の進捗状況 人工知能 これまで人間にしか不可能と考えられていたタスクを実行するAIの作成を可能にしました。 言語の翻訳, 自動車を運転する, 世界チャンピオンレベルでボードゲームをプレイする、 & タンパク質の構造を抽出する。 ただし、これらのAIはそれぞれ、単一のタスク用に設計および徹底的にトレーニングされており、その特定のタスクに必要なものだけを学習する機能を備えています。
を生成する最近のAI 流暢なテキスト、人間との会話を含む、および 印象的でユニークなアートを生み出す 与えることができます 仕事中の心の誤った印象。 しかし、これらでさえ、狭く定義されたタスクを実行し、大量のトレーニングを必要とする特殊なシステムです。
複数のAIをXNUMXつに組み合わせて、多くの異なるタスクを学習して実行できるようにすることは、依然として困難な課題です。人間が実行するタスクの全範囲を追求したり、人間が利用できるさまざまなエクスペリエンスを活用して、他の方法で必要とされるデータの量を削減したりすることは、依然として困難です。これらのタスクを実行する方法を学びます。 この点で現在の最高のAI アルファゼロ & 猫、ゲームプレイなど、単一の型に適合するさまざまなタスクを処理できます。 人工知能（AGI） 幅広いタスクが可能なことは、とらえどころのないままです。
最終的に、AGI できる必要があります さまざまな物理的環境や社会的状況で互いに効果的に相互作用し、そのために必要なさまざまなスキルと知識を統合し、これらの相互作用から柔軟かつ効率的に学習します。
AGIの構築は、人間の心に比べて大幅に単純化されていますが、人工的な心の構築に帰着します。 そして、人工的な心を構築するには、認知のモデルから始める必要があります。
人間から人工知能へ
人間はほぼ無制限のスキルと知識を持っており、そのために再設計する必要なしに、新しい情報をすばやく学習します。 AGIは、人間の知性とは根本的に異なるアプローチを使用して構築できると考えられます。 しかし、XNUMXつの長い間 研究者 in AI & 認知科学、私たちのアプローチは、人間の心の構造からインスピレーションと洞察を引き出すことです。 私たちは、人間の心をよりよく理解することでAGIに取り組み、AGIに取り組むことで人間の心をよりよく理解するよう努めています。
の研究から 神経科学、認知科学、心理学では、人間の脳は、巨大で均質なニューロンのセットでも、それぞれが単一の問題を解決するタスク固有のプログラムの大規模なセットでもないことを知っています。 代わりに、それは 異なるプロパティを持つ領域のセット 一緒に人間の心を形成する基本的な認知能力をサポートします。
これらの機能には、知覚と行動が含まれます。 現在の状況に関連するものの短期記憶; スキル、経験、知識の長期記憶。 推論と意思決定; 感情とモチベーション; そして、人が知覚し、経験することの全範囲から新しいスキルと知識を学びます。
AIのパイオニアは、特定の機能に単独で焦点を合わせるのではなく、 アレン・ニューウェル 1990年に開発を提案しました 認知の統一理論 それは人間の思考のすべての側面を統合します。 研究者はと呼ばれるソフトウェアプログラムを構築することができました 認知アーキテクチャ それはそのような理論を具体化し、それらをテストして洗練することを可能にします。
認知アーキテクチャは、異なる視点を持つ複数の科学分野に基づいています。 神経科学は、人間の脳の組織化、制御された実験における人間の行動に関する認知心理学、および有用な機能に関する人工知能に焦点を当てています。
認知の一般的なモデル
私たちは、次のXNUMXつの認知アーキテクチャの開発に携わってきました。 アクトR, 急上昇、 & シグマ。 他の研究者も代替アプローチに忙しい。 XNUMXつの論文 50近くのアクティブな認知アーキテクチャを特定。 このアーキテクチャの急増は、一部には関連する複数の視点の直接的な反映であり、一部にはさまざまな潜在的なソリューションの調査です。 それでも、原因が何であれ、それは科学的にもAGIへの首尾一貫した道を見つけることに関しても厄介な問題を提起します。
幸いなことに、この急増により、この分野は大きな転換点に達しました。 私たちXNUMX人は、神経、行動、および計算の研究の組み合わせを反映して、アーキテクチャ間の顕著な収束を特定しました。 それに応じて、私たちは開始しました この収束を捉えるためのコミュニティ全体の取り組み に似た方法で 素粒子物理学の標準モデル それは20世紀の後半に出現しました。
この 認知の一般的なモデル モデルの中心に短期記憶モジュールを配置して、人間のような思考を複数のモジュールに分割します。 他のモジュール（知覚、行動、スキル、知識）はそれを介して相互作用します。
学習は、意図的に行われるのではなく、処理の副作用として自動的に行われます。 言い換えれば、あなたは長期記憶に何を保存するかを決定しません。 代わりに、アーキテクチャは、あなたが考えていることに基づいて、何を学習するかを決定します。 これにより、あなたがさらされている新しい事実やあなたが試みている新しいスキルを学ぶことができます。 また、既存の事実やスキルを改善することもできます。
モジュール自体は並行して動作します。 たとえば、環境を聞いたり見たりしながら、何かを思い出すことができます。 各モジュールの計算は超並列です。つまり、多くの小さな計算ステップが同時に発生します。 たとえば、過去の膨大な経験から関連する事実を取得する場合、長期記憶モジュールは、すべての既知の事実の関連性をXNUMXつのステップで同時に判断できます。
汎用人工知能への道を導く
共通モデルは、認知アーキテクチャの研究における現在のコンセンサスに基づいており、自然知能と人工知能の両方の研究を導く可能性があります。 脳内のコミュニケーションパターンをモデル化するために使用される場合、共通モデルは神経科学の主要なモデルよりも正確な結果をもたらします。 これ 人間をモデル化する能力を拡張します脳自体の組織を含む認知的考慮を超えて、一般的な知性が可能であることが証明されたXNUMXつのシステム。
既存の認知アーキテクチャを共通モデルに関連付け、それを新しい作業のベースラインとして使用する取り組みが見られ始めています。たとえば、インタラクティブAI 人々を指導するために設計された より良い健康行動に向けて。 私たちのXNUMX人は、吹き替え版のSoarに基づくAIの開発に携わっていました。 ロージー、それは人間の教師からの英語の指示を介して新しいタスクを学びます。 60種類のパズルとゲームを学習し、学習した内容をXNUMXつのゲームから別のゲームに転送できます。 また、荷物の取り出しや配達、建物のパトロールなどのタスクのために移動ロボットを制御する方法も学びます。
Rosieは、CommonModelによって十分に特徴付けられている認知アーキテクチャを介してAGIにアプローチするAIを構築する方法の一例にすぎません。 この場合、AIは、人間からの自然な言語指導と最小限の経験を組み合わせた一般的な推論中に、新しいスキルと知識を自動的に学習します。つまり、野蛮人を介して学習する今日のAIよりも人間の心のように機能するAIです。計算力と大量のデータ。
より広いAGIの観点から、私たちは共通モデルを、そのようなアーキテクチャとAIを開発する際のガイドとして、またそれらの試みから得られた洞察を最終的にAGIにつながるコンセンサスに統合する手段として見ています。
この記事はから再公開されます 会話 クリエイティブコモンズライセンスの下で 読む 原著.
画像のクレジット： Shutterstock.com/wowowG
