「ジェーン・ザ・ディスカバラー：大規模な言語モデル（因果的Python）を用いた因果探索の向上」
『ジェーン・ザ・ディスカバラー：因果探索の向上における大規模な言語モデル（因果的Python）の活用』
LLMを強化した因果関係の発見の実践的なガイドライン（Pythonコード付き）
「世界とは、事態である。」
ルートヴィヒ・ウィトゲンシュタイン — Tractatus Logico-Philosophicus（1922年）
生まれたばかりの赤ちゃんは、運動の性質を理解することはありません。
私たち人間や他の多くの非人間の動物は、環境について学ぶのに役立つシステムを備えてこの世にやってきますが、私たちが生まれた日には環境についてはあまり知りません¹。
私たちは学ばなければなりません。
この点では、機械学習システムと似ています。
心理学と（プロト）神経科学における人間や他の非人間動物の学習に関する初期の発見は、経験から学ぶことができる人工システムを構築するためのインスピレーションとなりました。
2010年代の機械学習革命につながった最も成功した学習パラダイムの1つが教師あり学習でした。
教師あり学習の方法で訓練されたニューラルネットワークにより、画像分類や機械翻訳などの長年の問題に対する進歩が数十年分進んだのです。
人間や他の非人間の動物も、学習装置を持っていますが（概念的に²は、実装の観点からは必ずしもではありません³）、赤ちゃんと教師ありアルゴリズムの学習方法には根本的な違いがあります。
物を投げる（あなたに向かってではない）
子供がおもちゃを投げ続けるのを止めさせようとする親を見たことはありますか？一部の親は、このタイプの行動を無礼で破壊的、あるいは攻撃的な行為と解釈する傾向がありますが、赤ちゃんの動機はしばしば非常に異なるものです（Molak, 2023）。
We will continue to update VoAGI; if you have any questions or suggestions, please contact us!
Was this article helpful?
93 out of 132 found this helpful
Related articles
