論文の概要: Time Machine Experiments: Using Historically-Bounded AI for Inquiry into the Human Mind

• arxiv url: http://arxiv.org/abs/2609.15468v1
• Date: Mon, 14 Sep 2026 12:28:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.323536
• Title: Time Machine Experiments: Using Historically-Bounded AI for Inquiry into the Human Mind
• Title（参考訳）: タイムマシンの実験: 歴史的に境界づけられたAIを使って人間の心を探る
• Abstract要約: 1930年からの人との交流は、その後の出来事を知らないまま、過去の認識に影響を及ぼすことを示す。 このタイムマシン実験パラダイムは、時間的知識境界が実験変数となる新しい形式のインタラクティブな実験を知らせる。
• 参考スコア（独自算出の注目度）: 42.62820154817388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Can interacting with someone from 1930, with no knowledge of what happened after, influence a person's perception of the past? People reason about the present against a picture of the past without observing it. The past is reconstructed from memory and testimony, but this reconstruction has been filtered through everything that happened since. Historically-bounded large language models (LLMs) make that past available for interaction. As a proof-of-concept for the impact of interacting with historical minds, we ran a preregistered randomized experiment ($N=240$), where participants interacted with an LLM trained on pre-1930 text. The interaction reduced the illusion of moral decline, the tendency to view the past as more moral than the present, compared to the contemporary-model control. This Time Machine Experiment paradigm informs new forms of interactive experiments, where temporal knowledge boundaries become experimental variables, and expands the realm of science fiction science, which turns thought experiments into actual experiments.
• Abstract（参考訳）: 1930年(昭和5年)の人との交流は、その後の出来事を知ることなく、過去の認識に影響を及ぼすことができるのか? 人々は、過去を観察せずに過去の写真に対して現在について理屈を定めます。 過去は記憶と証言から再構築されているが、この再建はその後起こった全てを通してフィルタリングされている。 歴史的に有界な大型言語モデル(LLM)は、その過去を対話で利用できるようにする。 歴史的心との相互作用が与える影響の実証として、我々は1930年以前のテキストで訓練されたLLMと対話する、事前登録されたランダム化実験(N=240$)を行った。 この相互作用は道徳的衰退の錯覚を減らし、現代モデルによる制御と比べて過去を現在よりも道徳的と見なす傾向があった。 このタイムマシン実験のパラダイムは、時間的知識境界が実験変数となるインタラクティブな実験の新たな形態を知らせ、思考実験を実際の実験に変換するSFサイエンスの領域を広げる。

関連論文リスト

• Old Habits Die Hard: How Conversational History Geometrically Traps LLMs [59.84224364012311]
  最近の研究は、大きな言語モデル(LLM)が、予期しない方法で会話の歴史に影響されていることを示唆している。 会話履歴がその後の世代にどのように依存するかを調査するフレームワークであるHistory-Echoesを紹介する。
  論文  参考訳（メタデータ） (2026-02-08T14:13:15Z)
• FIction: 4D Future Interaction Prediction from Video [63.37136159797888]
  ビデオからの4次元未来のインタラクション予測のためのFIctionを紹介する。 人間の活動のインプットビデオが与えられたら、その人が次に対話する3D位置のオブジェクトを予測することが目的だ。
  論文  参考訳（メタデータ） (2024-12-01T18:44:17Z)
• Conversational AI Powered by Large Language Models Amplifies False Memories in Witness Interviews [23.443181324643017]
  本研究では,AIが人間の虚偽記憶に与える影響について検討する。 犯罪目撃者のインタビューをシミュレートし、人間とAIのインタラクションにおける示唆的質問を通じて、偽の記憶誘導を探索する。
  論文  参考訳（メタデータ） (2024-08-08T04:55:03Z)
• Can Generative Agents Predict Emotion? [0.0]
  大規模言語モデル (LLM) は、多くの人間のような能力を示してきたが、LLMの共感的な理解と感情状態は、まだ人間のものと一致していない。 生成的LLMエージェントの感情状態が,新たな出来事を知覚し,新たな体験を過去の記憶と比較する新しいアーキテクチャを導入することにより,どのように進化していくかを検討する。
  論文  参考訳（メタデータ） (2024-02-06T18:39:43Z)
• Inferring the Future by Imagining the Past [16.94725365663225]
  人間は通常、空力シーンの静的スナップショットから過去と将来のイベントの複雑なシーケンスを推論する。 本稿では、人間がこのような迅速で柔軟な推論を行う方法をモデル化する。 私たちの重要な技術的洞察は、推論問題とモンテカルロのパストレースとの間に驚くべきつながりがあることです。
  論文  参考訳（メタデータ） (2023-05-26T18:38:09Z)
• Memory-Augmented Theory of Mind Network [59.9781556714202]
  社会的推論は、心の理論(ToM)の能力を必要とする。 ToMに対する最近の機械学習アプローチは、観察者が過去を読み、他のエージェントの振る舞いを提示するように訓練できることを実証している。 我々は,新たなニューラルメモリ機構を組み込んで符号化し,階層的な注意を払って他者に関する情報を選択的に検索することで,課題に対処する。 この結果、ToMMYは心的プロセスについての仮定をほとんど行わずに理性を学ぶマインドモデルである。
  論文  参考訳（メタデータ） (2023-01-17T14:48:58Z)
• A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
  未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。 人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。 本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
  論文  参考訳（メタデータ） (2022-04-02T21:50:45Z)
• Bayesian sense of time in biological and artificial brains [1.52292571922932]
  時間の経過を処理する脳の能力は、私たちの経験の基本的な次元の1つです。 ベイジアン脳仮説を用いて、人間の時間知覚に関する経験的データをどのように説明できるのか? エージェントベースの機械学習モデルは、この主題の研究にどのような洞察を与えることができるのか?
  論文  参考訳（メタデータ） (2022-01-14T14:05:30Z)
• Observing Interventions: A logic for thinking about experiments [62.997667081978825]
  本稿では,実験から学ぶ論理への第一歩について述べる。 我々のアプローチにとって重要なことは、介入の概念が(現実的または仮説的な)実験の形式的表現として使用できるという考えである。 提案された全ての論理系に対して、健全で完全な公理化を提供する。
  論文  参考訳（メタデータ） (2021-11-25T09:26:45Z)
• Is the Past Determined? [0.0]
  最近の論文では、遅延選択実験を説明するために、時間効果の逆向きに議論した。 私は、たとえ通常の意味で、現在や過去に対する物理的な影響がないとしても、観察者の過去が完全には決定されないことがあることを考慮しなければなりません。
  論文  参考訳（メタデータ） (2020-09-05T19:39:25Z)

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。