論文の概要: From Data to Wisdom: Rethinking AI Through an Epistemic Lens
- arxiv url: http://arxiv.org/abs/2611.16726v1
- Date: Thu, 12 Nov 2026 12:38:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.469546
- Title: From Data to Wisdom: Rethinking AI Through an Epistemic Lens
- Title(参考訳): データから知恵へ - てんかんのレンズを通してAIを再考する
- Abstract要約: Data-to-Wisdom Epistemic Architecture for AI (EAAI)は、データ、情報、知識、理解、知恵を5つの異なる機能として扱う概念的なフレームワークである。
ベイズ解釈は、5つの関数に対する可能性、事前分布と後続分布、後続予測、モデルチェックと決定解析を関連づける。
医療保険の定量的金融リスク、アクチュアリ・モデリング、医療保険請求のためのエージェントAIの3つの応用は、EAAIがモデル仮定の分析をどのように構成するかを示している。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes the Data-to-Wisdom Epistemic Architecture for AI (EAAI), a conceptual framework treating Data, Information, Knowledge, Understanding and Wisdom as five distinct but recursively interacting epistemic functions: observation, contextual interpretation, modeling and prediction, critical evaluation and informed judgment. Two observations motivate it: sequential readings of the Knowledge Pyramid obscure how these functions interact, and a targeted review of ten Bayesian reference books finds that prior distributions are defined mathematically while "prior information" and "prior knowledge" are not consistently distinguished as epistemic categories. A Bayesian interpretation relates the likelihood, prior and posterior distributions, posterior prediction, model checking and decision analysis to the five functions, without limiting EAAI to Bayesian systems. Extending "prior" in an epistemic sense, the paper distinguishes five kinds of prior context that can shape the model, the likelihood, the prior, evaluation and action. Three worked applications -- quantitative financial risk, actuarial modeling in health insurance and agentic AI for medical reimbursement claims -- show how EAAI structures the analysis of model assumptions, evidence interpretation, validation, dependencies and decision consequences, separating the prediction of a risk, the appraisal of its reliability and the justification of action. It draws implications for AI and machine learning, including evaluation by function, treating intermediate model outputs as evidence open to challenge and separating generation from appraisal, and compares EAAI with work on DIKW, Bayesian workflow, AI evaluation and risk governance. Its contributions are an epistemic vocabulary with recursive relationships, a more accessible reading of Bayesian methodology, a typology of prior context and clearer methodological terminology.
- Abstract(参考訳): 本稿では、データ、情報、知識、理解、知恵を、観察、文脈解釈、モデリングと予測、批判的評価、情報判断の5つとして扱う概念的枠組みであるAI(Data-to-Wisdom Epistemic Architecture for AI)を提案する。
知識ピラミッドのシーケンシャルな読みはこれらの機能がどのように相互作用するかを曖昧にし、10冊のベイズ的参考書のターゲット的レビューは、事前の分布が数学的に定義されるのに対して、「事前情報」と「事前知識」はエピステミックなカテゴリーとして一貫して区別されないことを発見した。
ベイジアン解釈は、EAAIをベイジアン系に制限することなく、可能性、事前分布、後続分布、後続予測、モデルチェック、決定分析を5つの関数に関連付ける。
先天的な意味での「先天的」を拡張し、モデル、可能性、事前、評価、行動を形成することができる5種類の先行文脈を区別する。
医療保険の量的金融リスク、アクチュアリ・モデリング、医療保険のエージェントAIといった3つの応用は、EAAIがモデル仮定、証拠解釈、検証、依存関係、決定結果の分析、リスクの予測の分離、信頼性の評価、行動の正当化をいかに構成しているかを示している。
機能による評価、中間モデルのアウトプットを評価から挑戦し、分離するための証拠として扱い、EAAIをDIKW、ベイジアンワークフロー、AI評価、リスクガバナンスに関する作業と比較する。
その貢献は、再帰的な関係を持つてんかんの語彙、ベイズ的方法論のよりアクセスしやすい読解、事前の文脈の類型論、より明確な方法論の用語である。
関連論文リスト
- Multi-Dimensional Assessment for AI Cognition (MAAC): A Theoretical Framework for Process-Oriented Cognitive Evaluation of Text-Based AI Systems [1.8262547855491456]
本稿では,テキストベースのAIシステムが生み出すものから,その考え方に移行するためのフレームワークである,多次元AI認知のためのアセスメント(MAAC)を紹介する。
MAACは認知負荷、ツール実行、コンテンツ品質、メモリ統合、複雑性ハンドリング、幻覚制御、知識伝達、処理効率、プロセスアウトカムアライメントの9つの認知的動機付けディメンションを定義している。
5つの理論的分析は、フレームワークのコヒーレンスと経験的テスト容易性の最初のサポートを提供する。
論文 参考訳(メタデータ) (2026-08-01T14:01:17Z) - Persistent and Conversational Multi-Method Explainability for Trustworthy Financial AI [0.3013679260442808]
金融感情分析において、人間中心の説明可能なAIのためのアーキテクチャを提案する。
まず、分散S3互換ストレージにおいて、XAIアーティファクトを永続的で検索可能なオブジェクトとして扱う。
第二に、マルチメソッド説明三角測量を可能にする。
第3に, 完全性, 幻覚的クレーム, メソッド帰属行動に関する自動チェックを用いて, 生成した説明の忠実度を評価する。
論文 参考訳(メタデータ) (2026-05-12T07:45:46Z) - Tutorial on the Probabilistic Unification of Estimation Theory, Machine Learning, and Generative AI [0.0]
本調査では,古典的推定理論,統計的推論,現代の機械学習を結合した統一的な数学的枠組みを提案する。
本稿では,最大推定,ベイズ推定,注意機構などの手法が不確実性にどう対処するかを示す。
理論的な合成と、機械学習の進化する風景をナビゲートする学生や研究者のための実践的なガイドとして機能する。
論文 参考訳(メタデータ) (2025-08-21T16:57:33Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [51.26815896167173]
本稿では,3つの相補的な側面からPAMIレビューを総合的に分析する。
我々の分析は、現在のレビューの実践において、独特の組織パターンと永続的なギャップを明らかにします。
最後に、最先端のAI生成レビューの評価は、コヒーレンスと組織の進歩を奨励していることを示している。
論文 参考訳(メタデータ) (2024-02-20T11:28:50Z) - Predictable Artificial Intelligence [77.1127726638209]
本稿では予測可能なAIのアイデアと課題を紹介する。
それは、現在および将来のAIエコシステムの重要な妥当性指標を予測できる方法を探る。
予測可能性を達成することは、AIエコシステムの信頼、責任、コントロール、アライメント、安全性を促進するために不可欠である、と私たちは主張する。
論文 参考訳(メタデータ) (2023-10-09T21:36:21Z) - Explainable AI for Malnutrition Risk Prediction from m-Health and
Clinical Data [3.093890460224435]
異種m-healthデータに基づく早期かつ説明可能な栄養失調リスク検出のための新しいAIフレームワークを提案する。
対象非依存および個人化予測を含む広範囲なモデル評価を行った。
また,グローバルモデル記述を抽出するベンチマークXAI法についても検討した。
論文 参考訳(メタデータ) (2023-05-31T08:07:35Z) - Informing clinical assessment by contextualizing post-hoc explanations
of risk prediction models in type-2 diabetes [50.8044927215346]
本研究は, 合併症リスク予測のシナリオを考察し, 患者の臨床状態に関する文脈に焦点を当てる。
我々は、リスク予測モデル推論に関する文脈を提示し、その受容性を評価するために、最先端のLLMをいくつか採用する。
本論文は,実世界における臨床症例における文脈説明の有効性と有用性を明らかにする最初のエンドツーエンド分析の1つである。
論文 参考訳(メタデータ) (2023-02-11T18:07:11Z) - 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) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳(メタデータ) (2021-02-15T18:46:44Z) - Clinical Outcome Prediction from Admission Notes using Self-Supervised
Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。
退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。
複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文 参考訳(メタデータ) (2021-02-08T10:26:44Z)
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。