論文の概要: Why Pure Reasoning is Not Enough: Nature as the Source of Mathematical Innovation
- arxiv url: http://arxiv.org/abs/2607.04505v1
- Date: Sun, 05 Jul 2026 21:16:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 22:26:29.951555
- Title: Why Pure Reasoning is Not Enough: Nature as the Source of Mathematical Innovation
- Title（参考訳）: 純粋推論が不十分な理由 : 数学的イノベーションの源泉としての自然
- Abstract要約: 我々は、人間の数学的推論は純粋推論以外の領域からのパターンマッチングに依存しているという仮説を推し進める。
「そのようなパターンの最も多産な貯水池は自然界であり、その物理法則や生物系は何十億年もの事前計算を経てきた。」
これらの障壁は、物理にインスパイアされたパターンマッチングを、過去の事故だけでなく、認知的必需品にしている、と我々は主張する。
- 参考スコア（独自算出の注目度）: 0.6445605125467574
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We advance the hypothesis that human mathematical reasoning, constrained by both the undecidability and the computational intractability of even modest logical fragments, relies fundamentally on pattern matching from domains external to pure deduction. The most prolific reservoir of such patterns is the natural world, whose physical laws and biological systems have undergone billions of years of ``pre-computation'' and already exhibit surprisingly innovative solutions. To ground this claim, we trace the history of the Fourier transform and relevant mathematics, from the vibrating string controversy to the hear equation and subsequent formalisms prevalent in mathematics. At each critical juncture, a physics problem forced the acceptance or creation of a mathematical tool that pure formal reasoning failed to anticipate or, worse, human reasoning had resisted. We further survey the landscape of logical complexity, from NP-hard propositional satisfiability to the non-elementary decision-procedures for monadic second-order theories, to demonstrate that even when a logic is decidable, the resources required for worst-case deduction are astronomically prohibitive. We argue that these barriers make physics-inspired pattern matching not just a historical accident but a cognitive necessity. Finally, we draw the consequence for artificial intelligence: if pure reasoning is constitutively insufficient, then any system aiming at human-level mathematical creativity must embed a vast store of cross-domain patterns rather than rely on deduction alone. This furnishes a principled justification for the enormous scale of contemporary large language models.
- Abstract（参考訳）: 我々は、決定不可能性や計算上の難解性の両方に制約された人間の数学的推論が、純粋推論以外の領域からのパターンマッチングに基本的に依存しているという仮説を推し進める。
このようなパターンの最も豊富な貯水池は自然界であり、その物理法則と生物系は何十億年もの「事前計算」を経ており、すでに驚くほど革新的な解が提示されている。
この主張を裏付けるために、フーリエ変換と関連する数学の歴史を辿り、振動する弦の論争から聴力方程式、その後の数学でよく見られる形式主義まで遡る。
それぞれの臨界点において、物理学的な問題により、純粋に形式的な推論が予測できなかったり、さらに悪いことに人間の推論が抵抗しなかった数学的ツールの受容や作成を余儀なくされた。
さらに、NP-ハード命題の充足性から、モナディック二階述語理論の非要素的決定手順に至るまで、論理が決定可能であったとしても、最悪の演目推論に必要な資源が天文学的に禁じられていることを実証するために、論理複雑性の展望を調査した。
これらの障壁は、物理にインスパイアされたパターンマッチングを、過去の事故だけでなく、認知的必需品にしている、と我々は主張する。
純粋に推論が不十分な場合、人間レベルの数学的創造性を目指すシステムは、推論のみに頼るのではなく、膨大なドメインパターンを組み込まなければならない。
これは、現代の大規模言語モデルの大規模な正当化を原則とするものである。
関連論文リスト
- Unifying Deductive and Abductive Reasoning in Knowledge Graphs with Masked Diffusion Model [64.31242163019242]
帰納的推論と帰納的推論は知識グラフを解析するための重要なパラダイムである。
DARKと呼ばれる知識グラフにおける帰納的・帰納的推論のための統一的なフレームワークを提案する。
DARKは, 帰納的推論タスクと帰納的推論タスクの両方において, 最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-10-13T14:34:57Z) - Reasoning is about giving reasons [55.56111618153049]
高い精度の3つの一般的な推論データセットにおいて、自然言語の引数の論理構造を同定し、抽出できることが示される。
我々のアプローチは、自然言語の引数の論理構造に依存するあらゆる推論形式をサポートする。
論文 参考訳（メタデータ） (2025-08-20T07:26:53Z) - Comment on "Unifying Aspects of Generalized Calculus" [0.0]
Czachor の最近の提案は非ニュートン計算の形式を導入している。
物理的な観点から見れば、深刻な概念上の問題に陥る。
論文 参考訳（メタデータ） (2025-08-08T15:23:21Z) - On the Fundamental Impossibility of Hallucination Control in Large Language Models [0.0]
不合理性理論:非自明な知識集約を行うLLMは、真理的な知識表現、意味情報保存、関連する知識の啓示を同時に達成できない。
提案手法は,アイデアのオークションとして推論をモデル化し,分散コンポーネントが符号化された知識を用いて応答に影響を与えることを証明している。
幻覚と想像力は数学的に同一であり、どちらも4つの重要な性質のうちの少なくとも1つに反する。
論文 参考訳（メタデータ） (2025-06-04T23:28:39Z) - Artifical intelligence and inherent mathematical difficulty [0.0]
まず、計算可能性と複雑性理論による制限的な結果が証明発見が本質的に難しい問題であることを示す従来の議論の更新版を提示する。
次に、人工知能にインスパイアされた最近のいくつかの応用が、数学的な証明の性質に関する新しい疑問を実際に提起する方法について説明する。
論文 参考訳（メタデータ） (2024-08-01T20:08:31Z) - Exploring the Limits of Fine-grained LLM-based Physics Inference via Premise Removal Interventions [0.0]
言語モデル(LM)は複雑な数学的推論を行う際に幻覚を与える。
物理的な文脈では、記号的な操作は複雑な意味論を満たすことが要求される。
この設定では、LMsの数学的推論は物理学的インフォームドされていない。
論文 参考訳（メタデータ） (2024-04-29T02:43:23Z) - A Simple Generative Model of Logical Reasoning and Statistical Learning [0.6853165736531939]
統計的学習と論理的推論は、AIの2つの主要な分野であり、人間のようなマシンインテリジェンスに統一されることが期待されている。
本稿では、論理的推論と統計的学習の単純なベイズモデルを提案する。
我々は、形式論理におけるその満足度の観点から、データがどのように象徴的知識を引き起こすかをモデル化する。
論文 参考訳（メタデータ） (2023-05-18T16:34:51Z) - Chaining Simultaneous Thoughts for Numerical Reasoning [92.2007997126144]
テキストによる数値推論は、AIシステムにとって不可欠なスキルであるべきです。
これまでの研究は方程式の構造をモデル化することに集中し、様々な構造化デコーダを提案してきた。
我々は、有向非巡回グラフを用いてステップを推論する数値推論器CANTORを提案する。
論文 参考訳（メタデータ） (2022-11-29T18:52:06Z) - MetaLogic: Logical Reasoning Explanations with Fine-Grained Structure [129.8481568648651]
複雑な実生活シナリオにおけるモデルの論理的推論能力を調べるためのベンチマークを提案する。
推論のマルチホップ連鎖に基づいて、説明形式は3つの主成分を含む。
この新たな説明形式を用いて,現在のベストモデルの性能を評価した。
論文 参考訳（メタデータ） (2022-10-22T16:01:13Z) - Transfinite Modal Logic: a Semi-quantitative Explanation for Bayesian
Reasoning [1.6916260027701393]
本稿では,モーダル論理と順序算術を組み合わせた超有限モーダル論理を導入する。
我々は、超有限モーダル論理がベイズ的推論の本質をかなり明確で単純な形で捉えていることを示唆する。
論文 参考訳（メタデータ） (2022-04-02T17:58:14Z) - NaturalProofs: Mathematical Theorem Proving in Natural Language [132.99913141409968]
数学的ステートメントの多領域コーパスであるNaturalProofsとその証明を開発した。
NaturalProofsは広範なカバレッジ、深いカバレッジ、低リソースの数学的ソースを統一する。
数式参照検索と生成タスクに関する強力なニューラルネットワーク手法をベンチマークする。
論文 参考訳（メタデータ） (2021-03-24T03:14:48Z) - Logical Neural Networks [51.46602187496816]
ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。
すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。
推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
論文 参考訳（メタデータ） (2020-06-23T16:55:45Z)
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。