論文の概要: A Compositional Framework for Open-ended Intelligence
- arxiv url: http://arxiv.org/abs/2606.15386v1
- Date: Sat, 13 Jun 2026 16:30:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-16 16:21:33.542424
- Title: A Compositional Framework for Open-ended Intelligence
- Title（参考訳）: オープンエンドインテリジェンスのための構成的枠組み
- Authors: Ida Momennejad, Roberta Raileanu,
- Abstract要約: 有限原始集合 (P) と合成作用素の集合 (C) によって誘導される閉包としてオープンエンドインテリジェンスを形式化する。
オープンエンドインテリジェンスの数学は、表現的プリミティブの最小セットとアルゴリズム的プリミティブの2つの柱を必要とする。
我々は、物理、進化、神経科学のケーススタディを通じて、この枠組みを基礎にしている。
- 参考スコア（独自算出の注目度）: 21.50833321391684
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Open-ended intelligence is the capacity to adapt to novel problems and environments that are substantially different from those in training. We formalize open-ended intelligence as the closure induced by a finite primitive set \(P\) and a set of composition operators \(C\). We characterize properties of the induced closure \(\mathcal{L}(P,C)\) that support unbounded compositional generation across families of tasks and worlds. A mathematics of open-ended intelligence requires two pillars: a minimal set of representational primitives (e.g., states, actions) and algorithmic primitives (e.g., nearest neighbor), together with composition motifs (e.g., recursion, sequencing) that reflect an acquired compositional grammar. The closure of these two pillars enables the generation of infinite adaptive responses across a wide range of settings. The mathematics supports complementary research agendas, including evaluation metrics for explanation and interpretability, as well as building architectures where compositional generalization is native. We propose next primitive prediction as a novel architectural objective, where the training objective encourages the acquisition of reusable algorithmic primitives and their compositional grammar, such that new solutions are generated through recombination. Curriculum learning and self-play enable lifelong learning and expansion of the closure by discovering reusable primitives and transition motifs across families of tasks and worlds. We ground the framework through case studies in physics, evolution, and neuroscience.
- Abstract（参考訳）: オープンエンドインテリジェンス(英語: Open-ended Intelligence)とは、トレーニングとは大きく異なる、新しい問題や環境に適応する能力である。
オープンエンドインテリジェンスを有限原始集合 \(P\) と合成作用素の集合 \(C\) によって誘導される閉包として定式化する。
タスクや世界のファミリー間の非有界な合成生成をサポートする誘導閉包 \(\mathcal{L}(P,C)\) の特性を特徴づける。
オープンエンドインテリジェンスの数学では、最小の表現的プリミティブ(例えば、状態、行動)とアルゴリズム的プリミティブ(例えば、近隣のプリミティブ)の組と、獲得した合成文法を反映した合成モチーフ(例えば、再帰、シークエンシング)の2つの柱が必要である。
これら2つの柱の閉包は、幅広い設定で無限適応応答の生成を可能にする。
この数学は補完的な研究課題をサポートしており、説明と解釈可能性の評価指標や、作曲の一般化がネイティブなアーキテクチャの構築を含んでいる。
そこでは,再結合によって新たな解が生成されるような,再利用可能なアルゴリズムプリミティブとその構成文法の獲得を促す。
カリキュラム学習とセルフプレイは、再利用可能なプリミティブを発見し、タスクや世界の家族間で移行モチーフを発見することによって、生涯にわたる学習とクロージャの拡張を可能にする。
我々は、物理、進化、神経科学のケーススタディを通じて、この枠組みを基礎にしている。
関連論文リスト
- World-Task Factorization for Robot Learning [14.616160772427847]
ロボット工学における最も基本的な要因は、世界とタスクを分離することである。
世界的要因は、エンボディシステムと環境の性質である。
タスクファクタは、世界が認めるタスクのロジックによって定義される。
論文 参考訳（メタデータ） (2026-06-01T10:16:07Z) - Bhargava Cube--Inspired Quadratic Regularization for Structured Neural Embeddings [0.0]
本稿では,Bhargava立方体に着想を得た代数的制約を数論から取り入れたニューラル表現学習手法を提案する。
本フレームワークは,学習された二次関係を満たすために埋め込みを正規化する制約付き3次元潜在空間に入力データをマッピングする。
我々はMNISTの評価を行い、99.46%の精度を達成しつつ、自然に1桁ずつクラスタリングする解釈可能な3D埋め込みを生成した。
論文 参考訳（メタデータ） (2025-12-12T09:05:11Z) - Directional Non-Commutative Monoidal Structures for Compositional Embeddings in Machine Learning [0.0]
指向性非可換モノイド作用素上に構築された合成埋め込みのための新しい構造を導入する。
我々の構成では、各軸 i に対して異なる合成演算子 circ_i を定義し、大域的な可換性を与えることなく、各軸に沿って連想結合を保証する。
すべての軸特異作用素は互いに可換であり、一貫した交叉軸合成を可能にする大域的交換法則を強制する。
論文 参考訳（メタデータ） (2025-05-21T13:27:14Z) - Fundamental Components of Deep Learning: A category-theoretic approach [0.0]
この論文は、カテゴリ理論の言語に基づく、ディープラーニングのための新しい数学的基礎を発展させている。
我々はまた、既存の多くのアプローチを体系化し、多くの既存の構成と概念を同じ傘の下に置きます。
論文 参考訳（メタデータ） (2024-03-13T01:29:40Z) - Variational Cross-Graph Reasoning and Adaptive Structured Semantics
Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。
新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。
ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文 参考訳（メタデータ） (2023-01-22T08:02:23Z) - Learning Algebraic Recombination for Compositional Generalization [71.78771157219428]
合成一般化のための代数的組換え学習のためのエンドツーエンドニューラルモデルLeARを提案する。
主要な洞察は、意味解析タスクを潜在構文代数学と意味代数学の間の準同型としてモデル化することである。
2つの現実的・包括的構成一般化の実験は、我々のモデルの有効性を実証している。
論文 参考訳（メタデータ） (2021-07-14T07:23:46Z) - Compositional Processing Emerges in Neural Networks Solving Math
Problems [100.80518350845668]
人工知能の最近の進歩は、大きなモデルが十分な言語データに基づいて訓練されると、文法構造が表現に現れることを示している。
我々は、この研究を数学的推論の領域にまで拡張し、どのように意味を構成するべきかについての正確な仮説を定式化することができる。
私たちの研究は、ニューラルネットワークがトレーニングデータに暗黙的に構造化された関係について何かを推測できるだけでなく、個々の意味の合成を合成全体へと導くために、この知識を展開できることを示している。
論文 参考訳（メタデータ） (2021-05-19T07:24:42Z) - Geometric Deep Learning: Grids, Groups, Graphs, Geodesics, and Gauges [50.22269760171131]
過去10年間、データサイエンスと機械学習の実験的な革命が、ディープラーニングの手法によって生まれた。
このテキストは、統一幾何学的原理によって事前に定義された規則性を公開することに関するものである。
CNN、RNN、GNN、Transformersなど、最も成功したニューラルネットワークアーキテクチャを研究するための一般的な数学的フレームワークを提供する。
論文 参考訳（メタデータ） (2021-04-27T21:09:51Z) - Sequential composition of answer set programs [0.0]
本稿では,解集合プログラムの逐次構成を導入,研究することにより,論理プログラミングの数学的基礎に寄与する。
より広い意味では、本論文は、解集合プログラムの代数への第一歩であり、将来的には、この論文の手法をプログラムのより広範なクラスに引き上げる計画である。
論文 参考訳（メタデータ） (2021-04-25T13:27:22Z) - Investigating Bi-Level Optimization for Learning and Vision from a
Unified Perspective: A Survey and Beyond [114.39616146985001]
機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。
本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。
次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
論文 参考訳（メタデータ） (2021-01-27T16:20:23Z) - Explaining Creative Artifacts [69.86890599471202]
生成物と構成的創造性を結合鎖に分解する逆問題定式化を開発する。
特に、当社の定式化は、アソシエイト要素の知識グラフを通じて、旅行セールスマン問題の解決として構成されている。
論文 参考訳（メタデータ） (2020-10-14T14:32:38Z)
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。