論文の概要: The New Associationism: Lessons from Deep Learning

• arxiv url: http://arxiv.org/abs/2606.20600v1
• Date: Tue, 19 May 2026 10:51:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 19:13:40.749987
• Title: The New Associationism: Lessons from Deep Learning
• Title（参考訳）: 新しいアソシズム: 深層学習から学ぶ
• Abstract要約: 本稿は、AIを取ることは控えめだが真の結社主義を真に支持する、と論じる。 中心的な発見は、教師付き学習が驚くほど幅広い現代のAIシステムに根ざしていることだ。 これは、アソシエーションのメカニズムが人間の認知能力を考慮するにはあまりに限られているというかつての知恵的な議論を軽視している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: What can the success of modern AI tell us about how humans learn? This paper argues that taking AI seriously as a model of human learning supports a modest but genuine associationism. The central finding is that supervised learning -- learning driven by evaluative feedback -- underlies a surprisingly wide range of contemporary AI systems, from large language models to game-playing agents, differing primarily in how much work is required to generate the relevant feedback signal. This vindicates associationist ideals of a uniform, gradual, error-driven learning mechanism operating across domains, and defuses the once-influential argument that associationist mechanisms are too limited to account for human cognitive capacities. At the same time, the successes of deep learning depend on computational architectures that go well beyond anything classical associationists envisaged, and supervised learning operates within these as one component rather than a complete account of learning.
• Abstract（参考訳）: 現代のAIの成功は、人間がどのように学習するかを教えてくれるだろうか? 本稿では、AIを人間の学習のモデルとして真に捉えていくことは、控えめだが真の結社性を支持する。 中心的な発見は、教師付き学習 -- 評価的フィードバックによって駆動される学習 -- が、大きな言語モデルからゲームプレイングエージェントまで、驚くほど幅広い現代のAIシステムの基礎であり、主に関連するフィードバック信号を生成するのに必要な作業量が異なることである。 これは、一様で漸進的、エラー駆動学習機構がドメインをまたいで機能するという、連合主義者の理想を証し、連合主義者のメカニズムが人間の認知能力を考慮するにはあまりに限られているというかつての知恵的な議論を解き放つ。 同時に、ディープラーニングの成功は、古典的アソシエイトが想定したあらゆるものを超えてうまく行く計算アーキテクチャに依存し、教師付き学習は、学習の完全な説明ではなく、一つのコンポーネントとして機能する。

関連論文リスト

• The Pedagogy of AI Mistakes: Fostering Higher-Order Thinking [26.81026121718816]
  「インストラクターは、AIを学習仲間として融合させることで、高次思考の基本的な過程に学生を巻き込むことができる。」 我々は,AI生成エラーとの構造化された相互作用がメタ認知的エンゲージメントをどのように支援し,学際的厳密さを強化し,学生が認識するAIリテラシーと主観的マター能力に関連するかを検討する。
  論文  参考訳（メタデータ） (2026-05-06T21:50:46Z)
• Agentivism: a learning theory for the age of artificial intelligence [2.278981812218892]
  生成的かつエージェント的なAIは、学習者が認知作業を生成、推薦、時には学習者に代わって行動できるシステムに委譲することを可能にして、新しい条件を作成する。 このことは、学習理論の根本的な課題を生み出します。 本稿では,人間-AIインタラクションの学習理論であるAgentivismを提案する。
  論文  参考訳（メタデータ） (2026-04-09T05:09:48Z)
• Why teaching resists automation in an AI-inundated era: Human judgment, non-modular work, and the limits of delegation [0.0]
  AIはいくつかの有界機能をサポートできるが、意味のある方法での教育作業の自動化は困難である、と私は主張する。 教育実践が人間の認知と学習の創発的な理解に依存している限り、教育は自動化に抵抗する専門的な仕事の一形態である。
  論文  参考訳（メタデータ） (2026-04-08T16:49:24Z)
• Why AI systems don't learn and what to do about it: Lessons on autonomous learning from cognitive science [79.50667364149979]
  自律学習における現在のAIモデルの限界を批判的に検討し、人間と動物の認知に触発された学習アーキテクチャを提案する。 提案フレームワークは、内部的に生成されたメタ制御信号(システムM)の関数として、観察(システムA)からの学習と活動行動(システムB)からの学習を統合し、これらの学習モードを柔軟に切り替える。
  論文  参考訳（メタデータ） (2026-03-16T14:54:56Z)
• Who Is Doing the Thinking? AI as a Dynamic Cognitive Partner: A Learner-Informed Framework [0.0]
  本研究では,AIを動的認知パートナーとして位置づけるフレームワークを提案する。 学習者がAIを認識と協調するものとして記述した,9つの相互関連次元を同定した。 学生は、理解を拡大する生産的支援と、認知的努力に取って代わる非生産的依存とを区別し、AIがいつ使われるべきか、使用すべきでないかを状況的認識を示す。
  論文  参考訳（メタデータ） (2026-02-17T15:07:06Z)
• Kolb-Based Experiential Learning for Generalist Agents with Human-Level Kaggle Data Science Performance [81.05882480184587]
  本稿では,自律エージェントに対するVygotskyのZPDを用いて,Kolbの学習サイクルの計算フレームワークを提案する。 Agent Kは、KolbとVygotskyにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。 金9個、銀8個、銅12個で、メダル獲得競争で金4個、銀4個を含む。エージェントKは、コルブとヴィーゴツキーにインスパイアされた人間の認知学習をうまく統合する第1のAIシステムである。
  論文  参考訳（メタデータ） (2024-11-05T23:55:23Z)
• Enabling High-Level Machine Reasoning with Cognitive Neuro-Symbolic Systems [67.01132165581667]
  本稿では,認知アーキテクチャを外部のニューロシンボリックコンポーネントと統合することにより,AIシステムにおける高レベル推論を実現することを提案する。 本稿では,ACT-Rを中心としたハイブリッドフレームワークについて紹介し,最近の応用における生成モデルの役割について論じる。
  論文  参考訳（メタデータ） (2023-11-13T21:20:17Z)
• Progressively Efficient Learning [58.6490456517954]
  我々はCEIL(Communication-Efficient Interactive Learning)という新しい学習フレームワークを開発した。 CEILは、学習者と教師がより抽象的な意図を交換することで効率的にコミュニケーションする人間のようなパターンの出現につながる。 CEILで訓練されたエージェントは、新しいタスクを素早く習得し、非階層的で階層的な模倣学習を、絶対的な成功率で最大50%、20%上回った。
  論文  参考訳（メタデータ） (2023-10-13T07:52:04Z)
• Incremental procedural and sensorimotor learning in cognitive humanoid robots [52.77024349608834]
  本研究は,手順を段階的に学習する認知エージェントを提案する。 各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。 結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
  論文  参考訳（メタデータ） (2023-04-30T22:51:31Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。