論文の概要: Atomic Units of X: The Compression Layer of Intelligence
- arxiv url: http://arxiv.org/abs/2607.12634v1
- Date: Tue, 14 Jul 2026 11:11:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-15 17:08:30.123746
- Title: Atomic Units of X: The Compression Layer of Intelligence
- Title（参考訳）: Xの原子ユニット:知性の圧縮層
- Abstract要約: 本稿では,原子圧縮と合成再利用のプロセスとして知能を理解するための理論的枠組みを提案する。
我々は、複雑な現象を再利用可能な原子単位に分解することで、認知、生物学的、計算、組織システムがスケーラブルなインテリジェンスを実現することを主張する。
- 参考スコア（独自算出の注目度）: 42.17843805583916
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a theoretical framework for understanding intelligence as a process of atomic compression and compositional reuse. We argue that cognitive, biological, computational, and organizational systems achieve scalable intelligence by decomposing complex phenomena into reusable atomic units that can be recombined into higher-order structures. Drawing on evidence from cognitive science, information theory, evolutionary biology, software engineering, medicine, legal reasoning, education, music, and artificial intelligence, the paper develops the concept of atomic units as fundamental compression layers that support efficiency, transfer, interpretability, and evolvability. The central contribution is the Compression Calculus, a formal framework for comparing surface-level representations with atomic representations and for describing how compression gains compound across abstraction layers. We introduce the Compounding Cascade thesis, according to which each additional layer of abstraction multiplicatively increases representational efficiency rather than merely adding incremental savings. The paper further argues that contemporary AI systems often operate at suboptimal levels of representation, relying on token-level processing or document-level retrieval rather than stable, concept-level atomic structures. In this view, large language models are best understood not as complete knowledge architectures, but as dynamic fusion engines capable of navigating, sequencing, and recombining atomic units. The framework provides a foundation for designing self-evolving knowledge systems that can discover, refine, and compose new primitives over time. By reframing intelligence as compression through compositional abstraction, the paper offers a unifying perspective on expertise, knowledge representation, explainable AI, and the future architecture of adaptive intelligent systems.
- Abstract（参考訳）: 本稿では,原子圧縮と合成再利用のプロセスとして知能を理解するための理論的枠組みを提案する。
我々は、複雑な現象を高次構造に再結合可能な再利用可能な原子単位に分解することで、認知、生物学的、計算、組織システムがスケーラブルなインテリジェンスを実現することを主張する。
この論文は、認知科学、情報理論、進化生物学、ソフトウェア工学、医学、法的推論、教育、音楽、人工知能のエビデンスに基づいて、効率性、伝達性、解釈可能性、進化性をサポートする基本的な圧縮層として原子単位の概念を発展させている。
圧縮計算(Compression Calculus)は、表面レベルの表現を原子表現と比較する形式的なフレームワークであり、圧縮が抽象層をまたいでどのように複合化されるかを記述するためのものである。
本稿では,各抽象層が増分貯蓄を単に加えるのではなく,表現効率を乗算的に向上させる,複合カスケード論を紹介する。
さらに、現代のAIシステムは、安定的で概念レベルの原子構造ではなく、トークンレベルの処理や文書レベルの検索に頼って、最適な表現レベルで運用されることがしばしばある、と論じている。
この観点では、大きな言語モデルは完全な知識アーキテクチャではなく、ナビゲート、シークエンシング、組換えが可能な動的融合エンジンとして理解されている。
このフレームワークは、時間とともに新しいプリミティブを発見し、洗練し、構成できる自己進化的な知識システムを設計するための基盤を提供する。
インテリジェンスを構成的抽象化による圧縮として再定義することにより、専門知識、知識表現、説明可能なAI、そして適応的なインテリジェントシステムの将来のアーキテクチャに関する統一的な視点を提供する。
関連論文リスト
- Evolving Cognitive Architectures [51.56484100374058]
本稿では,次世代のインテリジェントな技術システムの構築につながる研究と開発の方向性を提案する。
これらのシステムの特徴的な特徴は、進化的変化を起こす能力である。
論文 参考訳（メタデータ） (2025-12-29T10:09:20Z) - Beyond the Black Box: A Cognitive Architecture for Explainable and Aligned AI [0.0]
ウェイトカルカリズム(Weight-Calculatism)は、第一原理に基づく新しい認知アーキテクチャである。
決定は解釈可能なウェイト・カルキュレーションモデルによって定式化される。
結果は、前例のないシナリオにおいて、アーキテクチャが透明で人間らしい推論と堅牢な学習を実現することを示唆している。
論文 参考訳（メタデータ） (2025-11-27T12:42:54Z) - From Mimicry to True Intelligence (TI) -- A New Paradigm for Artificial General Intelligence [0.0]
現在のパフォーマンスベースの定義は、研究のための明確なメカニズム中心のロードマップを提供していないため、不十分である、と私たちは主張する。
本稿では,外部模倣から基礎的認知アーキテクチャ開発へと焦点を移す新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2025-09-17T23:08:36Z) - Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact [27.722167796617114]
本稿では,人工知能,認知神経科学,心理学,生成モデル,エージェントベースシステムの学際的合成について述べる。
我々は汎用知能のアーキテクチャと認知の基礎を分析し、モジュラー推論、永続記憶、マルチエージェント協調の役割を強調した。
我々は、人工知能への道の鍵となる科学的、技術的、倫理的課題を特定します。
論文 参考訳（メタデータ） (2025-07-01T16:52:25Z) - Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。
自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。
また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
論文 参考訳（メタデータ） (2025-03-31T18:00:29Z) - Finding structure in logographic writing with library learning [55.63800121311418]
書記システムにおける構造を発見するための計算フレームワークを開発する。
我々の枠組みは中国語の表記体系における既知の言語構造を発見する。
図書館学習のアプローチが、人間の認知における構造の形成の基盤となる基本的な計算原理を明らかにするのにどのように役立つかを実証する。
論文 参考訳（メタデータ） (2024-05-11T04:23:53Z) - 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) - Acquiring and Modelling Abstract Commonsense Knowledge via Conceptualization [49.00409552570441]
本研究では,コモンセンス推論における概念化の役割について検討し,人間の概念化を再現する枠組みを定式化する。
ATOMIC は大規模な人為的注釈付き CKG であり,この枠組みを分類プロベースで支援している。
論文 参考訳（メタデータ） (2022-06-03T12:24:49Z) - AIGenC: An AI generalisation model via creativity [1.933681537640272]
本稿では,創造性に関する認知理論に触発された計算モデル(AIGenC)を紹介する。
人工エージェントが変換可能な表現を学習、使用、生成するために必要なコンポーネントを配置する。
本稿では, 人工エージェントの配当効率を向上するモデルの有効性について論じる。
論文 参考訳（メタデータ） (2022-05-19T17:43:31Z) - A Metamodel and Framework for AGI [3.198144010381572]
本稿では,応用AGIシステム構築のための知識保存メタモデルとフレームワークを実装したDeep Fusion Reasoning Engine(DFRE)を紹介する。
DFREは、対称関係と反対称関係の明確な区別など、いくつかの重要な基本的な知識特性を示す。
提案手法は, 教師なし物体の検出・認識において, 平均94%の精度を達成できることを示す。
論文 参考訳（メタデータ） (2020-08-28T23:34:21Z)
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。