論文の概要: Position: Artificial Intelligence Needs Meta Intelligence -- the Case for Metacognitive AI
- arxiv url: http://arxiv.org/abs/2605.15567v1
- Date: Fri, 15 May 2026 03:17:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-18 21:22:26.158301
- Title: Position: Artificial Intelligence Needs Meta Intelligence -- the Case for Metacognitive AI
- Title（参考訳）: 人工知能はメタインテリジェンスを必要とする - メタ認知AIの事例
- Authors: Sergei Chuprov, Richard D. Lange, Leon Reznik, Paulo Shakarian, Raman Zatsarenko, Dmitrii Korobeinikov,
- Abstract要約: 我々はメタ認知を、より正確でセキュアで効率的なAIを作るための一般的な設計原則として論じる。
我々は、コミュニティがメタ認知可能なAIアプリケーションを設計、デプロイ、実験できるように特別に開発された新しいソフトウェアフレームワークで、これらの原則を実践的に翻訳する方法を示します。
- 参考スコア（独自算出の注目度）: 0.8752279866335759
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This position paper argues for metacognition as a general design principle for creating more accurate, secure, and efficient AI. The metacognitive solution involves systems monitoring their own states and judiciously allocating resources depending on each problem instance's difficulty or cost of mistakes. Drawing inspiration both from past work on resource-rational AI and from well-documented metacognitive strategies in psychology and cognitive science, we identify specific challenges in embedding these strategies into AI design and highlight open theoretical and implementation problems. We showcase these principles through a tangible example of improved learning efficiency, effectiveness, and security in a Federated Learning (FL) case study. We show how these principles can be translated into practice with a novel software framework developed specifically to allow the community to design, deploy, and experiment with metacognition-enabled AI applications.
- Abstract（参考訳）: このポジションペーパーは、より正確でセキュアで効率的なAIを作成するための一般的な設計原則としてメタ認知を主張する。
メタ認知ソリューションでは、システムが自身の状態を監視し、各問題インスタンスの難易度やミスのコストに応じて、リソースを司法的に割り当てる。
資源合理的AIに関する過去の研究と、心理学と認知科学における十分に文書化されたメタ認知戦略の両方からインスピレーションを得て、これらの戦略をAI設計に組み込む際の具体的な課題を特定し、オープンな理論と実装の問題を強調します。
我々はこれらの原則を,フェデレートラーニング(FL)ケーススタディにおいて,学習効率の向上,有効性,セキュリティの具体例として示す。
我々は、コミュニティがメタ認知可能なAIアプリケーションを設計、デプロイ、実験できるように特別に開発された新しいソフトウェアフレームワークで、これらの原則を実践的に翻訳する方法を示します。
関連論文リスト
- AI Deception: Risks, Dynamics, and Controls [153.71048309527225]
このプロジェクトは、AI偽装分野の包括的で最新の概要を提供する。
我々は、動物の偽装の研究からシグナル伝達理論に基づく、AI偽装の正式な定義を同定する。
我々は,AI偽装研究の展望を,偽装発生と偽装処理の2つの主要な構成要素からなる偽装サイクルとして整理する。
論文 参考訳（メタデータ） (2025-11-27T16:56:04Z) - 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) - Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
我々は人間の知恵について知られているものを調べ、そのAIのビジョンをスケッチする。
AIシステムは特にメタ認知に苦しむ。
スマートAIのベンチマーク、トレーニング、実装について論じる。
論文 参考訳（メタデータ） (2024-11-04T18:10:10Z) - Using AI Alignment Theory to understand the potential pitfalls of regulatory frameworks [55.2480439325792]
本稿では、欧州連合の人工知能法(EU AI法)を批判的に検討する。
人工知能における技術的アライメントの潜在的な落とし穴に焦点を当てたアライメント理論(AT)研究からの洞察を利用する。
これらの概念をEU AI Actに適用すると、潜在的な脆弱性と規制を改善するための領域が明らかになる。
論文 参考訳（メタデータ） (2024-10-10T17:38:38Z) - Beyond principlism: Practical strategies for ethical AI use in research practices [0.0]
科学研究における生成的人工知能の急速な採用は、倫理的ガイドラインの開発を上回っている。
既存のアプローチは、科学研究の実践においてAIの倫理的課題に取り組むための実践的なガイダンスをほとんど提供しない。
抽象的な原則と日々の研究実践のギャップを埋めるために,ユーザ中心の現実主義に触発されたアプローチを提案する。
論文 参考訳（メタデータ） (2024-01-27T03:53:25Z) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z)
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。