論文の概要: From S3Q Theory to Implementation: Towards an Architecture for Machine Qualia
- arxiv url: http://arxiv.org/abs/2609.30743v1
- Date: Fri, 25 Sep 2026 03:12:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.199218
- Title: From S3Q Theory to Implementation: Towards an Architecture for Machine Qualia
- Title（参考訳）: S3Q理論から実装へ:マシン・クアリアのアーキテクチャを目指して
- Abstract要約: 本稿では,S3Q(Simulated, Situated, Structurely Coherent)理論のための5層実装アーキテクチャを提案する。
アーキテクチャは、新しいフォーマリズムを導入するのではなく、発行された計算プリミティブを単一のパイプラインに構成する。
- 参考スコア（独自算出の注目度）: 0.18284134189295173
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A key challenge in machine consciousness research is translating theoretical models into computational-level implementations. In this paper, we address this challenge by proposing a five-layer implementation architecture for the S3Q (Simulated, Situated, Structurally Coherent) theory of consciousness. Rather than introducing novel formalisms, the architecture composes published computational primitives into a single pipeline. S3Q identifies three jointly necessary conditions for qualia: (1) grounded sensorimotor situatedness, (2) internal simulation via a world model, and (3) structural coherence between predictions and observations. No existing computational system implements all three simultaneously. We map each S3Q tenet to specific, compatible computational machinery and specify how these components interface within a single representation pipeline that operates on continuous, differentiable, per-object slot vectors, along with a developmental bootstrap sequence and falsifiable predictions for the composed system that no subset of the architecture produces in isolation. The model suggests that a basic sense of "self" develops by linking actions to their outcomes, and that behavior falls into three patterns (hesitation, curiosity, or avoidance) depending on how unexpected an outcome is and whether it is experienced as positive or negative. Each prediction is individually falsifiable, providing the field with a testable framework to advance our understanding of machine consciousness.
- Abstract（参考訳）: 機械意識研究における重要な課題は、理論モデルを計算レベルの実装に変換することである。
本稿では,S3Q(Simulated, Situated, Structurely Coherent)理論の5層実装アーキテクチャを提案する。
アーキテクチャは、新しいフォーマリズムを導入するのではなく、発行された計算プリミティブを単一のパイプラインに構成する。
S3Qは,(1)接地された感覚運動子の位置,(2)世界モデルによる内部シミュレーション,(3)予測と観測の間の構造的コヒーレンス,の3つの条件を同定する。
既存の計算システムは3つ全てを同時に実装していない。
我々は、各S3Qテレットを、特定の互換性のある計算機械にマッピングし、これらのコンポーネントが、連続的かつ微分可能な、オブジェクトごとのスロットベクターで動作する単一の表現パイプライン内でどのようにインターフェースするかを、アーキテクチャのサブセットが独立して生成しない構成システムに対して、開発ブートストラップシーケンスと計算可能な予測と共に指定する。
モデルは「自己」の基本的な感覚が、行動と結果とを結びつけることによって発達し、その行動は、結果が予想外のものであるか、それが肯定的か否定的であるかによって、三つのパターン(結束、好奇心、回避)に分類されることを示唆している。
各予測は個別に偽造可能であり、フィールドにテスト可能なフレームワークを提供し、マシン意識の理解を深める。
関連論文リスト
- Quantifying Model Uniqueness in Heterogeneous AI Ecosystems [1.1162481475388237]
In-Silico Quasi-Experimental Design に基づく監査モデル一意性に関する統計的枠組みを提案する。
モデル間で一致した介入を強制することにより、本質的なモデルのアイデンティティを分離し、一意性を Peer-Inpresentible Residual (PIER) として定量化する。
これらの結果は、信頼できるAIを単一のモデルの説明以上のものにする。
論文 参考訳（メタデータ） (2026-01-30T13:41:53Z) - SQS: Enhancing Sparse Perception Models via Query-based Splatting in Autonomous Driving [56.198745862311824]
スパースパーセプションモデル(SPM)のための新しいクエリベーススプラッティング事前トレーニングであるSQSを紹介する。
SQSは、事前トレーニング中にスパースクエリから3Dガウス表現を予測する。
自律運転ベンチマークの実験では、SQSは複数のクエリベースの3D知覚タスクでかなりのパフォーマンス向上を達成している。
論文 参考訳（メタデータ） (2025-09-20T09:25:19Z) - Understanding Transformers through the Lens of Pavlovian Conditioning [0.5076419064097734]
本稿では,注意のコア計算をパブロヴィアン条件付けとして再解釈する理論的枠組みを提案する。
注意点のクエリ,キー,値が,古典的条件付けの3つの要素にマッピング可能であることを示す。
我々の枠組みは、この線形化モデルに基づくいくつかの理論的洞察をもたらす。
論文 参考訳（メタデータ） (2025-08-05T05:00:00Z) - Scalable and interpretable quantum natural language processing: an implementation on trapped ions [1.0037949839020768]
本稿では,テキストレベルの量子自然言語処理の実装について述べる。
QDisCoCircモデルに焦点をあて、AIの解釈可能なレンダリングに対する構成的アプローチを基盤としています。
我々はQuantinuumのH1-1トラップイオン量子プロセッサの実験を行った。
論文 参考訳（メタデータ） (2024-09-13T12:36:14Z) - Networks of Networks: Complexity Class Principles Applied to Compound AI Systems Design [63.24275274981911]
多くの言語モデル推論コールからなる複合AIシステムは、ますます採用されている。
本研究では,提案した回答の生成と正当性検証の区別を中心に,ネットワークネットワーク(NoN)と呼ばれるシステムを構築した。
我々は,Kジェネレータを備えた検証器ベースの判定器NoNを導入し,"Best-of-K"あるいは"judge-based"複合AIシステムのインスタンス化を行う。
論文 参考訳（メタデータ） (2024-07-23T20:40:37Z) - OTOv3: Automatic Architecture-Agnostic Neural Network Training and
Compression from Structured Pruning to Erasing Operators [57.145175475579315]
このトピックは、構造化プルーニングからニューラルアーキテクチャサーチまで、さまざまなテクニックにまたがっている。
第3世代のOTOv3(Noth-Train-Once)を導入する。
我々は,構造化プルーニングとニューラルアーキテクチャ探索におけるOTOv3の有効性を実証した。
論文 参考訳（メタデータ） (2023-12-15T00:22:55Z) - Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
本稿では,ニューラルモデルによる反事実文の評価について検討する。
まず、神経因果モデル(NCM)が十分に表現可能であることを示す。
第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-09-30T18:29:09Z) - Contextualized Embeddings based Convolutional Neural Networks for
Duplicate Question Identification [0.25782420501870296]
質問パラフレーズ識別(QPI)は,大規模質問回答フォーラムにとって重要な課題である。
本稿では,QPIタスクのための双方向変換器と畳み込みニューラルネットワークを組み合わせた新しいアーキテクチャを提案する。
実験結果から,Quora Question Pairsデータセットの最先端性能が得られた。
論文 参考訳（メタデータ） (2021-09-03T14:30:09Z) - Fold2Seq: A Joint Sequence(1D)-Fold(3D) Embedding-based Generative Model
for Protein Design [70.27706384570723]
Fold2Seqは特定の標的に条件付きタンパク質配列を設計するための新しいフレームワークである。
Fold2Seqの性能は, シーケンス設計の速度, カバレッジ, 信頼性において向上したか, 同等であったかを示す。
フォールドベースのFold2Seqの独特な利点は、構造ベースのディープモデルやRosettaDesignと比較して、3つの現実世界の課題においてより明確になる。
論文 参考訳（メタデータ） (2021-06-24T14:34:24Z) - A Minimalist Dataset for Systematic Generalization of Perception,
Syntax, and Semantics [131.93113552146195]
我々は,機械が一般化可能な概念を学習する能力を調べるため,新しいデータセットであるHINT(Hand written arithmetic with INTegers)を提案する。
HINTでは、イメージなどの生信号から概念がどのように認識されるかを学ぶことが機械のタスクである。
我々は、RNN、Transformer、GPT-3など、様々なシーケンス・ツー・シーケンスモデルで広範囲に実験を行った。
論文 参考訳（メタデータ） (2021-03-02T01:32:54Z)
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。