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
- 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
- Beyond the Academic Monoculture: A Unified Framework and Industrial Perspective for Attributed Graph Clustering [75.50670592447219]
分散グラフクラスタリング(AGC)は、構造トポロジとノード属性を共同でモデル化することによって、ノードを凝集性グループに分割する基本的な教師なしタスクである。
この調査は、3つの相補的な視点からAGCを包括的かつ工業的に基礎づけたレビューを提供する。
論文 参考訳（メタデータ） (2026-03-21T14:15:34Z) - A Two-Dimensional Framework for AI Agent Design Patterns: Cognitive Function and Execution Topology [54.72352855252792]
本研究では,認知関数軸を7つのカテゴリ,実行位相軸を6つの構造的アーチタイプと組み合わせた2次元分類を提案する。
その結果得られた7x6行列は、27の名前付きパターン、13のオリジナルネームを識別し、AIエージェントアーキテクチャ設計のための原則付き、フレームワークニュートラル、モデルに依存しない語彙を提供する。
論文 参考訳（メタデータ） (2026-03-16T04:01:01Z) - From Accuracy to Impact: The Impact-Driven AI Framework (IDAIF) for Aligning Engineering Architecture with Theory of Change [0.40611352512781873]
インパクト駆動型AIフレームワーク(IDAIF、Impact-Driven AI Framework)は、変化の理論(ToC)と現代の人工知能システム設計を統合する新しいアーキテクチャ方法論である。
IDAIFは、ToCの5段階モデルと対応するAIアーキテクチャレイヤの体系的なマッピングを確立することで、このギャップに対処する。
3つのケーススタディは、医療、サイバーセキュリティ、ソフトウェアエンジニアリングドメインにまたがるIDAIFアプリケーションを実証している。
論文 参考訳（メタデータ） (2025-12-09T10:21:02Z) - BioArc: Discovering Optimal Neural Architectures for Biological Foundation Models [31.218090448573776]
基礎モデルは自然言語処理(NLP)やコンピュータビジョン(CV)といった様々な分野に革命をもたらした。
直観駆動型アーキテクチャ設計を超えて,生物基盤モデルのための原則付き自動アーキテクチャ発見へ移行する,新たなフレームワークであるBioArcを紹介する。
本研究は,生物の次世代タスク固有モデルと基礎モデルの作成を導くための基礎的資源と原則的方法論を提供する。
論文 参考訳（メタデータ） (2025-11-29T02:36:54Z) - Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。
我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
論文 参考訳（メタデータ） (2025-05-28T15:20:09Z) - Graph Foundation Models: A Comprehensive Survey [66.74249119139661]
Graph Foundation Models (GFMs)は、構造化データにスケーラブルで汎用的なインテリジェンスを提供することを目指している。
この調査は、GFMの概要を包括的に提供し、モジュラーフレームワークの下での多様な取り組みを統合する。
GFMは構造化データに対するオープンエンド推論の基盤となる。
論文 参考訳（メタデータ） (2025-05-21T05:08:00Z) - 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) - A Compositional Approach to Creating Architecture Frameworks with an
Application to Distributed AI Systems [16.690434072032176]
構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。
論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
論文 参考訳（メタデータ） (2022-12-27T18:05:02Z) - The General Theory of General Intelligence: A Pragmatic Patternist
Perspective [0.0]
レビューでは、基礎となる哲学、インテリジェンスの概念の形式化、およびAGIシステムのためのハイレベルアーキテクチャを取り上げている。
人間に似た認知アーキテクチャの特質は、これらの一般的な原則の表象として提示される。
OpenCog Hyperonのようなフレームワークにおける高度なAGIの実践的な実装の教訓を簡潔に検討する。
論文 参考訳（メタデータ） (2021-03-28T10:11:25Z)
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。