Framework AI automatizzato per la valutazione di teorie nelle scienze cognitive
I ricercatori hanno sviluppato un framework automatizzato di collaborazione adversarial che utilizza grandi modelli linguistici, sintesi di programmi e progettazione sperimentale basata sulla teoria dell'informazione per valutare teorie concorrenti nelle scienze cognitive. Il sistema opera in un ciclo chiuso, scoprendo modelli candidati ed esperimenti durante il processo. In uno studio di simulazione che coinvolge tre teorie classiche della categorizzazione, il framework ha recuperato con successo la teoria di riferimento in varie condizioni di rumore, sebbene con affidabilità inferiore nelle condizioni più difficili. Questa prova di concetto dimostra il potenziale per la valutazione di teorie in silico a ciclo chiuso, offrendo un nuovo metodo per integrare prove attraverso compiti e realizzazioni. Il lavoro è pubblicato su arXiv sotto le categorie di informatica e intelligenza artificiale.
Fatti principali
- Il framework combina agenti teorici basati su LLM, sintesi di programmi e progettazione sperimentale basata sulla teoria dell'informazione.
- Opera in un ciclo chiuso per scoprire modelli ed esperimenti automaticamente.
- Uno studio di simulazione ha testato tre teorie classiche della categorizzazione.
- Il framework ha recuperato la teoria di riferimento in varie condizioni di rumore.
- L'affidabilità era inferiore nelle condizioni di rumore più difficili.
- Il lavoro fornisce una prova di concetto per la valutazione di teorie in silico.
- L'articolo è disponibile su arXiv.
- L'approccio mira a far progredire la costruzione di teorie nelle scienze cognitive.
Entità
Istituzioni
- arXiv