4つの構造特性(操作性,一貫性,構造保存性,構成性)を同定する枠組みを提案する。
これらの性質は、類推や因果推論から推論、推論、形式論理まで、様々な推論形式によって異なる次数に要求される。
各プロパティは、推論失敗の異なるクラスを除外する。
解析は主要な構造的境界を明らかにし、その下にある推論型は結合的で確率的な表現を操作できるが、上の4つの性質全てを完全に満たす必要がある。
帰納的推論によって要求される構造的保証は確率論的手段で近似できないため、構造的再構成なしに統計的学習をスケールすることは、この境界を越えるには不十分である。
AI評価、発達心理学、認知神経科学のエビデンスを収束させることは、このフレームワークを様々なレベルの直接性で支持する。
3つの検証可能な予測が導出され, 複合劣化, 対象構造破壊に対する選択的脆弱性, スケーリング時の既約性を含む。
このフレームワークは必要条件の説明であり、表現形式に無知であり、それを閉じるのではなく、既存の議論を再編成することを目的としている。
関連論文リスト
- Axiomatic Foundations of Counterfactual Explanations [5.285396202883409]
カウンターファクトは最も説得力のある説明の1つとして現れてきた。
既存の説明者は、一つの種類の反事実に焦点を当てており、局所的な説明に制限されている。
本稿では, 反現実的説明者にとって望ましい性質の集合の上に構築された公理的枠組みを紹介する。
論文 参考訳（メタデータ） (2026-02-03T21:34:18Z) - Schoenfeld's Anatomy of Mathematical Reasoning by Language Models [56.656180566692946]
我々は、Schoenfeldのエピソード理論を誘導型中間スケールレンズとして採用し、ThinkARM(モデルにおける推論の解剖学)を紹介する。
ThinkARMは、推論トレースを分析、探索、実装、検証などの機能的推論ステップに明示的に抽象化する。
エピソードレベルの表現は推論ステップを明確にし、現代の言語モデルにおける推論がどのように構造化され、安定化され、変更されるかの体系的な分析を可能にする。
論文 参考訳（メタデータ） (2025-12-23T02:44:25Z) - Reasoning is about giving reasons [55.56111618153049]
高い精度の3つの一般的な推論データセットにおいて、自然言語の引数の論理構造を同定し、抽出できることが示される。
我々のアプローチは、自然言語の引数の論理構造に依存するあらゆる推論形式をサポートする。
論文 参考訳（メタデータ） (2025-08-20T07:26:53Z) - Reasoning Systems as Structured Processes: Foundations, Failures, and Formal Criteria [1.2064681974642195]
我々は、現象、説明空間、推論と生成マップ、原理ベースからなる構造体として推論システムをモデル化する。
我々は,コヒーレンス,健全性,完全性を含む基本的な内部基準と,矛盾,不完全性,非収束性といった典型的な障害モードのカタログを調査する。
この研究の目的は、特に内部の失敗、適応、断片化が発生する可能性のある状況において、推論システムを表現し比較するための基礎構造を確立することである。
論文 参考訳（メタデータ） (2025-08-03T14:04:15Z) - Canonical Representations of Markovian Structural Causal Models: A Framework for Counterfactual Reasoning [0.7106986689736826]
「偽りの理性は、アリスがアスピリンを飲んだら回復しただろうか?」
本稿では,ある因果グラフモデルに適合する反ファクトを表現するために,構造因果モデルに対する代替手法を提案する。
本稿では,(通常テスト可能な)介入制約から(任意かつ不可能な)カウンターファクト選択を解き放つ正規化手順を提案する。
論文 参考訳（メタデータ） (2025-07-22T09:13:02Z) - The Theory of the Unique Latent Pattern: A Formal Epistemic Framework for Structural Singularity in Complex Systems [2.44755919161855]
本稿では,動的システムにおける複雑性の起源を再定義する形式的枠組みとして,一様潜在パターンの理論(ULP)を紹介する。
ULPは、本質的なランダム性や創発的な非線形性に予測不可能をもたらすのではなく、全ての分析可能な系は構造的にユニークで決定論的な生成機構によって支配されていると主張する。
論文 参考訳（メタデータ） (2025-05-24T19:52:28Z) - Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales [54.78115855552886]
本稿では、畳み込みニューラルネットワーク(CNN)のような階層型アーキテクチャを用いて、オーバーコンプリート不変量を構築する方法を示す。
オーバーコンプリート性により、そのタスクはニューラルアーキテクチャサーチ(NAS)のような方法で適応的に形成される。
大規模で頑健で解釈可能な視覚タスクの場合、階層的不変表現は伝統的なCNNや不変量に対する効果的な代替物とみなすことができる。
論文 参考訳（メタデータ） (2024-02-23T16:50:07Z) - A Semantic Approach to Decidability in Epistemic Planning (Extended
Version) [72.77805489645604]
我々は決定可能性を達成するために新しい意味論的アプローチを用いる。
具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。
我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
論文 参考訳（メタデータ） (2023-07-28T11:26:26Z) - MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。
推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。
この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
論文 参考訳（メタデータ） (2022-10-22T16:01:13Z) - Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。
すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。
推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文 参考訳（メタデータ） (2020-06-23T16:55:45Z)
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。