Google DeepMindの研究者たちは、人工汎用知能（AGI）モデルとそれらの前身の能力と行動を分類するためのフレームワークを提案しています

「Google DeepMindの研究者が提案する、人工汎用知能（AGI）モデルとその前身の能力と行動を分類するフレームワーク」

人工知能（AI）と機械学習（ML）モデルの最近の進歩により、人工汎用知能（AGI）の議論は直ちに実際的な重要性を持つ問題になりました。コンピュータ科学において、人工汎用知能またはAGIは、人間と同等以上に幅広いタスクを実行できる人工知能システムを指す重要な概念です。機械学習モデルの能力が進化するにつれて、AGIモデルとその前身の行動を分類し理解するための形式的なフレームワークがますます必要とされています。

最近の研究では、Google DeepMindの研究チームが、自動運転のレベルと同様のシステム的なアプローチを作成するために、「AGIのレベル」というフレームワークを提案しました。このフレームワークは、自律性、一般性、パフォーマンスという3つの重要な次元を導入しています。このアプローチは、モデルを比較し、リスクを評価し、人工知能への進展を追跡するための共通の用語を提供しています。

研究チームは、実用的なAGIオントロジーに必要と思われる6つのアイデアを抽出するために、以前のAGIの定義を分析しました。提案されたフレームワークの開発は、メカニズムではなく能力に焦点を当てる重要性を示すこれらの原則によって案出されました。これには、一般性とパフォーマンスの独立した評価、およびAGIへの移行時の終了目標だけでなく、ステップの特定も含まれます。

• ケンブリッジの研究者たちは、マシンラーニングを利用した仮想現実アプリケーションを開発し、ユーザーが仮想現実空間でツールを開いたり制御したりする「超人的な」能力を持つことができるようにしました
• UCバークレーとスタンフォードの研究者チームがS-LoRAを発表：多数のLoRAアダプターのスケーラブルな提供のために設計された人工知能システム
• メタリサーチャーズがVR-NeRFを紹介：高精細なキャプチャーと仮想現実の歩行可能な空間のレンダリングのための先進的なエンドツーエンドAIシステム

研究者たちは、AGIフレームワークのレベルは、パフォーマンスである「深さ」と能力の一般性である「幅広さ」という2つの基本的な側面を中心に構築されたと述べています。このフレームワークは、これらの特徴に基づいてAGIを分類することで、人工知能システムのダイナミックな環境を理解するのを容易にします。パフォーマンスと一般性の両方の能力の異なる程度に対応するステップを示しています。

研究チームは、既存のAIシステムが提案されたアプローチにどのように適合するかを評価する際に関わる困難さと複雑さについても認識しました。また、AGIモデルの能力と行動を既定の閾値と比較するために正確に測定するために必要な将来のベンチマークについても議論しました。開発の評価、開発の必要な領域の特定、およびAIテクノロジーの明確かつ測定可能な進展を保証するために、ベンチマーキングへの焦点を当てることは重要です。

フレームワークは、技術的な考慮事項に加えて、リスクと自律性という特定の導入上の懸念も考慮に入れています。展開要因とAGIレベルの複雑な関係を強調することで、研究チームは人間-AIの相互作用のパラダイムを注意深く選択することがいかに重要かを強調しました。高い能力を持つAIシステムの実装における倫理的側面も、方法論的で慎重なアプローチを求めるこの責任ある安全な展開への強調によって強調されています。

結論として、AGIの行動と能力の分類に関する提案された分類スキームは綿密でよく考慮されたものです。フレームワークは人間中心のコンテキストへの責任ある安全な統合の必要性を強調し、AGIシステムの開発および展開を評価し、比較し、誘導するための構造化された方法を提供しています。

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