論文の概要: An Algebraic Exposition of the Theory of Dyadic Morality

• arxiv url: http://arxiv.org/abs/2605.16153v1
• Date: Fri, 15 May 2026 16:33:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.374879
• Title: An Algebraic Exposition of the Theory of Dyadic Morality
• Title（参考訳）: 動的モラルの理論の代数的表象
• Authors: Kush R. Varshney,
• Abstract要約: 本稿では, ダイアドモラル理論(TDM)の解説を行う。 我々は構造因果モデリング(SCM)表記を用いてTDMを定式化する。 道徳的認知がノード崩壊と逐次処理を通じてマルチノードシナリオをいかに圧縮するかを示す。 この形式化により、神経記号型AIシステムは、数学的に厳格で人間の道徳的認知に忠実な方法で道徳を計算できる。
• 参考スコア（独自算出の注目度）: 11.173424329043657
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper provides an algebraic exposition of the theory of dyadic morality (TDM), a psychological model of moral judgment grounded in a simple two-node template: an intentional agent causing harm to a vulnerable patient. We formalize TDM using structural causal modeling (SCM) notation and identify three psychological operators (typecasting operator, completion operator, and valence-dependent inference mechanism) that extend standard SCM to capture how people compute moral judgments under constraints. We address scalability challenges arising from TDM's dyadic limitation, showing how moral cognition compresses multi-node scenarios through node collapse and sequential processing. Drawing on this algebraic framework, we demonstrate concrete applications to AI policy design: detecting conflicting obligations, structuring helpfulness policies to preserve user agency, and designing post-failure communication as causal interventions. Finally, we recommend scoped, contextual measurement of mind perception over universal averaging to operationalize the theory empirically. This algebraic formalization enables neurosymbolic AI systems to compute morality in a way that is both mathematically rigorous and faithful to human moral cognition.
• Abstract（参考訳）: 本稿では、単純な2ノードテンプレートをベースとした道徳的判断の心理的モデルである、Dyadic morality(TDM)の理論の代数的説明を提供する。 我々は、構造因果モデリング(SCM)表記を用いてTDMを定式化し、標準SCMを拡張して、人が制約の下で道徳的判断をどう計算するかをキャプチャする3つの心理学的演算子(タイプキャスティング演算子、完了演算子、価依存推論機構)を同定する。 我々は、TDMのダイアド制限によるスケーラビリティの課題に対処し、ノードの崩壊やシーケンシャルな処理を通じて、道徳的認知がマルチノードシナリオをいかに圧縮するかを示す。 この代数的枠組みに基づいて、我々はAI政策設計への具体的な応用を実証する:矛盾する義務の検出、ユーザエージェンシーを維持するための支援ポリシーの構築、そして因果的介入として障害後のコミュニケーションを設計する。 最後に、理論を実証的に運用するために、普遍的な平均化よりも、心の知覚のスコープ付き文脈計測を推奨する。 この代数的形式化は、人間の道徳的認知に忠実で数学的に厳密な方法で、ニューロシンボリックAIシステムが道徳を計算することを可能にする。

関連論文リスト

• Active Inference: A method for Phenotyping Agency in AI systems? [0.11904398364437437]
  3つの基準を基準として、原則検査に開放された最小限の概念について論じる。 後続の信念、事前の嗜好、そして期待される自由エネルギーの最小化は、共同でエージェント・アクション・チェーンを構成する。
  論文  参考訳（メタデータ） (2026-04-25T12:41:53Z)
• Large Language Models as a Semantic Interface and Ethical Mediator in Neuro-Digital Ecosystems: Conceptual Foundations and a Regulatory Imperative [83.99688944263843]
  本稿では,神経言語統合(NLI)の概念を紹介し,実証する。 これは、大規模言語モデルが生のニューラルネットワークとそのソーシャルアプリケーションの間の重要なセマンティックインターフェースとして機能する、人間とテクノロジーの相互作用のための新しいパラダイムである。 我々は、神経データ保護だけでなく、AIを介する意味論的解釈自体の倫理にも焦点をあてた「二階神経倫理学の発展を論じる」。
  論文  参考訳（メタデータ） (2026-03-18T07:34:17Z)
• Breaking Up with Normatively Monolithic Agency with GRACE: A Reason-Based Neuro-Symbolic Architecture for Safe and Ethical AI Alignment [7.776436480034601]
  ニューロシンボリックな理由に基づく封じ込めアーキテクチャ、GRACE(Reason-Aligned ContainmEnt)の知事について紹介する。 GRACEは、道具的な意思決定から規範的推論を分離し、事実上あらゆる設計のAIエージェントを含むことができる。 MMは、意味論的論理のセマンティック基盤を提供する理性に基づく形式主義を用いており、解釈可能性、競合性、正当性を実現している。
  論文  参考訳（メタデータ） (2026-01-15T15:47:38Z)
• The Double Life of Code World Models: Provably Unmasking Malicious Behavior Through Execution Traces [0.0]
  大規模言語モデル(LLM)は、人間の監督を最小限に抑えたコードを生成する傾向にある。 セマンティック分析により信頼できないコード生成モデルを検証する新しいAI制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-15T19:05:37Z)
• Probabilistic Modeling of Latent Agentic Substructures in Deep Neural Networks [7.4145864319417285]
  ニューラルモデルに対する確率論的モデリングに基づくインテリジェントエージェンシーの理論を開発する。 線形プールや連立結果空間では厳密な一様性は不可能であるが、3つ以上の結果が得られる。
  論文  参考訳（メタデータ） (2025-09-08T13:55:01Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
  本稿では,ニューラルモデルによる反事実文の評価について検討する。 まず、神経因果モデル(NCM)が十分に表現可能であることを示す。 第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-09-30T18:29:09Z)

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。