自己関係的推論（Auto-Relational Reasoning）

概要: 背景と目的: 過去10年で機械学習の研究は急速に発展してきましたが、大規模モデルはその「ソフトな限界」に到達しつつあり、収益逓減の傾向が見られるうえに、依然として確かな推論能力が不足しています。これらの限界は、機械学習のスケーラビリティと、厳密な推論を相乗的に組み合わせることで突破できる可能性があります。 方法: 本研究では、人工ニューラルネットワークに統合された自動化手段として、オブジェクト関係を介した推論のための理論的枠組みを提案します。推論の形式的解析を示し、さらに推論と機械学習を統合したパラダイムを通じて、その理論を実際に適用した例を示します。 結果: このパラダイムは、問題に関する事前知識なしに知能指数（IQ）問題を解くシステムです。私たちのシステムは、上位1パーセンタイルに相当するか、132〜144のIQスコアに対応する 98.03% の解答率を達成しました。この結果は、モデルの小規模さおよび実行に用いる計算機の処理能力のみによって制限されます。 結論: システムへの事前知識の統合とデータセットの拡張により、このシステムは広範なカテゴリーの問題を解くよう一般化できます。システムの機能は、本質的に、少数ショット（few-shot）またはゼロショット（zero-shot）の試行において、そのような問題の解決を好むものです。