論文の概要: Artificial intelligences and human scientists exhibit complementary strengths in theory building

• arxiv url: http://arxiv.org/abs/2609.32562v1
• Date: Sat, 26 Sep 2026 12:35:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-07 06:20:15.441129
• Title: Artificial intelligences and human scientists exhibit complementary strengths in theory building
• Title（参考訳）: 人工知能と人間科学者は理論構築において補完的な強みを示す
• Abstract要約: 社会科学における高度な認知タスクにおける人工知能の有効性について検討する。 研究領域は男女不平等に関する学術談話であった。
• 参考スコア（独自算出の注目度）: 42.36257493315575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We investigate the effectiveness of artificial intelligences (AI)-specifically large language models (LLMs)-relative to human scientists at high-level cognitive tasks in social science such as theory formulation, predictions of novel empirical results, and theory revision in response to new evidence. The research domain was academic discourse regarding gender and race inequality. Our findings, comparing 25 LLMs with 13 senior researchers and 60 doctoral scholars, reveal that the AIs outperformed most humans individually on most of the present tasks, while human theories were more diverse and exhibited greater gains in predictive accuracy from aggregation. AI-generated theories were more extensively elaborated, involving additional theoretical paths and latent variables, and were rated as higher quality than human theories by independent raters blinded to source. However, this theoretical complexity was in part ornamental, in that it was not associated with more accurate predictions about empirical patterns in data; in contrast, human scientists achieved greater predictive efficiency with simpler theories. The AIs were significantly more likely than human scientists to revise their theories to incorporate new evidence; human scientists updated their beliefs in a selective way that is sensitive to prior prediction errors. We speculate that the superior processing capacity of artificial intelligences makes them especially well-suited to tasks requiring grappling with complexity, but that the greater diversity of human ideas is essential to wise crowds and collective creativity.
• Abstract（参考訳）: 理論定式化や新しい経験的結果の予測,理論修正など,社会科学における高度な認知タスクにおける人間科学者に対する人工知能(AI)特大言語モデル(LLM)の有効性について検討した。 研究領域は男女不平等に関する学術談話であった。 その結果、25のLLMと13人の上級研究者と60人の博士研究者を比較した結果、AIは現在のタスクの大部分で人間よりも優れており、人間理論はより多様性があり、凝集による予測精度が向上したことが明らかとなった。 AI生成理論は、さらに理論的な経路や潜伏変数を含む、より広範囲に精巧に研究され、独立したラッカーによる人間理論よりも高い品質と評価された。 しかし、この理論の複雑さは、データの経験的パターンに関するより正確な予測とは無関係であり、対照的に、人間科学者はより単純な理論でより正確な予測効率を達成した。 AIは人間の科学者よりも、新たな証拠を取り入れるために理論を改訂する可能性が高い。 人工知能の優れた処理能力は、複雑な作業に特に適しているが、人間のアイデアの多様性は、賢明な群衆と集団的創造性にとって不可欠である、と推測する。

関連論文リスト

• Contemporary AI lacks the imagination to diverge or negate in science [4.024882945191284]
  生物学、医学、化学、社会科学にまたがる121,640人の著者が、自分たちの論文の文脈やパズルから大きな言語モデルが生成されるという考えを判断するために招かれた。 6,749人の科学者が25,139セットのノベルティ、経験的実現可能性、真である可能性、養子縁組の適性について評価した。 第二に、社会科学者は生命科学者よりもリスクを容認するが、新奇性よりも自分自身に類似したアイデアと賞の確率に報いる。 第3に、コミュニティが現在依存している自動評価は、専門家の判断と弱く一致し、検索の強化と科学者のペルソナは利得の限界のみを推し進める。
  論文  参考訳（メタデータ） (2026-06-06T16:39:28Z)
• On the universal definition of intelligence [0.0]
  ヒューマンインテリジェンスとAIインテリジェンスを比較して評価する方法は、重要な理論的問題となっている。 既存の知性の定義は人間中心であり、経験的比較には適していない。 本稿では,知能を未来を正確に予測する能力と,それらの予測から恩恵を受ける能力の組合せとして捉えた拡張予測仮説(EPH)を提案する。
  論文  参考訳（メタデータ） (2026-01-12T09:39:24Z)
• Do Two AI Scientists Agree? [15.01642959193149]
  2つのAIモデルが同じ科学的タスクでトレーニングされている場合、彼らは同じ理論または2つの異なる理論を学ぶだろうか? 我々は、物理の標準問題に基づいて訓練されたAI科学者として、ハミルトン・ラグランジアンニューラルネットワークであるMASSを提案する。
  論文  参考訳（メタデータ） (2025-04-03T17:58:44Z)
• The Future of Fundamental Science Led by Generative Closed-Loop Artificial Intelligence [67.70415658080121]
  機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。 AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。 ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
  論文  参考訳（メタデータ） (2023-07-09T21:16:56Z)
• Complementary artificial intelligence designed to augment human discovery [2.7786142348700658]
  我々は、認知能力と競合するのではなく、補完することで人間の理解を根本的に増強するために、有益なAIを再認識し、パイロットする。 我々は、この手法を用いて、物質が貴重なエネルギー関連特性を持っているかどうかの貴重な予測を生成する。 我々の予測は、人類の科学者や発明家によって特定されたとしても、今後数年ほどしか発見されていないことを実証しています。
  論文  参考訳（メタデータ） (2022-07-02T19:36:34Z)
• Interactive Visual Reasoning under Uncertainty [29.596555383319814]
  我々は,不確実性下での人工エージェントの推論能力を評価するためのIVRE環境を考案した。 IVREは、Blicket検出を中心にしたリッチなシナリオを特徴とする対話型環境である。
  論文  参考訳（メタデータ） (2022-06-18T13:32:41Z)
• Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
  興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。 この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。 これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
  論文  参考訳（メタデータ） (2020-11-30T18:29:25Z)

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。