innsikt - 人工知能
AIで生成された未来の自分との会話が不安やネガティブな感情を減らし、未来への一体感を高める
AIで生成された未来の自己との対話を通して、ユーザーの不安やネガティブな感情が減少し、未来への一体感が高まる。
人工知能に夢の仕事を奪われた日
人工知能の急速な進化により、人間の仕事が奪われる可能性が高まっている。
柔軟な空間制御信号を用いた人間動作生成
本手法は、任意の関節の任意の時間における空間制御信号を単一のモデルで統合的に扱うことができる。これにより、より現実的で一貫性のある人間動作を生成できる。
人工知能モデルの言語学習のための合成データの最良実践と教訓
人工知能モデルの学習には大規模で多様かつ高品質なデータセットが不可欠であるが、データの入手が困難な場合がある。合成データは、現実世界のパターンを模倣して人工的に生成されたデータであり、この課題に対する有望な解決策となっている。
人工知能言語モデルが「A is B」を学習しても「B is A」を学習できない逆転の呪い
人工知能言語モデルは、「A is B」という文を学習しても、自動的に「B is A」という逆の関係を学習することができない。
人工知能オントロジー：LLMを活用した人工知能概念階層の構築
人工知能オントロジー(AIO)は、人工知能の概念、方法論、およびそれらの相互関係を体系化したものである。手動キュレーションに加えて、大規模言語モデル(LLM)の支援を受けて開発されたAIOは、技術的および倫理的側面の両方を包括する包括的なフレームワークを提供し、急速に進化する人工知能の分野に対応することを目的としている。
大規模言語モデルの論理推論における自己検証能力の詳細な分析
大規模言語モデルは論理的推論において、誤りを正確に特定する能力に苦しんでいることが示唆されています。
人間とAIの熟考に向けて：AI支援意思決定のためのLLMを活用した審議型AIの設計と評価
AI支援意思決定において、人間とAIが対立する意見について熟考し、議論する新しい枠組みであるHuman-AI Deliberationを提案しています。
言語モデルはソルバーを模倣できるか？LLMによる論理コードシミュレーション
LLMは論理コードの結果を効率的にシミュレートできる。
深層ガウス共分散ネットワークと軌道サンプリングによるデータ効率的なポリシー検索
確率的アプローチを組み合わせたデータ効率的なMBRL問題の解決方法を提案する。