「Google DeepMindの最新研究、ICML 2023にて」

Latest research by Google DeepMind at ICML 2023

来週は、2023年7月23日から29日までハワイのホノルルで開催される第40回国際機械学習会議(ICML 2023)の開始を迎えます。

ICMLは、人工知能(AI)コミュニティを一堂に集め、新しいアイデア、ツール、データセットを共有し、フィールドを進めるためのつながりを作ります。コンピュータビジョンからロボティクスまで、世界中の研究者が最新の進歩を発表します。

私たちの科学、技術、社会担当ディレクターであるシャキール・モハメッド氏は、医療や気候の課題に取り組む社会的目的を持つ機械学習についての講演を行います。ソシオテクニカルな視点を取り入れ、グローバルなコミュニティを強化します。

私たちは、ラテン系XのAI、クィアのAI、および機械学習の女性との長期的なパートナーシップを続けることを誇りに思っています。

会議では、AlphaFoldや融合科学の進歩、およびロボティクス向けのPaLM-Eやテキストから動画を生成するためのPhenakiなどの新しいモデルをデモンストレーションしています。

Google DeepMindの研究者は、今年のICMLで80以上の新しい論文を発表します。Google BrainとDeepMindが連携する前に提出された論文は、Google Researchブログで紹介されます。

Google DeepMind at ICML 2023のスケジュールの詳細はこちら:https://deepmind.events/events/icml-2023

(シミュレートされた)世界のAI

読み書きや創作ができるAIの成功は、広範なタスクを実行できる巨大なデータセットでトレーニングされた基礎モデルによって支えられています。私たちの最新の研究では、これらの取り組みを現実世界に応用する方法を探求し、より一般的に能力のある具現化されたAIエージェントを構築するための基盤を築き、より有用なAIツールの新たな可能性を開拓しています。

オーラルプレゼンテーションでは、人間のように新しい問題を解決するために適応するAIエージェントであるAdAを紹介します。AdAは数分で難しいタスクに取り組むことができます。例えば、新しい方法でオブジェクトを組み合わせたり、未知の地形をナビゲートしたり、他のプレイヤーと協力したりすることができます。

同様に、ビジョン言語モデルを使用して具現化エージェントのトレーニングを支援する方法についても紹介します。例えば、ロボットに自身の行動を伝えることができます。

強化学習の未来

責任ある信頼性のあるAIを開発するためには、これらのシステムの中心にある目標を理解する必要があります。強化学習では、これを報酬を通じて定義することができます。

オーラルプレゼンテーションでは、リチャード・サットンが提唱した報酬仮説を解決することを目指します。報酬仮説は、すべての目標を予想される累積報酬を最大化することとして捉えることができます。それが成り立つ正確な条件と、強化学習問題の一般的な形式では捉えられない目標の種類を明確に説明します。

AIシステムを展開する際には、実世界で十分に堅牢である必要があります。安全性と効率のためにAIツールはしばしば制約される必要があります。不完全な情報ゲームやポーカーのような状況の中で、モデルに複雑な長期戦略を教える方法にも取り組んでいます。オーラルプレゼンテーションでは、モデルが相手の位置や可能な手を知らないままでも二人プレイヤーゲームに勝つ方法を共有します。

AIのフロンティアにおける課題

人間は簡単に学び、適応し、周囲の世界を理解することができます。人間のように一般化できる先進的なAIシステムを開発することは、私たちの日常生活で使用できるAIツールを作り出し、新たな課題に取り組むために役立ちます。

AIが適応する方法の一つは、新しい情報に応じて予測を素早く変更することです。オーラルプレゼンテーションでは、ニューラルネットワークの可塑性と、トレーニングの過程でその可塑性が失われること、およびその損失を防ぐ方法について調査します。

また、自然言語予測など、統計が自発的に変化するデータソースでメタトレーニングされたニューラルネットワークを研究することで、大規模な言語モデルで生じる文脈依存学習のタイプを説明するのに役立つ研究も発表します。

オーラルプレゼンテーションでは、長期的な推論タスクでより良いパフォーマンスを発揮する新しいリカレントニューラルネットワーク(RNN)の家族を紹介します。これにより、将来のためにこれらのモデルの可能性を開放します。

最後に、「クォンタイル信用割り当て」では、運と技術の関係を明確にするアプローチを提案します。行動、結果、外部要因の関係をより明確にすることで、AIは複雑な現実世界環境をよりよく理解することができます。

Google DeepMindのICML 2023のスケジュールの詳細はこちらをご覧ください: https://deepmind.events/events/icml-2023

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

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

機械学習

ビデオオブジェクトセグメンテーションの革命:高度なオブジェクトレベルのメモリ読み取り技術による可愛い子の明らかな化身

オープンボキャブラリーで定義されたフレームアノテーションからのオブジェクトのトラッキングとセグメンテーションは、ビデ...

AIニュース

「ChatGPT4は人々の顔を認識して読み取る能力を持っていますOpenAIは、それがAIをあまりにも強力にすると懸念しています」

「OpenAIのChatGPTは、テキストだけでなく、人々の顔を認識し読み取ることも可能に進化しました」

機械学習

スピードは必要なすべてです:GPU意識の最適化による大規模拡散モデルのオンデバイス加速化

コアシステム&エクスペリエンスのソフトウェアエンジニアであるJuhyun LeeとRaman Sarokinによる投稿 画像生成のための大...

データサイエンス

新しいAI研究がAttrPromptを紹介します:ゼロショット学習における新しいパラダイムのためのLLM-as-Training-Data-Generator

大規模な言語モデル(LLM)のパフォーマンスは、多くの自然言語処理(NLP)アプリケーションで印象的でした。最近の研究では...

データサイエンス

ロボットを教えるためのより速い方法

「新しい技術は、非技術者がなぜロボットが失敗したのかを理解し、そして最小限の努力でタスクを効果的に実行するために微調...

データサイエンス

データを中心に:Srikanth Velamakanniと共にデータドリブンの組織を築く

Analytics Vidhyaの「データを活用したリーダーシップ(Leading With Data)」は、業界のリーダーが自身の経験、キャリアの道...