論文の概要: From Compressing Complexity to Accommodating Complexity: How AI Transforms Standardization and Individualization
- arxiv url: http://arxiv.org/abs/2607.25240v1
- Date: Tue, 28 Jul 2026 03:30:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.694897
- Title: From Compressing Complexity to Accommodating Complexity: How AI Transforms Standardization and Individualization
- Title（参考訳）: コンプレッション・コンプレッション・コンプレッションからコンプレッション・コンプレッションへ:AIが標準化とパーソナライゼーションをどう変えるか
- Abstract要約: 文明生産論理の進化は、共通性から個性への動きではなく、複雑さの圧縮から複雑さの調節への動きである。
本稿では、認知労働の事前集中がパーソナライズされた生産のコスト構造をいかに変えるかを説明するための分析概念として、「認知固定コスト」を提案する。
- 参考スコア（独自算出の注目度）: 6.7650739928761245
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Why do societies composed of individuals pursuing individuality repeatedly generate highly standardized systems? This paper argues that the answer lies in the evolution of information processing capacity. Artificial intelligence represents a historical transition in this capacity, enabling social systems to accommodate forms of complexity that previously had to be compressed. Industrial standardization was not merely a consequence of capital preference or power relations, but an institutional arrangement for maintaining the manageability of large-scale systems under limited information-processing capacity by reducing the variety of the controlled system. The fundamental change in the AI era lies in the expansion of information processing capacity across three dimensions: perception, computation, and execution. This expansion shifts personalized production from physical adaptation toward information-based adaptation and enables a transition from discrete to continuous objectification of difference. This paper proposes "cognitive fixed cost" as an analytical concept to describe how the upfront concentration of cognitive labor transforms the cost structure of personalized production. It further argues that standardization has not disappeared but has moved from explicit constraints at the product level to implicit generation rules embedded in infrastructures, shifting the central contradiction from "whether to have commonality" to "who controls commonality." The evolution of civilizational production logic is not a movement from commonality to individuality, but from compressing complexity to accommodating complexity.
- Abstract（参考訳）: なぜ個性を追求する個人からなる社会は、しばしば高度に標準化されたシステムを生成するのか?
本稿では,情報処理能力の進化にその答えがあると主張している。
人工知能は、この能力の歴史的変遷を表しており、社会システムは以前圧縮されなければならなかった複雑さの形式に対応することができる。
産業標準化は単に資本選好や権力関係の結果ではなく、統制体制の多様性を減らし、情報処理能力に制限のある大規模システムの管理性を維持するための制度的な取組であった。
AI時代の根本的な変化は、知覚、計算、実行の3次元にわたる情報処理能力の拡大にある。
この拡張は、パーソナライズされた生産を、物理的適応から情報に基づく適応へとシフトさせ、個別から連続的な差異の客観化への移行を可能にする。
本稿では、認知労働の事前集中がパーソナライズされた生産のコスト構造をいかに変えるかを説明するための分析概念として、「認知固定コスト」を提案する。
さらに、標準化は消えてはいないが、製品レベルでの明示的な制約からインフラに埋め込まれた暗黙的な生成規則へと移行し、中心的な矛盾を「共通性を持つかどうか」から「共通性を制御するか」に移行したと主張している。
文明生産論理の進化は、共通性から個性への動きではなく、複雑さの圧縮から複雑さの調節への動きである。
関連論文リスト
- Autonomy, Social Norms, and Alignment: Towards a Developmental Framework for Autonomous Artificial Agents [0.0]
ほとんどの高度なシステムは、既存のデータセットと人間のフィードバック戦略に依存しており、動的または未知のコンテキストでは強力だが不十分である。
この課題に対処する戦略の1つは、本質的なモチベーションのようなより高度なメカニズムの導入である。
アライメント(アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント、アライメント
論文 参考訳（メタデータ） (2026-09-10T15:02:52Z) - A Category Theory Account of AI Identity [0.3384279376065155]
我々はAIアイデンティティのカテゴリー論的形式化を開発する。
弱い解釈は信頼の平等としてのアイデンティティを回復させる。
強い解釈は、相互に信頼を保つための到達可能性を必要とする。
論文 参考訳（メタデータ） (2026-06-30T21:54:36Z) - Artificial Intelligence as Monism: Ontological, Organisational, and Methodological Implications [31.495834538807525]
論文は、AIは単なるコンポーネントの集まりではなく、それが複製する特異点を反映した単一の不可分な本質であると主張している。
認識論的には、AIを技術的、組織的、社会的な領域にまたがる中心的な解釈力として位置づけている。
最終的に、この論文は、AIの概念化、管理、統合のパラダイムシフトを要求する。
論文 参考訳（メタデータ） (2026-06-15T16:43:23Z) - A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。
応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。
我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
論文 参考訳（メタデータ） (2026-03-11T07:40:53Z) - Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。
この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。
このボトルネックは、帰属の曖昧さに起因している。
本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
論文 参考訳（メタデータ） (2026-02-05T04:19:52Z) - A Theory of Information, Variation, and Artificial Intelligence [0.0]
実証研究の活発化は、生成AIの普及が情報、創造性、文化生産に顕著な均質化効果をもたらすことを示唆している。
本稿では、特殊領域内の知識を平らにする非常に均質化が、その知識をそれら全体で再結合可能な一貫したモジュールに同時にレンダリングする、と論じる。
この論文は、この緊張を解決するのに必要な認知的および制度的な足場を概説し、生成的AIがイノベーションの道具になるか、均質化されるかを決定する決定的な変数であると主張した。
論文 参考訳（メタデータ） (2025-08-20T16:21:13Z) - From Model Design to Organizational Design: Complexity Redistribution and Trade-Offs in Generative AI [44.99833362998488]
我々は、AIを入力コストの単純な削減と見なすことは、2つの重要なダイナミクスを見落としていると論じる。
したがって、GASのトレードオフは消滅せず、ユーザから組織に移管される。
この研究は、スケーラブルな認知がいかに複雑さを移動させるかを明らかにすることで、AI戦略を前進させる。
論文 参考訳（メタデータ） (2025-06-10T15:22:09Z) - Stochastic, Dynamic, Fluid Autonomy in Agentic AI: Implications for Authorship, Inventorship, and Liability [0.2209921757303168]
エージェントAIシステムは、暗黙の学習を通じて戦略を適応し、自律的に目標を追求する。
人間と機械の貢献は、相互に絡み合った創造的なプロセスに不可避的に絡まってしまう。
法律と政策の枠組みは、人間と機械の貢献を機能的に同等に扱う必要があるかもしれないと我々は主張する。
論文 参考訳（メタデータ） (2025-04-05T04:44:59Z) - Inducing Systematicity in Transformers by Attending to Structurally
Quantized Embeddings [60.698130703909804]
トランスフォーマーは、複雑なデータセットでトレーニングされた後、構造と実体の新規な構成に一般化する。
本稿では,SQ-Transformerを提案する。
SQ-Transformerは,複数の低複雑さ意味解析および機械翻訳データセット上で,バニラ変換器よりも強い構成一般化を実現することを示す。
論文 参考訳（メタデータ） (2024-02-09T15:53:15Z) - Core and Periphery as Closed-System Precepts for Engineering General
Intelligence [62.997667081978825]
AIシステムの入力が出力から独立するかどうかは不明であり、従ってAIシステムが従来のコンポーネントとして扱われるかどうかは不明である。
本稿では, 工学的汎用知能は, コアと周辺と呼ばれる, 新たな汎用システム規範を必要とすることを示唆する。
論文 参考訳（メタデータ） (2022-08-04T18:20:25Z) - Supercharging Imbalanced Data Learning With Energy-based Contrastive
Representation Transfer [72.5190560787569]
コンピュータビジョンにおいて、長い尾のデータセットからの学習は、特に自然画像データセットの繰り返しのテーマである。
本稿では,データ生成機構がラベル条件と特徴分布の間で不変であるメタ分散シナリオを提案する。
これにより、因果データインフレーションの手順を利用してマイノリティクラスの表現を拡大できる。
論文 参考訳（メタデータ） (2020-11-25T00:13:11Z)
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。