科学者たちは人間のように「考える」ことができる人工知能を開発している

[[429745]]

人間のような AI を作るということは、単に人間の行動を模倣するということだけではありません。その技術が信頼できるものとなるためには、人間のように情報を処理したり「考えたり」することもできなければなりません。グラスゴー大学心理学・神経科学学部が主導し、雑誌「パターン」に掲載された新たな研究では、3Dモデリングを使用して、より広範な機械学習ファミリーの一部であるディープニューラルネットワークが情報を処理する方法を分析し、その情報処理が人間のそれとどの程度一致するかを視覚化しました。

この新たな研究により、人間と同じように情報を処理し、人間が理解し予測できるエラーを起こす、より信頼性の高い AI テクノロジーの開発への道が開かれることが期待されています。人工知能の開発が依然として直面している課題の 1 つは、機械の思考プロセスをより深く理解し、それが人間の情報処理方法と一致して正確性を確保する方法である。ディープ ニューラル ネットワークは、現在利用可能な人間の意思決定行動の最良のモデルであると考えられており、一部のタスクでは人間のパフォーマンスに匹敵するか、それを超えています。しかし、一見単純な視覚識別タスクであっても、AI モデルは人間と比較して明らかな矛盾やエラーを示します。

現在、ディープニューラルネットワーク技術は顔認識などのアプリケーションに使用されており、これらの分野では非常に成功していますが、科学者はまだこれらのネットワークがどのように情報を処理し、いつエラーが発生する可能性があるかを完全に理解していません。

新たな研究では、研究チームは、複数の方法で変換されたディープニューラルネットワークに与えられた視覚刺激をモデル化することでこの問題に対処し、人間とAIモデルの間で同様の情報を処理することで認識の類似性を実証することができました。

この研究の主任著者であり、グラスゴー大学神経科学技術研究所所長のフィリップ・シンス教授は次のように述べた。 「人間のように動作する AI モデルを構築する場合、たとえば、見ただけで人の顔を認識するような AI モデルを構築する場合、その AI モデルが別の人と同じ情報を使用して認識するようにする必要があります。AI がこれを行わないと、システムが人間のように機能するという錯覚を抱く可能性がありますが、新しい状況やテストされていない状況ではシステムが間違いを犯す可能性があります。」

研究者たちは、一連の変更可能な 3D 顔を使用し、ランダムに生成されたこれらの顔と 4 つのよく知られた人物との類似性を評価するよう人間に依頼しました。次に、この情報を使用して、ディープ ニューラル ネットワークが同じ理由で同じ評価を行ったかどうかをテストしました。つまり、人間と AI が同じ決定を行ったかどうかだけでなく、その決定が同じ情報に基づいているかどうかもテストしたのです。研究者たちは、この研究が、より人間に近い行動をとり、予測できないミスが少ない、より信頼性の高いAI技術への道を開くことを期待している。