論文の概要: Conversational Agents and the Understanding of Human Language: Reflections on AI, LLMs, and Cognitive Science

• arxiv url: http://arxiv.org/abs/2603.27809v1
• Date: Sun, 29 Mar 2026 18:44:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.12709
• Title: Conversational Agents and the Understanding of Human Language: Reflections on AI, LLMs, and Cognitive Science
• Title（参考訳）: 会話エージェントと人間の言語理解--AI, LLM, 認知科学を振り返って
• Authors: Andrei Popescu-Belis,
• Abstract要約: コンピュータによる自然言語処理(NLP)と人間の言語能力の理解との関係について論じる。 言語技術の進化は、人間の心がどのように自然言語を処理するかについての理解を著しく深めていないと結論付けている。
• 参考スコア（独自算出の注目度）: 2.8427946758947313
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we discuss the relationship between natural language processing by computers (NLP) and the understanding of the human language capacity, as studied by linguistics and cognitive science. We outline the evolution of NLP from its beginnings until the age of large language models, and highlight for each of its main paradigms some similarities and differences with theories of the human language capacity. We conclude that the evolution of language technology has not substantially deepened our understanding of how human minds process natural language, despite the impressive language abilities attained by current chatbots using artificial neural networks.
• Abstract（参考訳）: 本稿では,コンピュータによる自然言語処理(NLP)と人間の言語能力の理解との関係について,言語学と認知科学で検討した。 我々は,NLPの始まりから大規模言語モデルの時代にかけての進化を概説し,その主要なパラダイムのそれぞれについて,人間の言語能力の理論との類似点と相違点をいくつか挙げる。 人工ニューラルネットワークを用いた現在のチャットボットによって達成された印象的な言語能力にもかかわらず、言語技術の進化は人間の心が自然言語をどのように処理するかの理解を著しく深めていないと結論付けている。

関連論文リスト

• Text Production and Comprehension by Human and Artificial Intelligence: Interdisciplinary Workshop Report [0.0]
  本報告は、認知心理学、言語学習、人工知能(AI)に基づく自然言語処理(NLP)の専門家を集めた最近の学際ワークショップの結果を合成する。 このワークショップは、テキスト理解と構成におけるAI言語モデルと人間の認知プロセスとの関係を理解する上で、重要な知識ギャップに対処することを目的としていた。
  論文  参考訳（メタデータ） (2025-06-28T00:31:14Z)
• Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
  大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。 これらのモデルでは、概念は人間のものと似ていますか? LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• Learning and communication pressures in neural networks: Lessons from emergent communication [5.371337604556311]
  ニューラルエージェントの言語行動と人間とのミスマッチが解決された3症例について検討した。 我々は、コミュニケーションの成功、生産努力、学習可能性、その他の心理・社会言語学的要因といった、言語学習と台頭のための重要なプレッシャーを識別する。
  論文  参考訳（メタデータ） (2024-03-21T14:33:34Z)
• Dissociating language and thought in large language models [52.39241645471213]
  大規模言語モデル(LLM)は、人間の言語を習得する上で、今までに最も近いモデルである。 我々は、この区別を人間の神経科学に根ざし、形式的、機能的な能力は異なる神経機構に依存していることを示した。 LLMは形式的能力は驚くほど優れているが、機能的能力のタスクにおける性能はいまだに不明瞭である。
  論文  参考訳（メタデータ） (2023-01-16T22:41:19Z)
• Language Cognition and Language Computation -- Human and Machine Language Understanding [51.56546543716759]
  言語理解は認知科学とコンピュータ科学の分野で重要な科学的問題である。 これらの規律を組み合わせることで、インテリジェントな言語モデルを構築する上で、新たな洞察が得られますか?
  論文  参考訳（メタデータ） (2023-01-12T02:37:00Z)

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。