論文の概要: A Causal Model of Theory of Mind in Conflict for Artificial Intelligence

• arxiv url: http://arxiv.org/abs/2606.16944v1
• Date: Mon, 15 Jun 2026 16:44:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.774833
• Title: A Causal Model of Theory of Mind in Conflict for Artificial Intelligence
• Title（参考訳）: 人工知能の対立における心の理論の因果モデル
• Authors: Nikolos Gurney,
• Abstract要約: 既存のAI-ToMモデルは、メンタライゼーションのためのアンフショーに対処するが、いつ、ほとんど適応していないのかという疑問は残る。 本稿では、有向非巡回グラフ(DAG)として定式化された構造因果モデルを提案する。 ToMは、常にオンのキャパシティとしてではなく、状況やエージェントレベルの条件によって活性化されるメカニズムとして扱う。
• 参考スコア（独自算出の注目度）: 1.2183405753834562
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Theory of mind (ToM), the capacity to ascribe mental states to others and use those ascriptions for prediction and inference, is widely assumed to be essential for effective human-machine integration. Existing AI-ToM models address \emph{how} to mentalize, but leave the question of when largely unaddressed. The central question is: under what situational and agent-level conditions is ToM engagement causally warranted in conflict? This paper presents a structural causal model formalized as a directed acyclic graph (DAG), treating ToM as a mechanism activated by situational and agent-level conditions rather than as an always-on capacity. The model specifies four exogenous variables capturing situational and agent-level conditions, five endogenous mediators, and a mechanistic ToM node producing engagement states through three distinct causal pathways: a tractability pathway, a reasoning-depth pathway, and an enabling-cause pathway. The primary outcome is epistemic accuracy, which decouples social reasoning from behavioral policy and generalizes across social phenomena beyond conflict. The framework gives AI systems a principled, resource-rational decision procedure for mentalizing, with implications for efficiency, trust, and the development of robust artificial social intelligence. Simulation validation, empirical human-machine teaming studies, and ethical considerations arising from conflict-optimized mentalizing are discussed.
• Abstract（参考訳）: 心の理論(Theory of Mind, ToM, Ascribe mental state to others and use that ascriptions for predict and inference)は、人間と機械の効果的な統合に不可欠であると広く考えられている。 既存のAI-ToMモデルは、メンタライズするために \emph{how} に対処するが、いつほとんど適応していないのかという疑問は残る。 中心的な疑問は、ToMの関与が紛争で慎重に保証されている状況とエージェントレベルの条件についてである。 本稿では,DAGとして形式化された構造因果モデルを提案し,ToMを常にオンのキャパシティではなく,状況やエージェントレベルの条件によって活性化されるメカニズムとして扱う。 このモデルは、4つの外因性変数が状況とエージェントレベルの条件を捉え、5つの内因性メディエーター、および3つの異なる因果経路を通してエンゲージメント状態を生成する機械的ToMノードを規定している。 第一の結果は疫学の正確さであり、行動政策から社会的推論を分離し、紛争を超えて社会現象を一般化する。 このフレームワークは、AIシステムに、効率性、信頼、堅牢な人工知能の開発に影響を及ぼす、メンタライズのための、原則化された、リソース・レーショナルな意思決定手順を与える。 コンフリクト最適化型メンタライゼーションから生じるシミュレーション検証、経験的人間-機械チーム研究、倫理的考察について論じる。

関連論文リスト

• The Theory of Mind Utility: Formal Specification of a Mentalizing Mechanism [2.226663588797889]
  心のユーティリティの理論(ToM-U)は、信念状態からの推論の問題を定式化する。 ToM-U はモデルの構造的特性に追従する心的失敗の予測を生成する。 アーキテクチャは、ToM-Uを目標推論やその他の下流社会認知プロセスの上流にドメインに依存しないメカニズムとして位置づけている。
  論文  参考訳（メタデータ） (2026-06-10T22:11:40Z)
• An Algebraic Exposition of the Theory of Dyadic Morality [11.173424329043657]
  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。
  論文  参考訳（メタデータ） (2026-05-15T16:33:51Z)
• Learning Dynamic Belief Graphs for Theory-of-mind Reasoning [5.807546348023422]
  大規模言語モデル(LLM)を用いた心の理論(ToM)は、人々の暗黙的、進化的信念が、何を求めているか、不確実性の下でどのように振舞うかを推論する必要がある。 動的信念グラフとして精神状態を表すLLMベースのToMのための構造化認知軌道モデルを提案する。 我々のモデルは行動予測を大幅に改善し、人間の推論と整合した解釈可能な信念軌道を復元する。
  論文  参考訳（メタデータ） (2026-03-20T17:46:55Z)
• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• To Think or Not To Think, That is The Question for Large Reasoning Models in Theory of Mind Tasks [56.11584171938381]
  心の理論 (ToM) は、モデルが信念、欲望、意図などの隠された精神状態を推測できるかどうかを評価する。 近年のLRM(Large Reasoning Models)の進歩により、数学やコーディングにおけるステップバイステップ推論が向上している。 本研究では,9つの大規模言語モデル(LLM)の体系的研究を行い,推論モデルと非推論モデルを比較した。
  論文  参考訳（メタデータ） (2026-02-11T08:16:13Z)
• Perfect AI Mimicry and the Epistemology of Consciousness: A Solipsistic Dilemma [2.5672176409865677]
  人工知能の進歩は、私たちが意識とみなす基礎を再検討する必要がある。 AIシステムは、人間の振る舞いと高い忠実さとの相互作用をますます模倣するので、「完璧な模倣」という概念は、仮説から技術的に実証可能な人間のシフトと経験的に区別できない存在である。 本稿では,このような発達が心認識の実践の整合性に根本的な課題をもたらすことを論じる。
  論文  参考訳（メタデータ） (2025-10-06T08:44:55Z)
• Causal Responsibility Attribution for Human-AI Collaboration [62.474732677086855]
  本稿では,人間のAIシステムにおける責任を体系的に評価するために,構造因果モデル(SCM)を用いた因果的枠組みを提案する。 2つのケーススタディは、多様な人間とAIのコラボレーションシナリオにおけるフレームワークの適応性を示している。
  論文  参考訳（メタデータ） (2024-11-05T17:17:45Z)
• Failure Modes of LLMs for Causal Reasoning on Narratives [51.19592551510628]
  世界の知識と論理的推論の相互作用について検討する。 最先端の大規模言語モデル(LLM)は、しばしば表面的な一般化に依存している。 タスクの単純な再構成により、より堅牢な推論行動が引き起こされることを示す。
  論文  参考訳（メタデータ） (2024-10-31T12:48:58Z)
• CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
  本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。 私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。 我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
  論文  参考訳（メタデータ） (2021-06-25T00:21:41Z)
• Machine Common Sense [77.34726150561087]
  機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである 本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
  論文  参考訳（メタデータ） (2020-06-15T13:59:47Z)

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。