論文の概要: Some hypotheses on how chatbots work in problem-solving-driven conversations. Large Language Models as confirmation of the Innovation Illusion

• arxiv url: http://arxiv.org/abs/2606.07722v1
• Date: Fri, 05 Jun 2026 16:04:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.365892
• Title: Some hypotheses on how chatbots work in problem-solving-driven conversations. Large Language Models as confirmation of the Innovation Illusion
• Title（参考訳）: 問題解決型会話におけるチャットボットの動作に関する仮説 : イノベーションイリュージョンの確認としての大規模言語モデル
• Abstract要約: 我々の議論は認知言語学、神経心理学、心理学に基づいている。 基本的なチャットボットは、単純なインタフェースを持つLarge Language Model (LLM) で構成されていると仮定される。 主な成果は、いわゆる比喩的問題伝播に基づく人間の理解と思考の記述である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This article offers a perspective on the nature of chatbots as genuine conversation partners when discussing problems in relation to their solutions. What can chatbots do and what can't they do, and how can this be explained? Our argument draws on Aggregation Dynamics, Cognitive Linguistics, Neuropsychology and Psychology. Our argument focuses on basic chatbots in the hope of thereby making statements about the core functionality of more advanced chatbots. Basic chatbots are assumed to consist of a Large Language Model (LLM) with a simple interface. The main results are: a description of human understanding and thinking based on so-called metaphorical problem propagations; the hypothesis that text dataset used for training LLMs have specific characteristics and that these text datasets only partially imitate human thinking and understanding; the hypothesis that the LLM training process encodes artificial metaphorical problem propagations into an LLM from these datasets; our conclusion that a basic chatbot cannot be a thinking partner capable of matching humans; our conclusion that further development of the Large Language Model will not lead to this either. Yann LeCun states: "Animals and humans exhibit learning abilities and understandings of the world that are far beyond the capabilities of current AI and machine learning (ML) systems." Our conclusions are in line with this. LeCun's vision and ours are at odds with the optimism of Big Tech. That does not alter the fact that chatbots exist, that they are being used on a massive scale, by both individuals and organisations, and that it is therefore socially and politically important to understand them. Our article aims to contribute to the discussion on the functioning, benefits and drawbacks of chatbots. We have not yet encountered the approach we used to arrive at our conclusions in our research into how chatbots work.
• Abstract（参考訳）: 本稿は、チャットボットが真の会話相手として、そのソリューションに関する問題を議論する際に、その性質について考察する。 チャットボットに何ができるのか、何ができないのか、どうやって説明できるのか? 我々の議論は、集約ダイナミクス、認知言語学、神経心理学、心理学に焦点をあてている。 われわれの主張は、より高度なチャットボットの中核機能に関する言明を期待する、基本的なチャットボットに焦点を当てている。 基本的なチャットボットは、単純なインタフェースを持つLarge Language Model (LLM) で構成されていると仮定される。 主な成果は、いわゆる比喩的問題伝播に基づく人間の理解と思考の説明、LLMの訓練に使用されるテキストデータセットが特定の特徴を持ち、これらのテキストデータセットが部分的に人間の思考と理解を模倣しているという仮説、LLMトレーニングプロセスがこれらのデータセットからLLMに人工的な比喩的問題伝播を符号化しているという仮説、基本的チャットボットは人間をマッチングできる思考パートナーにはならないという結論、Large Language Modelのさらなる開発はこれにもたらさないという結論である。 アニマルと人間は、現在のAIと機械学習(ML)システムの能力をはるかに超える、世界の学習能力と理解を示します。 私たちの結論はこれと一致している。 LeCunのビジョンと私たちのビジョンは、Big Techの楽観主義とは相容れない。 これは、チャットボットが存在すること、チャットボットが個人と組織の両方で大規模に使われていること、そしてそれらを理解することが社会的、政治的に重要であるという事実を変えるものではない。 本稿は,チャットボットの機能,メリット,欠点に関する議論に貢献することを目的としている。 チャットボットの動作に関する私たちの研究で、私たちの結論にたどり着いたアプローチには、まだ遭遇していません。

関連論文リスト

• Chatbot Deployment Considerations for Application-Agnostic Human-Machine Dialogues [0.0]
  本論文は,技術者が考慮すべき基本的,要素的,考慮事項に光を当てることを目的としている。 このケーススタディを見てみると、社会的な価値を最重要要因として考慮することを目指している。
  論文  参考訳（メタデータ） (2025-08-30T22:46:09Z)
• Ask ChatGPT: Caveats and Mitigations for Individual Users of AI Chatbots [10.977907906989342]
  ChatGPTや他のLLM(Large Language Model)ベースのAIチャットボットは、個人の日常生活にますます統合される。 これらのシステムが個々のユーザーにどのような懸念とリスクをもたらすのか? それらが引き起こす可能性のある潜在的な害は、どのように軽減されるのか?
  論文  参考訳（メタデータ） (2025-08-14T01:40:13Z)
• Towards Anthropomorphic Conversational AI Part I: A Practical Framework [49.62013440962072]
  会話に関わる人間の知性の重要な側面を再現するために設計されたマルチモジュールフレームワークを導入する。 アプローチの第2段階では、これらの会話データは、フィルタリングとラベル付けの後に、強化学習のためのトレーニングおよびテストデータとして機能する。
  論文  参考訳（メタデータ） (2025-02-28T03:18:39Z)
• Reliable Conversational Agents under ASP Control that Understand Natural Language [0.17094064195431144]
  大きな言語モデル(LLM)は、機械との人間的な会話を可能にする。 この問題を解消する最善の方法は、文章を知識に翻訳するためにのみLLMを使用することである、と私たちは信じています。 LLMとASPをベースにしたフレームワークを開発しており、人間の会話を"理解"する信頼できるチャットボットを実現しています。
  論文  参考訳（メタデータ） (2025-02-13T11:54:28Z)
• LLM Roleplay: Simulating Human-Chatbot Interaction [52.03241266241294]
  本研究では,人間とチャットボットの対話をシミュレートする多元多元対話を自動生成する,目標指向のペルソナに基づく手法を提案する。 本手法は,人間とチャットボットの対話を高い相違率でシミュレートすることができる。
  論文  参考訳（メタデータ） (2024-07-04T14:49:46Z)
• A Complete Survey on LLM-based AI Chatbots [46.18523139094807]
  過去数十年間、データの増加を目撃し、データ収集、学習ベースのAI技術の基礎を築いた。 AIチャットボットと呼ばれる会話エージェントは、大きな言語モデル(LLM)をトレーニングし、ユーザのプロンプトに応じて新しいコンテンツ(知識)を生成するために、そのようなデータに大きく依存している。 本稿では,様々な分野におけるLLMベースのチャットボットの進化と展開に関する完全な調査を行う。
  論文  参考訳（メタデータ） (2024-06-17T09:39:34Z)
• From Human-to-Human to Human-to-Bot Conversations in Software Engineering [3.1747517745997014]
  AIとチャットボットの統合後,現代のソフトウェア開発において発生する会話のダイナミクスを理解することを目的としている。 既存の会話属性を人間やNLUベースのチャットボットとコンパイルし、ソフトウェア開発のコンテキストに適応する。 我々は人間同士の会話と人間同士の会話の類似点と相違点を示す。 LLM-chatbotsによる最近の会話スタイルは、人間との会話に取って代わるものではないと結論付けている。
  論文  参考訳（メタデータ） (2024-05-21T12:04:55Z)
• Supporting Student Decisions on Learning Recommendations: An LLM-Based Chatbot with Knowledge Graph Contextualization for Conversational Explainability and Mentoring [0.0]
  本稿では,チャットボットを会話の仲介者として利用する手法を提案する。 グループチャットアプローチは、必要に応じて、あるいはチャットボットの予め定義されたタスクを超える場合に、学生と人間のメンターを結びつけるために開発された。
  論文  参考訳（メタデータ） (2024-01-16T17:31:35Z)
• The Neuro-Symbolic Inverse Planning Engine (NIPE): Modeling Probabilistic Social Inferences from Linguistic Inputs [50.32802502923367]
  確率的目標推論領域における言語駆動の過程と社会的推論への影響について検討する。 本稿では,エージェントシナリオの言語入力から目標推定を行うニューロシンボリックモデルを提案する。 我々のモデルは人間の反応パターンと密に一致し、LLM単独の使用よりも人間の判断をより良く予測する。
  論文  参考訳（メタデータ） (2023-06-25T19:38:01Z)
• CheerBots: Chatbots toward Empathy and Emotionusing Reinforcement Learning [60.348822346249854]
  本研究では,複数の共感型チャットボットがユーザの暗黙の感情を理解し,複数の対話のターンに対して共感的に応答する枠組みを提案する。 チャットボットをCheerBotsと呼びます。CheerBotsは検索ベースまたは生成ベースで、深い強化学習によって微調整されます。 共感的態度で反応するため,CheerBotsの学習支援としてシミュレーションエージェントである概念人間モデルを開発し,今後のユーザの感情状態の変化を考慮し,共感を喚起する。
  論文  参考訳（メタデータ） (2021-10-08T07:44:47Z)
• Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn Chatbot Responding with Intention [55.77218465471519]
  本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。 我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。 本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
  論文  参考訳（メタデータ） (2021-03-30T15:24:37Z)

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。