論文の概要: Working Paper: Towards a Category-theoretic Comparative Framework for Artificial General Intelligence

• arxiv url: http://arxiv.org/abs/2603.28906v1
• Date: Mon, 30 Mar 2026 18:34:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:02.666349
• Title: Working Paper: Towards a Category-theoretic Comparative Framework for Artificial General Intelligence
• Title（参考訳）: 作業論文:人工知能のカテゴリー論的比較フレームワークを目指して
• Authors: Pablo de los Riscos, Fernando J. Corbacho, Michael A. Arbib,
• Abstract要約: 本研究の目的は,様々な可能なAGIアーキテクチャを記述,比較,解析するための汎用的,代数的,カテゴリー論的フレームワークを開発することである。 このフレームワークは、構文と情報の両方、およびエージェントのセマンティックな特性の定義をサポートすることを意図している。
• 参考スコア（独自算出の注目度）: 42.17343824099138
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AGI has become the Holly Grail of AI with the promise of level intelligence and the major Tech companies around the world are investing unprecedented amounts of resources in its pursuit. Yet, there does not exist a single formal definition and only some empirical AGI benchmarking frameworks currently exist. The main purpose of this paper is to develop a general, algebraic and category theoretic framework for describing, comparing and analysing different possible AGI architectures. Thus, this Category theoretic formalization would also allow to compare different possible candidate AGI architectures, such as, RL, Universal AI, Active Inference, CRL, Schema based Learning, etc. It will allow to unambiguously expose their commonalities and differences, and what is even more important, expose areas for future research. From the applied Category theoretic point of view, we take as inspiration Machines in a Category to provide a modern view of AGI Architectures in a Category. More specifically, this first position paper provides, on one hand, a first exercise on RL, Causal RL and SBL Architectures in a Category, and on the other hand, it is a first step on a broader research program that seeks to provide a unified formal foundation for AGI systems, integrating architectural structure, informational organization, agent realization, agent and environment interaction, behavioural development over time, and the empirical evaluation of properties. This framework is also intended to support the definition of architectural properties, both syntactic and informational, as well as semantic properties of agents and their assessment in environments with explicitly characterized features. We claim that Category Theory and AGI will have a very symbiotic relation.
• Abstract（参考訳）: AGIは、レベルインテリジェンス(レベルインテリジェンス)の約束により、AIのホリーグラル(Holly Grail)になった。 しかし、単一の正式な定義はなく、現在、いくつかの経験的なAGIベンチマークフレームワークのみが存在している。 本研究の目的は,様々な可能なAGIアーキテクチャを記述,比較,解析するための汎用的,代数的,カテゴリー論的フレームワークを開発することである。 したがって、このカテゴリ理論の形式化は、RL、Universal AI、Active Inference、CRL、スキーマベースの学習など、さまざまな可能なAGIアーキテクチャの比較を可能にする。 それは、彼らの共通点と相違点を明白に公開し、さらに重要なことは、将来の研究の領域を露呈することを可能にします。 適用されたカテゴリー理論の観点から、私たちはカテゴリ内のマシンにインスピレーションを与え、カテゴリ内のAGIアーキテクチャの現代的なビューを提供する。 より具体的には、この第1のポジションペーパーは、カテゴリにおけるRL、Causal RL、SBLアーキテクチャに関する最初の演習であり、一方、AGIシステムのための統一的な公式基盤の提供、アーキテクチャ構造の統合、情報組織、エージェントの実現、エージェントと環境の相互作用、時間による行動発達、特性の実証的評価を目的とした、より広範な研究プログラムの第1ステップである。 このフレームワークはまた、構文的および情報的両方のアーキテクチャ特性の定義とエージェントの意味的特性と、特徴が明確に特徴づけられた環境におけるそれらの評価をサポートすることを意図している。 カテゴリー理論とAGIは、非常に共生的な関係を持つ。

関連論文リスト

• Levels of AGI for Operationalizing Progress on the Path to AGI [53.28828093836034]
  本稿では,人工知能(AGI)モデルとその前駆体の性能と動作を分類する枠組みを提案する。 このフレームワークは、AGIのパフォーマンス、一般性、自律性のレベルを導入し、モデルを比較し、リスクを評価し、AGIへの道筋に沿って進捗を測定する共通の言語を提供する。
  論文  参考訳（メタデータ） (2023-11-04T17:44:58Z)

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。