Core Concepts
自然言語処理システムが人間の社会生活に統合されるにつれて、これらの技術はますます社会的知性に依存する必要があります。
Abstract
1. 序論
自然言語処理(NLP)システムが人間の社会生活に統合されるにつれて、これらの技術はますます社会的知性に依存する必要があります。
現在、研究者が迅速に研究の欠陥や将来の方向性を特定できるような包括的なソーシャルAIデータインフラストラクチャーを構築しています。
2. ソーシャルAIタクソノミー
認知知能、状況知能、行動知能という3つの異なる種類の社会的知性を捉えるためにソーシャルAIタクソノミーを提案しています。
各種類は相互に影響し合い、人間の行動を形作ります。
3. 現在のソーシャルNLPデータランドスケープ
存在するNLP出版物を適切なカテゴリーに分類し、関連するデータセットライブラリを構築しています。
データセットはさまざまな側面で評価され、過去と現在のNLPパラダイムに関する洞察が得られています。
4. モデルパフォーマンス
現在のLLM(Large Language Models)のパフォーマンスを評価し、将来の社会的知性データセットが取り組むべき課題や方向性を明らかにしています。
LLMは単一モジュールで優れたパフォーマンスを発揮しますが、複数モジュールで協力しなければならない実際のアプリケーションでは不足しています。
5. 将来へ向けた提言
将来のデータセットは特定で微妙で長尾型な社会的状況に焦点を当てるべきです。
データ収集時に倫理的考慮事項も重要であり、公正さや透明性、プライバシー保護も考慮すべきです。
Stats
自然言語処理システムは多くの具体的なNLPタスク(Langley et al., 2022)とコミュニケーション能力(Apperly, 2010)向上に必要です。
社会的知性は多面的であり(Marlowe, 1986)、従来からある関連した実証努力も孤立した焦点しか持っておらず(Fan et al., 2022)、包括的かつ統合された定義が必要です。
Quotes
"The capacity for social influence becomes relevant in human-AI teams."
"Social intelligence is a prerequisite of human-like Artificial Intelligence."