「脳に触発された人工知能についての意見ここからどこに進むべきか？」

Opinions on brain-inspired artificial intelligence where should we go from here?

2023年においても、機械はまだチューリングテストに合格していません

人工知能のアルゴリズムは、大規模言語モデルの進歩にもかかわらず、まだ人間の評価者を騙すことができません。特に、彼らが話すべき対象領域の快適な領域から外れた場合には、人間の評価者を騙すことができません。アラン・チューリングが機械が知的な振る舞いを示す能力をテストするために与えた名前である「模倣ゲーム」は、単なる映画のタイトルではありません。このテストでは、人間の評価者がテキストを通じて機械と他の人間と対話し、どちらがコンピューターかを判断しなければなりません。(https://www.nature.com/articles/d41586-023-02361-7)。

このテストに合格できるAIモデルを設計することは、コンピューターサイエンスの研究者の最終目標ではありません。それは主にモデルの論理的な能力を向上させるのではなく、人を欺くためのトリックで構成されるでしょう。しかし、チューリングテストが過去数十年にわたってコンピューターサイエンスの議論で頻繁に取り上げられてきたことは、AIの振る舞いを人間の振る舞いにリンクさせることへの執着を示しています。モデルレベルでは、ニューラルネットワークは脳からインスピレーションを受けていますが、神経生物学的なプロセスを完全に模倣しているわけではありません。たとえば、脳のニューロンはニューラルネットワークのノードと同様に互いに接続されていますが、これらのユニットが機能を実行する数学的な方法やネットワークの具体的なアーキテクチャには違いがあります。

私たちの脳は多くの進化の過程を経て最適化され、さまざまなタスクを達成する能力を持っています。私たちは周囲の状況を認識し、写真や状況の間に類似点を見つけることができる基盤を持っています。私たちの脳が経験したこれらのタスクと状況はお互いに影響し合い、次のタスクをより効率的にこなすために役立ちます。一方、大規模なニューラルネットワークは他の下流タスクで使用する前にゼロから訓練する必要があります。アイデアは、脳から一般的な規則や概念を借りてニューラルネットワークの構築をガイドすることです。たとえば、コンピュータービジョン用に設計されたニューラルネットワークをデザインするために人間の視覚システムからインスピレーションを得るというものです。

• PyTorch Lightningを使用して、ゼロからCNNを実装してトレーニングする
• 「AIが航空会社のコントレイルによる気候への影響を軽減するのに役立っている方法」
• 「Swift Transformersのリリース：AppleデバイスでのオンデバイスLLMsの実行」

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