論文の概要: What General Intelligence Requires: Non-Reducible Constraints Across Levels of Description

• arxiv url: http://arxiv.org/abs/2607.18943v1
• Date: Tue, 21 Jul 2026 10:24:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.393922
• Title: What General Intelligence Requires: Non-Reducible Constraints Across Levels of Description
• Title（参考訳）: 汎用インテリジェンスに必要なもの - 非可逆的制約 - 説明のレベルを越えて
• Abstract要約: 一般知能は、人間の認知的達成の全範囲を下書きするものであり、計算アーキテクチャーの特質ではない。 一般知性に関する構造的制約は、異なるレベルの記述を占有し、相互に再現不可能である。
• 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: General intelligence, of the kind that underwrites the full range of human cognitive achievement, is not a property of computational architecture alone. This paper advances a single thesis: the structural constraints on general intelligence occupy distinct levels of description and are mutually non-reducible, in the sense that the special-sciences tradition gives to that term. It follows that no single architectural advance, and no continuation of the scaling programme by itself, can produce artificial general intelligence (AGI), and that research programmes must be evaluated against the full constraint profile rather than against performance on any one benchmark. The thesis is developed through a method that reads general intelligence through four evidential lenses, AI systems research, anthropology, law, and economics, each anchored to a distinct level of description, supplemented by speculative fiction used as a disciplined heuristic in the context of discovery rather than the context of justification. Applying the method yields a taxonomy of twenty-three structural constraints organised into eight clusters; six are examined in depth and ordered as an ascending ladder of levels, with explicit bridges showing why progress at one level cannot carry to the next. The argument issues in five falsifiable predictions, each stated with a named benchmark family and a disconfirmation condition, converting a descriptive framework into a research programme with a longer horizon than the scaling hypothesis implies.
• Abstract（参考訳）: 一般知能は、人間の認知的達成の全範囲を下書きするものであり、計算アーキテクチャーの特質ではない。 一般知性に関する構造的制約は、その用語に特殊科学の伝統が与える意味において、異なるレベルの記述を占有し、相互に再現不可能である。 結果として、単一のアーキテクチャ上の進歩はなく、それ自体によるスケーリングプログラムの継続もないため、人工知能(AGI)を生成でき、研究プログラムは1つのベンチマークのパフォーマンスに対してではなく、完全な制約プロファイルに対して評価されなければならない。 この論文は、四つの明細レンズ、AIシステム研究、人類学、法学、経済学を通して一般知能を読み取る方法によって開発され、それぞれ異なるレベルの記述に固定され、正当化の文脈ではなく、発見の文脈において規律的なヒューリスティックとして使用される投機的フィクションによって補われる。 この方法を適用すると、8つのクラスタに編成された23の構造的制約の分類が得られる。 証明可能な5つの予測の議論は、それぞれ名前付きベンチマークファミリと不確認条件で述べられ、記述的フレームワークをスケーリング仮説が示すよりも長い地平線を持つ研究プログラムに変換する。

関連論文リスト

• Constitutive Priors for Machine Intelligence: A Legitimacy Theory of the Artificial Physical World [6.102551417081661]
  マシンインテリジェンスは象徴的な世界を征服したが、物理的には行き詰まった。 私たちの論説:デッドロックは本物だが不均一な分散であり、例外は人工的な物理世界だ。 建物、工業施設、インフラは意図的に構成され、文書化されている。
  論文  参考訳（メタデータ） (2026-08-15T09:50:19Z)
• RAIL: An Automatic Classifier of the Artificial Intelligence Readiness Level [0.0]
  人工知能技術の成熟度を評価することは、投資決定、プロジェクト管理、政策監視に不可欠である。 利用可能な準備性フレームワークは異種であり、自動的に適用するのは難しい。 まず、これらの3つのフレームワークを、環境証拠のはしごの上に構築された9レベルのスケールである、統一AI準備レベル(AIRL)に統合する。 第2に,このスケールを運用するパネル・オブ・エキスパートの分類器であるRAILを提案する。
  論文  参考訳（メタデータ） (2026-08-13T16:17:41Z)
• Provably Secure Agent Guardrail [89.79561918065122]
  既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。 本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-05-28T02:12:41Z)
• A Discipline-Agnostic AI Literacy Course for Academic Research: Architecture, Pedagogy, and Implementation [0.0]
  ジェネレーティブAIを学術リテラシーに迅速に統合するためには、学生にツールの習熟度だけでなく、専門的な聴衆に奉仕する技術AI開発コースと、持続的で実践ベースの能力の厳格な研究が要求される短い一般リテラシー介入という2つの極に、これらのツールを責任を持って使用するという批判的な判断を、カリキュラムが要求される。 本稿では、厳格なAI支援文学レビューに必要な不足する能力に対処する、リーハイ大学におけるコースの設計、理性、実装について報告する。
  論文  参考訳（メタデータ） (2026-04-29T21:47:00Z)
• A Limit Theory of Foundation Models: A Mathematical Approach to Understanding Emergent Intelligence and Scaling Laws [69.11818285240689]
  本研究では,極限理論の観点から創発的知能を定式化する数学的アプローチの開発を試みる。 創発的知能は、極限振る舞いに対応する創発的能力を持つ、lim_N,P,K から infty mathcalE(N,P,K)$ の存在として再認識する。
  論文  参考訳（メタデータ） (2026-04-27T04:43:42Z)
• From Specification to Architecture: A Theory Compiler for Knowledge-Guided Machine Learning [6.365277569082624]
  理論誘導型機械学習は、モデル設計に直接ドメイン知識を組み込むことで、性能が向上することを示した。 しかし、形式的ドメイン理論がアーキテクチャ上の制約に変換されるプロセスは完全に手作業のままである。 本稿では,型付き機械可読なドメイン理論を入力として受け入れ,アーキテクチャを自動生成するシステムである理論コンパイラを提案する。
  論文  参考訳（メタデータ） (2026-03-15T13:15:31Z)
• The next question after Turing's question: Introducing the Grow-AI test [51.56484100374058]
  本研究は,GROW-AIと呼ばれる人工知能評価の枠組みを拡張することを目的としている。 GROW-AIは、チューリングテストの自然な後継者である"Can Machine grow up? この作品の独創性は、人間の世界から人工知能への「成長」過程の概念的な変換にある。
  論文  参考訳（メタデータ） (2025-08-22T10:19:42Z)
• AGITB: A Signal-Level Benchmark for Evaluating Artificial General Intelligence [0.0]
  Artificial General Intelligence Testbed (AGITB)は14の初等試験からなる新しいベンチマークスイートを導入した。 AGITBは、事前訓練することなく、段階的に、時間的シーケンスで次の入力を予測する能力に関するモデルを評価する。 ヒトの皮質は全てのテストを満たすが、現在のAIシステムは完全なAGITB基準を満たしていない。
  論文  参考訳（メタデータ） (2025-04-06T10:01:15Z)
• OlympicArena: Benchmarking Multi-discipline Cognitive Reasoning for Superintelligent AI [73.75520820608232]
  我々は,11,163のバイリンガル問題を含む,テキストのみとインターリーブされたテキストイメージのモダリティを紹介する。 これらの課題には、7つのフィールドと62の国際オリンピック大会にわたる幅広い規律が含まれており、データ漏洩について厳格に調査されている。 我々の評価によると、GPT-4oのような先進モデルでさえ、複雑な推論とマルチモーダル統合における現在のAI制限を反映して、全体的な精度は39.97%しか達成していない。
  論文  参考訳（メタデータ） (2024-06-18T16:20:53Z)
• Extending Complex Logical Queries on Uncertain Knowledge Graphs [50.360531130930646]
  機械学習に基づく論理クエリ応答の研究は、大規模かつ不完全な知識グラフによる推論を可能にする。 我々は,大規模,不完全,不確実な知識グラフ上でのソフトクエリに応答するために,前方推論と後方校正の両方を組み込んだニューラルシンボリックアプローチを提案する。
  論文  参考訳（メタデータ） (2024-03-03T13:13:53Z)
• Hierarchical Invariance for Robust and Interpretable Vision Tasks at Larger Scales [54.78115855552886]
  本稿では、畳み込みニューラルネットワーク(CNN)のような階層型アーキテクチャを用いて、オーバーコンプリート不変量を構築する方法を示す。 オーバーコンプリート性により、そのタスクはニューラルアーキテクチャサーチ(NAS)のような方法で適応的に形成される。 大規模で頑健で解釈可能な視覚タスクの場合、階層的不変表現は伝統的なCNNや不変量に対する効果的な代替物とみなすことができる。
  論文  参考訳（メタデータ） (2024-02-23T16:50:07Z)
• A Categorical Framework of General Intelligence [12.134564449202708]
  1950年にアラン・チューリングがこの質問をしたので、直接答えることはできない。 2つの主要な結果とともに、この目標に向けてカテゴリ的なフレームワークを導入します。
  論文  参考訳（メタデータ） (2023-03-08T13:37:01Z)
• Beyond Interpretable Benchmarks: Contextual Learning through Cognitive and Multimodal Perception [0.0]
  この研究は、チューリングテストがコンピュータシステムを人為的に形作る試みであると誤解されていることを主張する。 通訳性に欠けるにもかかわらず、汎用知能の基盤として暗黙の学習を強調している。
  論文  参考訳（メタデータ） (2022-12-04T08:30:04Z)

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。