論文の概要: Machine Learning Beyond Statistical Consistency for Hybrid AI
- arxiv url: http://arxiv.org/abs/2611.01914v1
- Date: Sun, 01 Nov 2026 13:54:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-09 22:29:06.616777
- Title: Machine Learning Beyond Statistical Consistency for Hybrid AI
- Title(参考訳): ハイブリッドAIのための統計的一貫性を超えた機械学習
- Abstract要約: マシンは、関数が正常に計算されたときに関数を学習する、すなわち、入力毎に返される値が、形式的なシステムで適切な導出を持つときである。
2つの条件が満たされた場合に限り、機械が真の確率を学習することを証明する。
- 参考スコア(独自算出の注目度): 4.297070083645049
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a new definition of machine learning, according to which a machine learns a function when it computes the function successfully, that is, when the value it returns for each input has a proper derivation in a formal system. We extend Gödel's Representability Theorem, which equates computation with derivation, to empirical targets in two ways: the theorem is extended to the computable reals, and the data are admitted into the system as empirical definitions that record what has been observed. We prove that a machine learns a true probability if and only if two conditions are met. The Truth Condition is that its estimate converges to the true probability, which is statistical consistency. The Assurance Condition is that the machine properly derives its own convergence inside the system. Learning thus lies beyond statistical consistency, for it requires a derivation of the convergence from the record. A global assumption about the data, such as the i.i.d. assumption, does not supply such a derivation, because it leads only to a circular one, as we show for PAC learning. On the other hand, the two conditions are met for the probability of a sentence over a finite ideal corpus. A real machine can approximate a true probability only if an ideal machine can learn it precisely, that is, only in a domain that meets the two conditions. Modern AI works in such a domain, and we offer this as a clue to its success. Modern AI is hybrid as well, in two senses: First, it performs two kinds of tasks, namely probabilistic ones such as predicting the next word and deductive ones such as proving and coding. Second, it combines two parts of different kinds, a statistical proposer and a deductive verifier, for proving and coding. Our framework explains both senses of hybridity in one formal system.
- Abstract(参考訳): 本稿では,機械が関数を正常に計算した場合,すなわち入力に対して返される値が正規のシステムで適切な導出値を持つ場合に,その関数を学習する機械学習の新たな定義を提案する。
ゲーデルの表現可能性定理(Representability Theorem)は、計算を導出と同一視し、その定理を計算可能実数に拡張し、そのデータは観測されたことを記録した経験的定義としてシステムに認識される。
2つの条件が満たされた場合に限り、機械が真の確率を学習することを証明する。
真理条件は、その推定が統計的整合性である真の確率に収束することである。
保証条件は、機械がシステム内部で自身の収束を適切に導出することである。
したがって、学習は統計的な一貫性を超えたものであり、記録からの収束を導出する必要がある。
I.d.仮定のようなデータに関する大域的な仮定は、PAC学習において示されるように、循環的な仮定にしか導出されないため、そのような導出を供給しない。
一方、2つの条件は有限イデアルコーパス上の文の確率で満たされる。
実機械が真の確率を近似できるのは、理想機械がそれを正確に学習できる場合、すなわち、2つの条件を満たす領域でのみである。
現代のAIはそのような領域で機能し、私たちはこれをその成功の手がかりとして提供します。
第一に、次の単語を予測するような確率的なタスクと、証明やコーディングのような演能的なタスクの2つを実行する。
第二に、証明と符号化のための統計的プロジェクタと導出検証器という、異なる種類の2つの部分を組み合わせる。
私たちのフレームワークは、両方のハイブリッド感を1つの形式システムで説明します。
関連論文リスト
- How to Verify Consistency of Probabilistic Claims [49.47758039235095]
予測モデルの一貫性を証明するために,対話型PCPを構築する。
添加音の小さなギャップがBへの依存を除去することを示す。
我々は,対話型PCPを,自身の一貫性を証明するための予測モデルに向けた第一歩だと考えている。
論文 参考訳(メタデータ) (2026-08-11T17:41:39Z) - The Geometry of Knowing: From Possibilistic Ignorance to Probabilistic Certainty -- A Measure-Theoretic Framework for Epistemic Convergence [0.0]
疫学的不確実性は、可能性分布とその二重必然性尺度によって符号化される。
証拠が蓄積されるにつれて、遺族は契約を締結した。
これを厳密に証明し(定理4.5)、すべての仮定を明示し、非子音の場合を完全に扱う。
論文 参考訳(メタデータ) (2026-03-13T18:27:05Z) - AI Noether -- Bridging the Gap Between Scientific Laws Derived by AI Systems and Canonical Knowledge via Abductive Inference [6.776367499590453]
現代科学の中核的な目標は、AIとコンピュータ処理の最近の進歩を活用して、科学的手法を自動化し、加速することである。
シンボリック回帰は解釈可能なモデルとデータに適合するが、これらのモデルは確立された理論の外に位置することが多い。
解: 公理と仮説が方程式として表現できる限り、公理を導出するのに十分である最小の公理の集合を生成するシステムを提案する。
論文 参考訳(メタデータ) (2025-09-26T23:50:25Z) - Machine learning and information theory concepts towards an AI
Mathematician [77.63761356203105]
人工知能の現在の最先端技術は、特に言語習得の点で印象的だが、数学的推論の点ではあまり重要ではない。
このエッセイは、現在のディープラーニングが主にシステム1の能力で成功するという考えに基づいている。
興味深い数学的ステートメントを構成するものについて質問するために、情報理論的な姿勢を取る。
論文 参考訳(メタデータ) (2024-03-07T15:12:06Z) - A Simple Generative Model of Logical Reasoning and Statistical Learning [0.6853165736531939]
統計的学習と論理的推論は、AIの2つの主要な分野であり、人間のようなマシンインテリジェンスに統一されることが期待されている。
本稿では、論理的推論と統計的学習の単純なベイズモデルを提案する。
我々は、形式論理におけるその満足度の観点から、データがどのように象徴的知識を引き起こすかをモデル化する。
論文 参考訳(メタデータ) (2023-05-18T16:34:51Z) - Probabilistic unifying relations for modelling epistemic and aleatoric uncertainty: semantics and automated reasoning with theorem proving [0.3441021278275805]
確率的プログラミングは、一般的なコンピュータプログラミング、統計的推論、形式的意味論を組み合わせたものである。
ProbURelは、Hehnerの予測確率的プログラミングに基づいているが、彼の作品が広く採用されるにはいくつかの障害がある。
コントリビューションには、Unified Theories of Programming(UTP)を使用した関係の形式化や、ブラケット外の確率などが含まれています。
ロボットのローカライゼーションの問題,機械学習の分類,確率ループの終了など,6つの事例で研究成果を実演する。
論文 参考訳(メタデータ) (2023-03-16T23:36:57Z) - Symbolic Recovery of Differential Equations: The Identifiability Problem [52.158782751264205]
微分方程式の記号的回復は、支配方程式の導出を自動化する野心的な試みである。
関数が対応する微分方程式を一意に決定するために必要な条件と十分な条件の両方を提供する。
この結果を用いて、関数が微分方程式を一意に解くかどうかを判定する数値アルゴリズムを考案する。
論文 参考訳(メタデータ) (2022-10-15T17:32:49Z) - Nonparametric Conditional Local Independence Testing [69.31200003384122]
条件付き局所独立は、連続的な時間プロセス間の独立関係である。
条件付き地域独立の非パラメトリックテストは行われていない。
二重機械学習に基づく非パラメトリックテストを提案する。
論文 参考訳(メタデータ) (2022-03-25T10:31:02Z) - Statistically Meaningful Approximation: a Case Study on Approximating
Turing Machines with Transformers [50.85524803885483]
本研究は,統計的学習性を示すために近似ネットワークを必要とする統計有意(SM)近似の形式的定義を提案する。
回路とチューリングマシンの2つの機能クラスに対するSM近似について検討する。
論文 参考訳(メタデータ) (2021-07-28T04:28:55Z) - A Note on High-Probability versus In-Expectation Guarantees of
Generalization Bounds in Machine Learning [95.48744259567837]
統計的機械学習理論は、しばしば機械学習モデルの一般化を保証するよう試みる。
機械学習モデルのパフォーマンスに関する声明は、サンプリングプロセスを考慮する必要がある。
1つのステートメントを別のステートメントに変換する方法を示します。
論文 参考訳(メタデータ) (2020-10-06T09:41:35Z) - Verification of ML Systems via Reparameterization [6.482926592121413]
確率的プログラムを定理証明器で自動的に表現する方法を示す。
また、ベイズ仮説テストで用いられるヌルモデルは、人口統計学的パリティ(英語版)と呼ばれる公平性基準を満たすことを証明した。
論文 参考訳(メタデータ) (2020-07-14T02:19:25Z)
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。