論文の概要: Process-Constituted Intelligence: A Shared Criterion for Humans and Machines

• arxiv url: http://arxiv.org/abs/2608.16213v1
• Date: Mon, 17 Aug 2026 07:46:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.581124
• Title: Process-Constituted Intelligence: A Shared Criterion for Humans and Machines
• Title（参考訳）: プロセス構成インテリジェンス:人間と機械の共有基準
• Abstract要約: Generative AI(GenAI)は、人間の認知過程のテキストおよび視覚的残留物)に基づいてトレーニングされ、それらのトレースの分布からサンプルを再生する。 したがって、現在のGenAIは、それが模倣する認識と弱い等価であり、プロセスが不在または不透明である間に出力と一致する。 ここでは,人間と機械の認知に対して評価可能な7つのプロセス特徴間のテキストストロング等価性を定義する。
• 参考スコア（独自算出の注目度）: 11.970916102798787
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Intelligence is constituted by \textit{process} (iterative activity through which output emerges), not in the output itself. Generative AI (GenAI) is trained on \textit{traces} (textual and visual residues of human cognitive processes), reproducing samples from a distribution of those traces. Its outputs resemble reasoning, problem-solving, and creativity, yet the activity that produces such outputs in humans remains largely absent. Current GenAI is, therefore, weakly equivalent to the cognition it imitates, matching outputs while process stays absent or opaque. The cognitive sciences have long distinguished between weak and strong equivalence. Here, we define \textit{strong} equivalence across seven process features, assessable against human and machine cognition. Our process-based account addresses a symmetric risk: GenAI tools that outsource a person's generative processes may leave critical capacities unbuilt. We specify design principles for GenAI that instantiate more process and preserve rather than erode human judgment and creativity, and outline process audits that make strong equivalence testable.
• Abstract（参考訳）: インテリジェンスを構成するのは,出力自体ではなく,‘textit{process}(出力が出現するイテレーティブアクティビティ)’です。 Generative AI(GenAI)は、これらのトレースの分布からサンプルを再現する、‘textit{traces}(人間の認知過程のテキストおよび視覚的残基)’に基づいて訓練される。 アウトプットは推論、問題解決、創造性に似ているが、そのようなアウトプットを生成する活動はほとんど欠落している。 したがって、現在のGenAIは、それが模倣する認識と弱い等価であり、プロセスが不在または不透明である間に出力と一致する。 認知科学は長い間、弱いものと強い同値性の間に区別されてきた。 ここでは,人間と機械の認知に対して評価可能な,7つのプロセス特徴に対する「textit{strong} 同値性」を定義する。 プロセスベースのアカウントは、対称的なリスクに対処する: 人の生成プロセスをアウトソースするGenAIツールは、構築されていない重要な能力を残します。 我々は、人間の判断や創造性を損なうのではなく、プロセスのインスタンス化と保存を図ったGenAIの設計原則を定義し、強い等価性を検証可能なプロセス監査を概説する。

関連論文リスト

• The Fabricated Front: Generative AI and the Opacity of Workplace Performance [0.0]
  人間のエンゲージメントから得られる可観測的なアウトプットを体系的に切り離すことが不透明であることを示す。 職場フロントを再編成する5つの不透明度メカニズムを同定する。 職業者は、労働機構の周囲に不透明性を自由に生み出しながら、アイデンティティのメカニズムを擁護する。
  論文  参考訳（メタデータ） (2026-08-18T22:52:13Z)
• The Boundaries of Automation: A Theory of Persistent Human Participation [107.84677954791773]
  高い能力を持つAIシステムであっても、人間の参加は継続する可能性がある、と私たちは主張する。 一部のアクティビティでは、ターゲットは事前に完全に指定されるのではなく、代わりにインタラクション自体を通じて現れる。 この観点は、自動化の限界に重要な意味を持つ。
  論文  参考訳（メタデータ） (2026-07-23T17:33:43Z)
• Process Matters more than Output for Distinguishing Humans from Machines [7.119190908886132]
  既存のアプローチは、システムが人間の行動と区別できない行動や反応を生成できるかどうかを評価する。 認知科学は、行動が生成される過程を評価するという別の視点を提供する。 タスク性能が一致しても、診断プロセスレベルの特徴を引き出すために設計された30の認知タスクからなる電池であるCagCAPTCHA30を紹介する。
  論文  参考訳（メタデータ） (2026-05-07T16:30:35Z)
• Creative Ownership in the Age of AI [0.0]
  著作権法は、新しい作品が既存の作品と「統計的に類似している」かどうかに焦点を当てているが、生成AIはコンテンツをコピーすることなく、スタイルを忠実に模倣することができる。 生成的AI出力は、トレーニングコーパスでその作業がなければ生成できなかった場合、既存の作業に侵害する。
  論文  参考訳（メタデータ） (2026-02-12T18:56:42Z)
• Beyond Pairwise Comparisons: A Distributional Test of Distinctiveness for Machine-Generated Works in Intellectual Property Law [0.31061678033205636]
  本稿では,2つの創造的プロセスが統計的に区別可能な出力分布を生成するかどうかを判断するために,意味埋め込みに基づいて計算された平均誤差に基づく2サンプルテストを提案する。 手書きディジット(制御された画像)、特許抽象化(テキスト)、AI生成アート(現実世界の画像)の3分野にわたるフレームワークを検証する。 以上の結果から,生成モデルが単なる学習データのリグルジエータとして機能する,という見解に反する証拠が得られた。
  論文  参考訳（メタデータ） (2026-01-26T05:20:33Z)
• Taming Imperfect Process Verifiers: A Sampling Perspective on Backtracking [54.43083499412643]
  言語モデルの生成能力をプロセス検証器と組み合わせたテストタイムアルゴリズムは、新しい推論能力を引き出すための有望なレバーを提供する。 提案手法は, 理論的に根拠付きバックトラックを用いて, 検証誤差に対して, 確実な堅牢性を実現するための新しいプロセス誘導型テスト時間サンプリングアルゴリズムであるVGBを導入する。
  論文  参考訳（メタデータ） (2025-10-03T16:21:14Z)
• 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)
• Generative midtended cognition and Artificial Intelligence. Thinging with thinging things [0.0]
  生成中間認知(generative Midtended cognition)は、生成AIと人間の認知の統合を探求する。 生成的(generative)"という言葉は、AIが構造的出力を反復的に生成する能力を反映し、"再帰的(midtended)"はプロセスの潜在的なハイブリッド(人間-AI)の性質をキャプチャする。
  論文  参考訳（メタデータ） (2024-11-11T09:14:27Z)
• The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
  生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。 同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。 一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
  論文  参考訳（メタデータ） (2023-10-31T18:07:07Z)
• Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems [120.297940190903]
  AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。 ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
  論文  参考訳（メタデータ） (2022-05-02T18:00:10Z)
• Emergence of Machine Language: Towards Symbolic Intelligence with Neural Networks [73.94290462239061]
  本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。 対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
  論文  参考訳（メタデータ） (2022-01-14T14:54:58Z)
• Face Identity Disentanglement via Latent Space Mapping [47.27253184341152]
  本稿では,データ表現を最小限に抑えながら,不整合な方法で表現する方法を学習する手法を提案する。 我々の重要な洞察は、StyleGANのような先行訓練済みの未条件画像生成装置を利用することで、アンタングル化と合成のプロセスを切り離すことである。 提案手法は,既存の手法を超越して,他の顔属性と同一性を切り離すことに成功した。
  論文  参考訳（メタデータ） (2020-05-15T18:24:49Z)

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。