AGI（人工汎用知能）にどれくらい近づいているのでしょうか？

AGI（人工一般知能）への接近度はどの程度あるのでしょうか？

 

技術は私たち人間が追いつく速度よりも早く進化しているのでしょうか？そうです。今年だけでもたくさんの進歩があり、次から次へと続いていて私たちが追いつくのは大変でした。毎日新しいことを学び、警戒心を持っていました。

これらの進歩により、人工汎用知能（AGI）に関する議論がますます頻繁になっています。かつてはSFの話題であり、映画や本で見たり目にするだけで、それらのストーリーは少し無理筋で非現実的でした。

しかし、特に2023年において、それは劇的に変わりました。AIに対する関心は大きく、将来を形作る方法についての関心度も高まっています。ChatGPTなどの生成型AIシステムは世界を魅了し、一部の人々はそれを愛し、一部の人々は仕事の代替を懸念しています。

• 「コンテンツ戦略を開発するための最高のChatGPTプロンプト10選」
• 「ElaiのCEO＆共同創業者、Vitalii Romanchenkoについてのインタビューシリーズ」
• 「既存のビデオからYouTube Shortsを作成するための10の最高のAIツール」

これはAGIの話題に戻ります。しかし、AGIとは何でしょうか？

人工汎用知能（AGI）は、人間と同じようにあらゆる知的なタスクができる機械です。

それを踏まえて、多くの人々の心に浮かぶ大きな疑問は、AGIを実現するのに実際にどれくらい近いのか、そして実現したときに何が起こるのかということです。

この記事はそれについて説明していくので、しっかりと身を乗り出して未来の可能性について学んでください…

 

AGIについて知っていること

 

AGIは、人間ができるどのような知的なタスクでも実行できるAIシステムです。つまり、機械は助けなしで人間レベルの知能を持つ必要があります。AIの基礎は1900年代初頭に始まり、AGIの実現はAIの目標の最終達成であると多くの人々が述べています。

現在のAIシステムは、人間よりも高い精度でタスクを実行できる能力を持っていると言っても過言ではありません。しかし、AIシステムには欠落しているものがあります。それは一般的な目的の能力です。つまり、指示なしで新しい状況に素早く適応する能力が欠如しているということです。

私たち人間は長い年月をかけて適応し、さまざまな状況を生き抜いてきました。一般的な目的の能力は生存に関連しており、それが私たちの得意分野です。

最近の技術の発展の中でも、特にChatGPTなどの生成型AIシステムが注目されています。生成型AIと人工汎用知能は似ているようでありながら、異なるものです。生成型AIは、訓練されたデータに基づいてテキストや画像などのコンテンツを生成する深層学習モデルです。

例を挙げると、AIチェスプログラムはチェスの対戦で大抵の人に勝利するでしょうが、同じAIシステムが現在の世界政治について語ることはできません。それは特定の領域に限定されているからです。

先ほど述べた通り、AGIには一般的な目的の能力が欠落しており、同様に生成型AIにも欠落しています。生成型AIはAGIの旅を支援するものですが、同じものではないことを覚えておくことが重要です。

 

AGIへの進展

 

AGIはまだ実現していませんが、現在どのような状況であり、進行中の取り組みは何でしょうか？

 

研究と開発

 

ディープラーニングという機械学習のサブフィールドへの多年にわたる研究が行われてきました。それは、コンピュータに自然なことを行わせるための機械学習手法です。アルゴリズムを訓練して、一連の入力に対して出力を予測することを教えます。

大量のデータを高度なニューラルネットワークに使用することで、AIシステムは自然言語処理（NLP）や画像認識などの複雑なタスクに取り組むことができるようになりました。ディープラーニング業界では学習と改善が多く行われており、AGIの誕生を助けるための取り組みが行われています。

 

強化学習

 

このアプローチに加えて、強化学習も増えています。強化学習の目的は、特定の問題に対して生成された一連の解決策や意思決定を使用して、最適な解決策を返すモデルを訓練することです。モデルが正しい解決策/意思決定を選ぶためには、報酬信号が用意されます。

モデルが目標に近づけば、正の報酬が与えられますが、もしモデルが目標から遠ざかるほど、負の報酬が与えられます。機械学習モデルは、自分の環境を理解し、行動に基づいたフィードバックを受けることで学びます。

 

AGIへの課題

 

適応可能なAIシステム

 

何かを進めていく過程で、乗り越えなければならない課題に直面することは自然のことです。研究開発の場では、AGIが直面する主な課題は、人間と同じように入力の文脈を理解し適応するシステムを構築する能力です。研究者は、アルゴリズムがより創造的に思考できる新しい方法を模索しています。例えば、ある研究者は、寿命を通じて持続的に学習する知能のあるAIシステムの可能性に注目しています。

これに基づいて、私たちはAGIに近づいているのでしょうか？

 

ハードウェアの制限

 

これらの素晴らしいAIシステムを構築することは簡単ではありません。それには多くの計算能力が必要であり、それがGPUやTPUなどの専用ハードウェアの開発を推進しています。また、これらのハードウェアも安くはありません。ですので、時間とデータ、その他のリソースを投入して正確かつ堅牢なAIシステムを構築するためには、何週間も何ヶ月もかかることが想像できます。

 

では、AGIの進展はどうなっているのでしょうか？

 

AGIの専門家たちは異なる意見を持っているため、これは難しい問いです。中には、数年以内にAGIが実現できると言う人もいれば、まだ数十年の作業が残っていると考える人もいます。

AGIにどれほど近づいているのかを判断することができるのは、技術の進歩の速度です。現在の技術や新たな技術システムが進化すればするほど、専門家たちはパズルの欠けている部分を見つけるに近づきます。テクノロジーの世界でのさらなる突破を見れば見るほど、AGIに近づいているのです。

政府や組織も、こうしたAIシステムの倫理的な影響について今まで以上に考慮しています。AGIに関する強引な主張は、これらのAIシステムを理解し制御することができないという壊滅的な結果をもたらす可能性があります。

 

まとめ

 

これらのことを踏まえると、私たちはますます多くの組織がテクノロジー業界に資金を投入していることを目にするようになっています。競争の激しい市場に追いつくために乗り遅れないようにするために、多くの組織が参加しています。また、完全に新しい市場を創り出そうとする組織もあります。

このブログの質問に対する答えは、私たちが本当にAGIにどれほど近づいているのかをよりよく理解するために、近い将来に出現する技術の進歩を待つ必要があるということです。Nisha Aryaは、VoAGIのデータサイエンティスト、フリーランスの技術ライター、コミュニティマネージャーです。彼女は特にデータサイエンスのキャリアアドバイスやチュートリアル、データサイエンスに関連する理論的な知識を提供することに興味を持っています。彼女はまた、人間の寿命の持続性に対して人工知能がどのように役立つかを探求したいとも考えています。広い知識と文章力を広げながら、他の人々を指導することを助けることを目指す熱心な学習者です。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!