論文の概要: The tragedy of the cognitive commons: collective intelligence beyond AI-induced knowledge collapse
- arxiv url: http://arxiv.org/abs/2607.13272v1
- Date: Tue, 14 Jul 2026 21:13:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.593112
- Title: The tragedy of the cognitive commons: collective intelligence beyond AI-induced knowledge collapse
- Title（参考訳）: 認知コモンズの悲劇:AIによる知識の崩壊を超えた集団知性
- Abstract要約: アセモグル、コング、オズダガル(2026a)のエージェントAIは、人類の共通知識基盤の自己強化による劣化を引き起こす可能性がある。
本稿では,モデルの評価値について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In a recent dynamic model by Acemoglu, Kong and Ozdaglar (2026a) agentic AI can cause a self-reinforcing deterioration of humanity's common knowledge base in what they call knowledge collapse. The model is based on a natural complementarity between the cumulative general knowledge of humans and locally generated context-specific knowledge, and on a learning externality that means that we all contribute to the private signal and the thin public signal that feeds the collective stock. If agentic AI can substitute for the private signal but not rebuild the public signal, and when human effort is sufficiently elastic, we can reach a low-knowledge equilibrium. This paper offers a measured appraisal of the model. It assesses the model in terms of what the popular summaries say is common knowledge, the world literature against knowledge commons and model collapse, and the partial empirical evidence, such as a 25% decline in public knowledge sharing on Stack Overflow. It then presents five structural criticisms of the model: its fixed knowledge taxonomy, the assumption that AI cannot provide general knowledge, the unmeasured effort elasticity parameter, and the political futility of the model to be implemented. We argue that the model's value lies not in any guaranteed catastrophe but in identifying a credible negative externality, the tragedy of the cognitive commons, whose remedy is a better aggregation of human knowledge. The paper outlines a research agenda for the study of effort elasticity and knowledge commons.
- Abstract（参考訳）: Acemoglu、Kong、Ozdaglar(2026a)による最近の動的モデルでは、エージェントAIは、知識崩壊と呼ばれる人間の共通知識基盤の自己強化的な劣化を引き起こす可能性がある。
このモデルは、人間の累積的一般知識と局所的に生成された文脈特化知識の自然な相補性に基づいており、学習外部性により、私たちは皆、集団ストックを供給しているプライベート信号と薄い公開信号に貢献する。
エージェントAIがプライベート信号に代えて公開信号を再構築できない場合、人間の努力が十分に弾力的であれば、低い知識均衡に達することができる。
本稿では,モデルの評価値について述べる。
一般的な要約が共通知識、知識コモンズに対する世界文学、モデル崩壊、およびStack Overflow上での公開知識共有の25%の減少などの部分的な実証的証拠の観点から、モデルを評価します。
次に、モデルの構造的批判として、その固定された知識分類、AIが一般的な知識を提供できないという仮定、計測されていない努力の弾力性パラメータ、実装すべきモデルの政治的ユーティリティの5つを提示する。
モデルの価値は、保証された災害ではなく、信頼できる否定的な外部性、認知的コモンズの悲劇を特定することにある、と我々は主張する。
本報告では, 作業の弾力性と知識共通性の研究課題について概説する。
関連論文リスト
- Trustworthy AI Suffers from Invariance Conflicts and Causality is The Solution [80.98492754957466]
公正性、堅牢性、プライバシ、説明可能性といった、信頼性の高いAI目標を同時に達成することは難しい。
本稿では、パフォーマンスにおけるトレードオフを理解しバランスをとるためには因果性が必要であると論じ、信頼できるAIの複数の目的について論じる。
論文 参考訳（メタデータ） (2026-05-04T14:26:28Z) - Reliable AI Needs to Externalize Implicit Knowledge: A Human-AI Collaboration Perspective [18.284119243990062]
ドキュメントのコストが知覚される価値を超えるため、暗黙の知識は外用されない。
現在の信頼性手法は、ソースに対する明示的な知識のみを検証できる。
我々は、暗黙の知識を人間が検査し、検証し、支持できる形で外部化する構造化されたアーティファクト(KO)を提案する。
論文 参考訳（メタデータ） (2026-05-03T18:31:45Z) - When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。
最初の大規模人間実験(N=118)を行い,その測定を行った。
2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
論文 参考訳（メタデータ） (2025-06-05T20:48:16Z) - Information Retrieval Induced Safety Degradation in AI Agents [52.15553901577888]
本研究では,検索アクセスの拡大がモデル信頼性,バイアス伝搬,有害コンテンツ生成に与える影響について検討した。
整列 LLM 上に構築された検索可能なエージェントは、検索なしでの無検閲モデルよりも安全でない振る舞いをすることが多い。
これらの発見は、検索可能でますます自律的なAIシステムの公正性と信頼性を確保するための堅牢な緩和戦略の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2025-05-20T11:21:40Z) - AI and the Problem of Knowledge Collapse [0.0]
特定の知識モードへのアクセスコストを削減することにより、AIが公衆の理解をパラドックス的に損なう可能性のある条件を特定する。
学習者やイノベーターのコミュニティが従来の手法を使うか、割引されたAI支援プロセスに頼るというシンプルなモデルを提供する。
我々のデフォルトモデルでは、AI生成コンテンツに対する20%の割引は、ディスカウントがない場合よりも真実から2.3倍の信条を生成する。
論文 参考訳（メタデータ） (2024-04-04T15:06:23Z) - Position: Stop Making Unscientific AGI Performance Claims [6.343515088115924]
人工知能(AI)分野の発展は、人工知能(AGI)の「スパーク」を観察するための「完璧な嵐」を生み出した。
我々は、モデルの潜在空間における有意義なパターンの発見は、AGIを支持する証拠とは見なされないことを議論し、実証的に実証した。
我々は、モデル表現と興味のある変数の間の相関が、モデルが根底にある「真実」の関係について理解していることから「原因」であるとの誤解に対して、AIの方法論的設定と一般的な公開イメージの両方が理想的であると結論付けている。
論文 参考訳（メタデータ） (2024-02-06T12:42:21Z) - Visually Grounded Commonsense Knowledge Acquisition [132.42003872906062]
大規模なコモンセンス知識ベースは、幅広いAIアプリケーションを促進する。
視覚知覚には、現実世界の実体に関する豊富な常識知識が含まれる。
本稿では,遠隔教師付きマルチインスタンス学習問題としてCKEを定式化するCLEVERを提案する。
論文 参考訳（メタデータ） (2022-11-22T07:00:16Z) - Principled Knowledge Extrapolation with GANs [92.62635018136476]
我々は,知識外挿の新たな視点から,対実合成を研究する。
本稿では, 知識外挿問題に対処するために, クローズド形式判別器を用いた対角ゲームが利用可能であることを示す。
提案手法は,多くのシナリオにおいて,エレガントな理論的保証と優れた性能の両方を享受する。
論文 参考訳（メタデータ） (2022-05-21T08:39:42Z) - ArT: All-round Thinker for Unsupervised Commonsense Question-Answering [54.068032948300655]
本稿では,知識生成における関連性を完全に取り除き,オールラウンド思考者(ArT)のアプローチを提案する。
我々は、COPA、SocialIQA、SCTの3つの共通センスQAベンチマークで評価した。
論文 参考訳（メタデータ） (2021-12-26T18:06:44Z) - DISCOS: Bridging the Gap between Discourse Knowledge and Commonsense
Knowledge [42.08569149041291]
代替コモンセンス知識獲得フレームワーク DISCOS を提案します。
DISCOSは高価なコモンセンス知識をより手頃な言語知識資源に投入する。
我々は,ASERの中核部にATOMICを投入することにより,3.4M ATOMICライクな推論コモンセンス知識を得ることができる。
論文 参考訳（メタデータ） (2021-01-01T03:30:38Z)
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。