抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
AIと集団知能システムは,文脈の欠陥に普遍的に悩まされている。いくつかの刺激に対する適切な応答を変化させる可能性があるいくつかの信号の解釈をおそらく変える可能性がある,不可な可能な文脈がある。例えば,人間の顔のズーム画像における停止事象を認識しない画像理解システムである。どのシステムがアクセスできるかの外で,データの解釈に影響するのは,今日の実践における文脈問題に対する解決策は,誤り(推薦,質問回答,画像認識など)を,誤動作を引き起こす文脈情報の種類を分類し,誤りを引き起こす文脈情報の種類を分類し,そして,システムに対するコンテキストの種類に関する情報を追加する。明らかに,この手法は一般的でスケーラブルなものではなく,システムの理解とその挙動に影響する可能性のある文脈情報の不都合な長いテールを無視している。本論文では,コンテキストを認識するための,新しい,より一般的なアプローチを概説する。このアプローチは,かなり単純な直感で接地される:量子力学の根底にある数学は,モデリングのためにはるかに適切であり,従って,古典的統計から標準ツールセットよりも,人間認知行動をシミュレートする。Heisenbergの不確定性原理,状態の重ね合わせ,およびエンタングルメントのような注意は,集団知能において直接的で測定可能なアナログを持っている。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】