論文の概要: Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition

• arxiv url: http://arxiv.org/abs/2607.26179v1
• Date: Tue, 28 Jul 2026 18:37:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.451473
• Title: Cognitive Convergence: Deep Similarities Between Large Language Models and Human Cognition
• Title（参考訳）: 認知的収束:大規模言語モデルと人間の認知の深い類似性
• Abstract要約: LLMは、認知操作が本質的に私たち自身のものと異なる、異質なインテリジェンスとして広く見なされている。 私たちはこのフレーミングが間違っていると論じる。 LLMは、物理的基質、学習履歴、相互作用する環境など、重要な点で人間と明らかに異なる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: LLMs are widely regarded as alien intelligences, systems whose cognitive operations are fundamentally unlike our own. Apparent similarities to human cognition are therefore often seen as the result of anthropomorphic projection. We argue that this framing is mistaken. LLMs clearly differ from humans in important respects, including their physical substrate, learning history, and the environments with which they interact. These differences make it all the more striking that contemporary LLM-based systems converge with human cognition on a number of principles of cognitive organization with longstanding support in cognitive science. We identify structural correspondences across five dimensions: inferential organization, computational architecture, representational structure, prediction-driven learning, and reinforcement-learning-like mechanisms supporting goal-directed action. These correspondences support a broader model of intelligent cognition in which core principles long used to explain human intelligence also characterize contemporary LLM-based systems.
• Abstract（参考訳）: LLMは、認知操作が本質的に私たち自身のものと異なる、異質なインテリジェンスとして広く見なされている。 したがって、人間の認知と明らかな類似性は、人為的な投影の結果と見なされることが多い。 私たちはこのフレーミングが間違っていると論じる。 LLMは、物理的基質、学習履歴、相互作用する環境など、重要な点で人間と明らかに異なる。 これらの違いは、認知科学において長年支持されてきた認知組織の多くの原則において、現代のLLMベースのシステムが人間の認知と結びつくことをより目立たせる。 我々は、推論組織、計算アーキテクチャ、表現構造、予測駆動学習、目標指向行動を支援する強化学習のようなメカニズムの5つの次元にわたる構造対応を識別する。 これらの対応は、人間の知性を説明するのに長く使われてきたコア原則が、現代のLLMベースのシステムを特徴付ける、より広範な知的な認知モデルを支持する。

関連論文リスト

• NeuroCogMap Reveals Cognitive Organization of Large Language Models [82.70079471723963]
  我々は,大きな言語モデルの内部的特徴を機能的パーセルに整理する認知神経科学に触発されたフレームワークであるNeuroCogMapを紹介する。 これらのパーセルは安定的でセマンティックに整合した組織を形成し、部分的にモデル間で保存される。 これらの知見は,人工システムの機能組織をマッピングするシステムレベルのフレームワークとしてNeuroCogMapを確立した。
  論文  参考訳（メタデータ） (2026-07-01T03:48:49Z)
• The New Associationism: Lessons from Deep Learning [0.0]
  本稿は、AIを取ることは控えめだが真の結社主義を真に支持する、と論じる。 中心的な発見は、教師付き学習が驚くほど幅広い現代のAIシステムに根ざしていることだ。 これは、アソシエーションのメカニズムが人間の認知能力を考慮するにはあまりに限られているというかつての知恵的な議論を軽視している。
  論文  参考訳（メタデータ） (2026-05-19T10:51:37Z)
• Toward Cognitive Supersensing in Multimodal Large Language Model [67.15559571626747]
  我々は,MLLMに人間のような視覚的特徴を付与する訓練パラダイムであるCognitive Supersensingを紹介する。 実験では、CogSense-BenchでCognitive Supersensingを訓練したMLLMが、最先端のベースラインを大きく上回った。 私たちはCogSense-Benchとモデルウェイトをオープンソースにします。
  論文  参考訳（メタデータ） (2026-02-02T02:19:50Z)
• Cognitive Mirrors: Exploring the Diverse Functional Roles of Attention Heads in LLM Reasoning [54.12174882424842]
  大規模言語モデル(LLM)は、様々なタスクにおいて最先端のパフォーマンスを達成したが、内部メカニズムに関してはほとんど不透明である。 本稿では,注目者の役割と行動を体系的に分析する新しい解釈可能性フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-03T10:24:34Z)
• Unraveling the cognitive patterns of Large Language Models through module communities [45.399985422756224]
  大規模言語モデル(LLM)は、科学、工学、社会において大きな進歩を遂げ、我々の世界を変えました。 実用性と実用性にもかかわらず、LLMの基盤となるメカニズムは何十億ものパラメータや複雑な構造の中に隠されている。 生物学における新たな認知を理解するためのアプローチを採用することで、このギャップに対処する。
  論文  参考訳（メタデータ） (2025-08-25T16:49:38Z)
• From Tokens to Thoughts: How LLMs and Humans Trade Compression for Meaning [63.25540801694765]
  大きな言語モデル (LLMs) は言語能力を示すが、同じバランスをとれるかどうかは不明だ。 本稿では,LLMと人間を定量的に比較するために,Information Bottleneckの原理を適用した。
  論文  参考訳（メタデータ） (2025-05-21T16:29:00Z)
• How Deep is Love in LLMs' Hearts? Exploring Semantic Size in Human-like Cognition [75.11808682808065]
  本研究では,大言語モデル (LLM) が意味的サイズを理解する上で類似した傾向を示すかどうかを検討する。 以上の結果から,マルチモーダルトレーニングはLLMにとって人間的な理解を深める上で不可欠であることが示唆された。 最後に,LLMが実世界のWebショッピングシナリオにおいて,より大きなセマンティックサイズを持つ注目の見出しに影響されているかを検討する。
  論文  参考訳（メタデータ） (2025-03-01T03:35:56Z)
• Revealing emergent human-like conceptual representations from language prediction [90.73285317321312]
  大規模言語モデル(LLMs)は、人間らしい振る舞いを示すテキストの次のトーケン予測によってのみ訓練される。 これらのモデルでは、概念は人間のものと似ていますか? LLMは、他の概念に関する文脈的手がかりに関連して、言語記述から柔軟に概念を導出できることがわかった。
  論文  参考訳（メタデータ） (2025-01-21T23:54:17Z)
• CogniDual Framework: Self-Training Large Language Models within a Dual-System Theoretical Framework for Improving Cognitive Tasks [39.43278448546028]
  カーネマンの二重系理論は人間の意思決定過程を解明し、素早い直感的なシステム1と合理的なシステム2を区別する。 近年の大きな言語モデル (LLMs) は、認知タスクにおける人間レベルの習熟度に近づきやすいツールとして位置づけられている。 本研究では、自己学習を通じて、意図的な推論から直感的な応答へと進化するLLM(textbfCognidual Framework for LLMs, CFLLMs)について述べる。
  論文  参考訳（メタデータ） (2024-09-05T09:33:24Z)
• Psychomatics -- A Multidisciplinary Framework for Understanding Artificial Minds [0.319565400223685]
  本稿では,認知科学,言語学,コンピュータ科学を橋渡しする心理学を紹介する。 LLMの高レベル機能をよりよく理解することを目的としている。 心理学は、言語の性質、認知、知性に関する変革的な洞察を与える可能性を秘めている。
  論文  参考訳（メタデータ） (2024-07-23T12:53:41Z)
• Human-like object concept representations emerge naturally in multimodal large language models [24.003766123531545]
  大規模言語モデル(LLM)における対象概念表現と人間の認知との関係を考察するために,行動解析と神経画像解析を併用した。 我々の発見は、マシンインテリジェンスに対する理解を深め、より人間的な人工知能システムの開発に報いる。
  論文  参考訳（メタデータ） (2024-07-01T08:17:19Z)

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。