論文の概要: auto-psych: Automating the science of mind using agent-driven theory discovery and experimentation
- arxiv url: http://arxiv.org/abs/2606.26460v1
- Date: Wed, 24 Jun 2026 23:43:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.114596
- Title: auto-psych: Automating the science of mind using agent-driven theory discovery and experimentation
- Title（参考訳）: 自律心理学:エージェント駆動理論発見と実験を用いた心科学の自動化
- Abstract要約: 計算認知科学における理論生成プロジェクトに対して,自動発見技術を適用した。
認知心理学の古典的なケーススタディを用いて、コインフリップのどのシーケンスが、主観的にランダムに思えるかを判断する。
我々のシステムでは、ネストされたエージェントベースの発見ループを用いて人間の行動の説明理論を生成する。
- 参考スコア（独自算出の注目度）: 30.489563356452255
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-based scientific automation is increasingly possible by using agents to generate hypotheses, design experiments, and analyze data. Data collection is a major bottleneck in this pipeline, however. Psychology, and computational cognitive science in particular, is well-positioned to benefit from AI experimentation because theories are often represented as code and crowdsourcing platforms enable programmatic human data collection at scale. Here, we apply automated discovery techniques to the project of generating theories in computational cognitive science, with an agent-based system collecting human data independently through crowdsourced survey experiments. As a testbed, we use a classic case study from cognitive psychology: judging which sequences of coin flips seem subjectively more random. Our system, auto-psych, uses nested agent-based discovery loops to generate explanatory theories of human behavior. The inner loop conjectures, fits, and critiques probabilistic cognitive models; the outer loop designs experiments to test these models, launches them online, and analyzes the data. This system can quickly and reliably recover ground-truth theories from synthetic data via systematic experimentation, but the nested structure is critical to model performance. Further, in three independent sequences of human experiments, the system finds theories that fit the data better than theories generated from the scientific literature. This work thus demonstrates the feasibility of automated data collection and theory discovery in computational cognitive science.
- Abstract（参考訳）: AIベースの科学自動化は、エージェントを使用して仮説を生成し、実験を設計し、データを分析することによって、ますます可能になっている。
しかし、このパイプラインではデータ収集が大きなボトルネックとなっている。
理論はしばしばコードとして表現され、クラウドソーシングプラットフォームは大規模にプログラムされた人間のデータ収集を可能にする。
本稿では,計算機認知科学の理論を創出するプロジェクトに対して,クラウドソースによる調査実験を通じて,人的データを個別に収集するエージェントベースシステムを用いて自動発見技術を適用した。
テストベッドとして、認知心理学の古典的なケーススタディを使用します。
我々のシステムでは、ネストされたエージェントベースの発見ループを用いて人間の行動の説明理論を生成する。
内ループ予想、適合性、批判は確率的認知モデルであり、外ループはこれらのモデルをテストする実験を設計し、それらをオンラインで起動し、データを解析する。
このシステムは, 体系的な実験により, 地中構造理論を迅速かつ確実に復元することができるが, ネスト構造はモデル性能に不可欠である。
さらに、人間の実験の3つの独立したシーケンスにおいて、このシステムは、科学文献から生成された理論よりもデータに適合する理論を見つける。
この研究は、計算認知科学における自動データ収集と理論発見の可能性を示すものである。
関連論文リスト
- Closing the Loop to Discover Psychological Theories with an Automated Cognitive Scientist [26.846270187624636]
本稿では,完全自律型エージェントAIシステムであるAutomated Cognitive Scientist(AutoCog)を紹介する。
認知理論の構築を明示的で実行可能で累積的な科学に変えるためにどのように使用できるかを示す。
論文 参考訳（メタデータ） (2026-06-24T23:20:58Z) - Intentmaking and Sensemaking: Human Interaction with AI-Guided Mathematical Discovery [72.49593499512092]
インテントメイキングという別のワークフローを特定し、特徴付けします。
私たちはこれをセンスメイキングの自然な拡張と捉えています。
これらのテーマのドキュメンテーションは、科学的発見のためのAIツール設計へのアプローチを示唆している。
論文 参考訳（メタデータ） (2026-05-07T09:30:25Z) - Can we automatize scientific discovery in the cognitive sciences? [20.166894780789725]
心のシリコ科学における完全自動化に向けてのパラダイムシフトを提案する。
このフレームワークは、Large Language Models (LLM)を使用して、発見サイクルのすべてのステージを実装する。
論文 参考訳（メタデータ） (2026-03-22T00:15:58Z) - Embodied Science: Closing the Discovery Loop with Agentic Embodied AI [73.54118756665221]
我々は、科学的発見をクローズドループとして再編成し、エージェント推論と物理的実行を密結合するパラダイムであるエンボディド・サイエンスを論じる。
本研究では,実験環境の知覚,科学的知識の推論,身体的介入の実行,その後の探索を促進するための成果の内在化といった,統合された知覚・言語・行動発見(PLAD)フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-20T09:20:12Z) - AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。
多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。
ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
論文 参考訳（メタデータ） (2025-11-26T02:10:28Z) - Virtuous Machines: Towards Artificial General Science [0.0]
ドメインに依存しないエージェント型AIシステムが、科学的なワークフローを独立してナビゲートできることを示します。
このシステムは視覚的作業記憶、精神的な回転、イメージの鮮明さに関する3つの心理学的研究を自律的に設計し実行した。
論文 参考訳（メタデータ） (2025-08-19T00:35:56Z) - Operationalizing Serendipity: Multi-Agent AI Workflows for Enhanced Materials Characterization with Theory-in-the-Loop [0.0]
SciLinkは、材料研究におけるセレンディピティーを運用するために設計された、オープンソースのマルチエージェント人工知能フレームワークである。
実験観察、新規性評価、理論シミュレーションの直接的な自動リンクを生成する。
本稿では,原子分解能およびハイパースペクトルデータへの応用,リアルタイムな人間専門家指導の統合能力,研究ループを閉じる能力について述べる。
論文 参考訳（メタデータ） (2025-08-07T04:59:17Z) - Position: Intelligent Science Laboratory Requires the Integration of Cognitive and Embodied AI [98.19195693735487]
知的科学研究所(ISL)のパラダイムを提案する。
ISLは、認知と具体的知性を深く統合した多層クローズドループフレームワークである。
このようなシステムは、現在の科学的発見の限界を克服するために不可欠である、と我々は主張する。
論文 参考訳（メタデータ） (2025-06-24T13:31:44Z) - BoxingGym: Benchmarking Progress in Automated Experimental Design and Model Discovery [32.395366135636046]
実験的な設計とモデル発見を評価するための10環境のベンチマークであるBoxingGymを紹介する。
予測情報ゲイン(EIG)は,実験が生成モデルのパラメータの不確実性をどの程度低減するかを測定する情報理論量である。
GPT-4oのような現在のLLMは、実験的な設計とモデル発見の両方に苦戦している。
論文 参考訳（メタデータ） (2025-01-02T21:15:57Z) - Causal Representation Learning from Multimodal Biomedical Observations [57.00712157758845]
バイオメディカルデータセットの理解を容易にするために,マルチモーダルデータに対するフレキシブルな識別条件と原理的手法を開発した。
主要な理論的貢献は、モジュラリティ間の因果関係の構造的空間性である。
実世界のヒト表現型データセットの結果は、確立された生物医学研究と一致している。
論文 参考訳（メタデータ） (2024-11-10T16:40:27Z) - GFlowNets for AI-Driven Scientific Discovery [74.27219800878304]
我々はGFlowNetsと呼ばれる新しい確率論的機械学習フレームワークを提案する。
GFlowNetsは、実験科学ループのモデリング、仮説生成、実験的な設計段階に適用できる。
我々は、GFlowNetsがAIによる科学的発見の貴重なツールになり得ると論じている。
論文 参考訳（メタデータ） (2023-02-01T17:29:43Z) - Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。
この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。
これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
論文 参考訳（メタデータ） (2020-11-30T18:29:25Z)
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。