論文の概要: Situation Perception: A Necessary Primitive to Artificial Superintelligence

• arxiv url: http://arxiv.org/abs/2606.30481v1
• Date: Mon, 29 Jun 2026 15:42:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.321628
• Title: Situation Perception: A Necessary Primitive to Artificial Superintelligence
• Title（参考訳）: 状況認識: 人工超知能に必要不可欠なプリミティブ
• Abstract要約: パターンの習得は一般的な知性と同じではない、と我々は主張する。 人間の幼児は、ほとんど明示的な知識から始めるが、徐々に、物体の永続性、原因と効果、他の心、身体のエージェンシー、物理的世界の持続性を発見する。 我々は,未来をシミュレートし,自己指向的な目標を追求し,場合によっては自分自身の創造者を判断できる機械の進歩と結果を測定するためのテストを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current large language models are extraordinary statistical engines. They compress vast amounts of text into useful patterns and can explain science, write code, imitate reasoning, and participate in philosophical conversation. Yet pattern mastery is not the same as general intelligence. A human infant begins with little explicit knowledge, but gradually discovers object permanence, cause and effect, other minds, bodily agency, and the persistence of the physical world. We make an argument that the path to artificial superintelligence (ASI) depends on a missing capacity we call \emph{situation perception}: the ability to construct, revise, and act within internal simulations of possible worlds across latent time. \emph{ perception} requires at least three core components: abstract prediction, long-term compressed memory, and active learning guided by objectives. In this work, we analyse why modern large language models remain incomplete, and propose the appropriate tests for measuring progress and consequences of machines that can simulate futures, pursue self-directed goals, and possibly judge their own creators.
• Abstract（参考訳）: 現在の大規模言語モデルは異常な統計エンジンである。 膨大な量のテキストを有用なパターンに圧縮し、科学を説明し、コードを書き、推論を模倣し、哲学的な会話に参加することができる。 しかし、パターンの習得は一般的な知性と同じではない。 人間の幼児は、ほとんど明示的な知識から始めるが、徐々に、物体の永続性、原因と効果、他の心、身体のエージェンシー、物理的世界の持続性を発見する。 人工超知能(ASI)への道のりは、私たちが 'emph{situation perception} と呼ぶ能力の欠如に依存している、と論じる。 \emph{ perception} には、抽象的予測、長期圧縮メモリ、目的によって導かれるアクティブラーニングという、少なくとも3つのコアコンポーネントが必要である。 本研究は,現代の大規模言語モデルが不完全である理由を分析し,未来をシミュレートし,自己指向的な目標を追求し,場合によっては自分自身の創造者を判断できる機械の進歩と結果を測定するための適切なテストを提案する。

関連論文リスト

• AI Agents as Universal Task Solvers [94.49762121230042]
  我々は,過去のデータを用いて,普遍的な解法が達成できる最適なスピードアップが,アルゴリズム情報と密接な関係があることを示す。 我々は、推論モデルをスケールする際に最適化する重要な量は時間であり、学習における重要な役割は、これまでは間接的にのみ考慮されてきたと論じている。
  論文  参考訳（メタデータ） (2025-10-14T02:17:54Z)
• How important is language for human-like intelligence? [0.0]
  我々は、言語がより一般的なAIシステムと人間の知性の中心的な側面の両方の出現の鍵を握るかもしれないと主張している。 第一に、言語は多くの抽象概念の表現と推論を容易にするコンパクトな表現を提供する。 第二に、これらの圧縮表現は集合心の反復出力である。
  論文  参考訳（メタデータ） (2025-09-19T03:45:44Z)
• Evaluating Intelligence via Trial and Error [59.80426744891971]
  本研究では,試行錯誤プロセスにおける失敗回数に基づいて知性を評価するためのフレームワークとして,Survival Gameを紹介した。 フェールカウントの期待と分散の両方が有限である場合、新しい課題に対するソリューションを一貫して見つける能力を示す。 我々の結果は、AIシステムは単純なタスクで自律レベルを達成するが、より複雑なタスクではまだまだ遠いことを示している。
  論文  参考訳（メタデータ） (2025-02-26T05:59:45Z)
• Machines of Meaning [0.0]
  意味の機械」の仕様の課題について論じる。 我々は、意味の機械の研究において、人間中心主義からの分離の必要性を強調した。 本稿では,ニューラルネットワークモデルなどのアプローチに関する議論を促進するために,「意味」の視点を提案する。
  論文  参考訳（メタデータ） (2024-12-10T23:23:28Z)
• Machine learning and information theory concepts towards an AI Mathematician [77.63761356203105]
  人工知能の現在の最先端技術は、特に言語習得の点で印象的だが、数学的推論の点ではあまり重要ではない。 このエッセイは、現在のディープラーニングが主にシステム1の能力で成功するという考えに基づいている。 興味深い数学的ステートメントを構成するものについて質問するために、情報理論的な姿勢を取る。
  論文  参考訳（メタデータ） (2024-03-07T15:12:06Z)
• The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
  生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。 同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。 一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
  論文  参考訳（メタデータ） (2023-10-31T18:07:07Z)
• Large Language Models for Scientific Synthesis, Inference and Explanation [56.41963802804953]
  大規模言語モデルがどのように科学的合成、推論、説明を行うことができるかを示す。 我々は,この「知識」を科学的文献から合成することで,大きな言語モデルによって強化できることを示す。 このアプローチは、大きな言語モデルが機械学習システムの予測を説明することができるというさらなる利点を持っている。
  論文  参考訳（メタデータ） (2023-10-12T02:17:59Z)
• A Review on Objective-Driven Artificial Intelligence [0.0]
  人間は、コミュニケーションにおける文脈、ニュアンス、微妙な手がかりを理解する能力を持っている。 人間は、世界に関する論理的推論と予測を行うのに役立つ、常識的な知識の広大なリポジトリを持っています。 機械はこの本質的な理解に欠けており、人間が自明に感じる状況を理解するのに苦労することが多い。
  論文  参考訳（メタデータ） (2023-08-20T02:07:42Z)
• The Nature of Intelligence [0.0]
  人間とAIの両方で一般的に表現される知性の本質は不明である。 インテリジェンスの性質は,システムエントロピーを最小限に抑える数学的に機能する一連のプロセスであることを示す。 このエッセイは、宇宙と私たちを人間としてより深く理解するための出発点となるべきです。
  論文  参考訳（メタデータ） (2023-07-20T23:11:59Z)
• Eight challenges in developing theory of intelligence [3.0349733976070024]
  数学的美の優れた理論は、物理現実の新しい予測が一貫性を持って検証できるため、現在のどの観測よりも実用的である。 ここでは、この理論パラダイムに従って知性理論を開発する上での8つの課題について詳述する。
  論文  参考訳（メタデータ） (2023-06-20T01:45:42Z)
• Understanding Natural Language Understanding Systems. A Critical Analysis [91.81211519327161]
  自然言語理解システム(Natural Language Understanding (NLU) system)としても知られる usguillemotright(英語版) のようなギユモトレフトークを持つ機械の開発は、人工知能の聖杯(英語版) (AI) である。 しかし、Gillemottalking machineguillemotrightを構築することができるという信頼は、次世代のNLUシステムによってもたらされたものよりも強かった。 私たちは新しい時代の夜明けに、ついに砂利が我々に近づいたのか?
  論文  参考訳（メタデータ） (2023-03-01T08:32:55Z)
• 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)
• Is Intelligence Artificial? [0.0]
  本稿では,自然界,次に人工知能に適用可能な統一的な定義を提案する。 コルモゴロフの複素性理論に基づく計量が示唆され、エントロピーに関する測度が導かれる。 承認されたAIテストのバージョンは、後に 'acid test' として提示され、フリー思考プログラムが達成しようとするものかもしれない。
  論文  参考訳（メタデータ） (2014-03-05T11:09:55Z)

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。