論文の概要: A Taxonomy of Cognitive Capability Gaps in Generative and Agentic AI
- arxiv url: http://arxiv.org/abs/2608.02553v1
- Date: Mon, 03 Aug 2026 17:37:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.733395
- Title: A Taxonomy of Cognitive Capability Gaps in Generative and Agentic AI
- Title（参考訳）: ジェネレーティブAIとエージェントAIにおける認知能力ギャップの分類
- Abstract要約: 本稿では,認知AIの発達を抑え続ける主要な認知能力のギャップについて,分類学的に考察した。
本稿では,アダプティブ・コグニティブ・インテリジェンス・アーキテクチャ(ACIA)を概説し,認知中心評価における新たな方向性を検討する。
- 参考スコア（独自算出の注目度）: 4.077787659104315
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cognitive AI seeks to move beyond language generation and autonomous task execution toward systems capable of sustained reasoning, adaptive behavior, persistent memory, and self-regulation. While generative and agentic AI have demonstrated impressive capabilities across a wide range of tasks, many fundamental cognitive functions remain fragmented or weakly developed, limiting reliable operation over extended time horizons. This paper presents a taxonomy-driven survey of the major cognitive capability gaps that continue to constrain the development of Cognitive AI. The literature is organized around five dimensions: persistent state modeling, goal-directed autonomy, self-monitoring and control, environment interaction, and learning and adaptation. For each dimension, we review recent advances, identify recurring limitations, and discuss open research challenges. Building on these insights, we outline a conceptual Adaptive Cognitive Intelligence Architecture (ACIA) and examine emerging directions in cognition-centric evaluation. The proposed taxonomy provides a unified framework for organizing existing research, identifying unresolved challenges, and guiding the design of future cognitively capable systems. Together, the taxonomy, architectural perspective, and evaluation framework offer a roadmap for advancing AI systems that exhibit more reliable long-term reasoning, adaptive decision-making, and continual learning. The survey highlights key research opportunities toward more adaptive, reliable, and cognitively capable AI systems, providing a foundation for future progress toward Cognitive AI and, ultimately, Artificial General Intelligence (AGI).
- Abstract（参考訳）: Cognitive AIは、言語生成と自律的なタスク実行を超えて、持続的推論、適応的振る舞い、永続的メモリ、自己規制が可能なシステムに移行しようとしている。
生成的およびエージェント的AIは、幅広いタスクにわたって印象的な能力を示してきたが、多くの基本的な認知機能は、断片化または弱い開発のままであり、拡張された時間的地平線上での信頼性の高い操作を制限する。
本稿では,認知AIの発達を抑え続ける主要な認知能力のギャップについて,分類学的に考察した。
永続的な状態モデリング、目標指向の自律性、自己監視と制御、環境相互作用、学習と適応の5つの側面で構成されている。
各次元について、最近の進歩をレビューし、繰り返し発生する限界を特定し、オープンな研究課題について議論する。
これらの知見に基づいて,ACIA(Adaptive Cognitive Intelligence Architecture)の概念を概説し,認知中心評価における新たな方向性を検討する。
提案された分類学は、既存の研究を組織化し、未解決の課題を特定し、将来の認知能力のあるシステムの設計を導く統一的な枠組みを提供する。
分類学、アーキテクチャの観点、評価フレームワークは、より信頼性の高い長期的な推論、適応的な意思決定、継続的な学習を示すAIシステムの前進のためのロードマップを提供する。
この調査は、より適応的で信頼性があり、認知能力のあるAIシステムに向けた重要な研究機会を強調し、認知AIと最終的には人工知能(Artificial General Intelligence, AGI)への将来の進歩の基礎を提供する。
関連論文リスト
- 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) - 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) - Bridging the Gap: Toward Cognitive Autonomy in Artificial Intelligence [1.3126858950459552]
本稿では,現代AIモデルを制約する7つのコア欠陥を特定し,解析する。
これらの構造的制限は、現在のアーキテクチャが堅牢な一般化、生涯の適応性、現実の自律性を達成するのを妨げている、と我々は主張する。
我々は,自己指向型適応,動的表現管理,意図的,目標志向的な行動が可能な認知基盤型AIへのパラダイムシフトを提唱して,結論付けた。
論文 参考訳（メタデータ） (2025-12-01T23:51:08Z) - A Comprehensive Review of AI Agents: Transforming Possibilities in Technology and Beyond [3.96715377510494]
Reviewは、次世代のAIエージェントシステムを、より堅牢で適応性があり、信頼できる自律的知性へと導くことを目指している。
認知科学に触発されたモデル、階層的強化学習フレームワーク、および大規模言語モデルに基づく推論から洞察を合成する。
我々は、これらのエージェントを現実世界のシナリオに展開する際の倫理的、安全性、解釈可能性に関する懸念について論じる。
論文 参考訳（メタデータ） (2025-08-16T07:38:45Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - 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) - A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。
本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
論文 参考訳（メタデータ） (2025-04-07T21:01:25Z) - 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) - Cognitive AI framework: advances in the simulation of human thought [0.0]
Human Cognitive Simulation Frameworkは、人間の認知能力を人工知能システムに統合する大きな進歩を表している。
短期記憶(会話コンテキスト)、長期記憶(対話コンテキスト)、高度な認知処理、効率的な知識管理を融合することにより、コンテキストコヒーレンスと永続的なデータストレージを確保する。
このフレームワークは、継続的学習アルゴリズム、持続可能性、マルチモーダル適応性に関する将来の研究の基礎を築き、Cognitive AIを新興分野におけるトランスフォーメーションモデルとして位置づけている。
論文 参考訳（メタデータ） (2025-02-06T17:43:35Z) - Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
本稿では,認知機能構築への進化的アプローチについて考察する。
本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
論文 参考訳（メタデータ） (2022-07-02T12:41:32Z)
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。