論文の概要: Neuro-Symbolic Strong-AI Robots with Closed Knowledge Assumption: Learning and Deductions
- arxiv url: http://arxiv.org/abs/2604.09567v1
- Date: Wed, 18 Feb 2026 21:57:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-19 19:09:11.504567
- Title: Neuro-Symbolic Strong-AI Robots with Closed Knowledge Assumption: Learning and Deductions
- Title（参考訳）: 身近な知識を前提としたニューロシンボリック型強AIロボット:学習と減量
- Authors: Zoran Majkic,
- Abstract要約: 強いAI(AGI)ロボットは、入力と経験を通じて学習し、常に進歩し、時間とともにその能力を向上させる必要がある。
公理を用いることで、論理的推論に基づいてロボットの動作に関するテキスト制御されたセキュリティを保証できる。
AGIロボットでは、4つの評価されたベルナップの知識順序付き真理値のビラティティクスを考える。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Knowledge representation formalisms are aimed to represent general conceptual information and are typically used in the construction of the knowledge base of reasoning agent. A knowledge base can be thought of as representing the beliefs of such an agent. Like a child, a strong-AI (AGI) robot would have to learn through input and experiences, constantly progressing and advancing its abilities over time. Both with statistical AI generated by neural networks we need also the concept of \textsl{causality} of events traduced into directionality of logic entailments and deductions in order to give to robots the emulation of human intelligence. Moreover, by using the axioms we can guarantee the \textsl{controlled security} about robot's actions based on logic inferences. For AGI robots we consider the 4-valued Belnap's bilattice of truth-values with knowledge ordering as well, where the value "unknown" is the bottom value, the sentences with this value are indeed unknown facts, that is, the missed knowledge in the AGI robots. Thus, these unknown facts are not part of the robot's knowledge database, and by learn through input and experiences, the robot's knowledge would be naturally expanded over time. Consequently, this phenomena can be represented by the Closed Knowledge Assumption and Logic Inference provided by this paper. Moreover, the truth-value "inconsistent", which is the top value in the knowledge ordering of Belnap's bilattice, is necessary for strong-AI robots to be able to support such inconsistent information and paradoxes, like Liar paradox, during deduction processes.
- Abstract（参考訳）: 知識表現形式は一般的な概念情報を表現することを目的としており、典型的には推論エージェントの知識基盤の構築に使用される。
知識基盤は、そのようなエージェントの信念を表すものとして考えることができる。
子どものように、強いAI(AGI)ロボットはインプットと経験を通じて学び、常に進歩し、時間とともにその能力を前進させなければならない。
ニューラルネットワークによって生成される統計的AIでは、ロボットに人間の知性のエミュレーションを与えるために、論理的エンタテインメントと推論の方向性にトラクションされるイベントの「textsl{causality}」という概念も必要です。
さらに、公理を用いることで、論理的推論に基づいてロボットの動作に関する \textsl{control security} を保証できる。
AGIロボットでは、4つの評価されたベルナップの真理値のビラティクスと知識順序付けを考えるが、ここでは「未知」の値が底値であり、この値の文は実際には未知の事実であり、すなわちAGIロボットの知識の欠落である。
したがって、これらの未知の事実はロボットの知識データベースの一部ではなく、インプットと経験を通して学習することで、ロボットの知識は時間とともに自然に拡大される。
したがって、この現象は、本論文が提供する閉知識推定と論理推論によって表現することができる。
さらに、ベルナップのビラテックスの知識順序の最高値である真理値の「矛盾」は、推論過程の間、強力なAIロボットがそのような矛盾した情報や、リアパラドックスのようなパラドックスをサポートするために必要である。
関連論文リスト
- Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
音の誘惑的推論は、一般知能の必然的に望ましい側面である。
もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。
彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-30T14:37:50Z) - How Artificial Intelligence Leads to Knowledge Why: An Inquiry Inspired by Aristotle's Posterior Analytics [0.0]
この研究は、人工知能の中でアリストテレスの知識と知識の区別を明らかにするために、因果系の理論的枠組みを導入する。
外部介入の効果を予測することは、なぜかという知識だけで実現可能であり、そのようなタスクに必要な知識をより正確に理解することができると論じている。
論文 参考訳（メタデータ） (2025-04-03T09:37:05Z) - Explaining Explaining [0.882727051273924]
高度なAIシステムに自信を持つ人々にとって、説明は鍵となる。
マシンラーニングベースのシステムは、通常はブラックボックスであるため、説明できない。
認知エージェント開発におけるハイブリッドアプローチについて述べる。
論文 参考訳（メタデータ） (2024-09-26T16:55:44Z) - Learning by Applying: A General Framework for Mathematical Reasoning via
Enhancing Explicit Knowledge Learning [47.96987739801807]
本稿では,既存のモデル(バックボーン)を明示的な知識学習によって原則的に拡張する枠組みを提案する。
LeApでは,新しい問題知識表現パラダイムで知識学習を行う。
LeApはすべてのバックボーンのパフォーマンスを改善し、正確な知識を習得し、より解釈可能な推論プロセスを実現する。
論文 参考訳（メタデータ） (2023-02-11T15:15:41Z) - Evaluating Human-like Explanations for Robot Actions in Reinforcement
Learning Scenarios [1.671353192305391]
我々は、自律ロボットが行動を実行した後の目標を達成するために、成功の確率から構築された人間のような説明を活用している。
これらの説明は、人工知能の手法の経験がほとんど、あるいはほとんどない人々によって理解されることを意図している。
論文 参考訳（メタデータ） (2022-07-07T10:40:24Z) - Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。
この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。
これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
論文 参考訳（メタデータ） (2020-11-30T18:29:25Z) - Towards Abstract Relational Learning in Human Robot Interaction [73.67226556788498]
人間は環境における実体を豊かに表現する。
ロボットが人間とうまく対話する必要がある場合、同様の方法で実体、属性、一般化を表現する必要がある。
本研究では,人間とロボットの相互作用を通じて,これらの表現をどのように獲得するかという課題に対処する。
論文 参考訳（メタデータ） (2020-11-20T12:06:46Z) - Computing Machinery and Knowledge [0.0]
論文は、AIエージェントが、AIにおける現在の最先端技術と、AI開発が超知能AIエージェントの観点でもたらすものの両方から、これを知り、検証することが可能である、と論じている。
論文 参考訳（メタデータ） (2020-10-31T09:27:53Z) - Neuro-symbolic Architectures for Context Understanding [59.899606495602406]
本稿では,データ駆動型アプローチと知識駆動型アプローチの強みを組み合わせたフレームワークとして,ハイブリッドAI手法を提案する。
具体的には、知識ベースを用いて深層ニューラルネットワークの学習過程を導く方法として、ニューロシンボリズムの概念を継承する。
論文 参考訳（メタデータ） (2020-03-09T15:04:07Z) - A general framework for scientifically inspired explanations in AI [76.48625630211943]
我々は、AIシステムの説明を実装可能な一般的なフレームワークの理論的基盤として、科学的説明の構造の概念をインスタンス化する。
このフレームワークは、AIシステムの"メンタルモデル"を構築するためのツールを提供することを目的としている。
論文 参考訳（メタデータ） (2020-03-02T10:32:21Z)
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。