AIの未来: 汎用人工知能

人工知能を真に理解するために、研究者は、環境に対する人間のような理解を再現できる基礎的な AGI 技術の開発に重点を移すべきです。

Google、Microsoft、Facebook などの業界大手、イーロン・マスクの OpenAI などの研究機関、さらには SingularityNET などのプラットフォームは、人工汎用知能 (AGI)、つまり人間には理解できないあらゆる知的タスクを理解または学習できるインテリジェントエージェントの能力が AI テクノロジーの未来を代表すると確信しています。

しかし、驚くべきことに、これらの企業のいずれも、人間の文脈理解を再現する基本的な基盤となる AGI 技術の開発に注力していません。これは、これらの企業が行っている研究が、さまざまな特異度を持つインテリジェント モデルと、今日の人工知能アルゴリズムに全面的に依存している理由を説明している可能性があります。

残念ながら、この依存は、AI がせいぜい知的に見えるだけであることを意味します。彼らの能力がどれほど優れていても、彼らは依然として多くの変数を含む事前に決められたスクリプトに従います。したがって、GPT3 や Watson のような大規模で非常に複雑なプログラムであっても、理解を示すことしかできません。実際には、言葉や画像が物理的な宇宙に存在し相互作用する物理的なものを表現していることを理解していません。時間の概念や原因が結果を生み出すという考えは、彼らにとってまったく馴染みのないものです。

これは今日の AI の能力を否定するものではありません。たとえば、Google は膨大な量の情報を驚異的な速度で検索し、ユーザーが望む結果 (少なくともほとんどの場合) を提供することができます。 Siri のようなパーソナル アシスタントは、レストランの予約をしたり、メールを検索して読んだり、リアルタイムで道順を教えたりすることができます。このリストは継続的に拡張され、改善されています。

しかし、これらのプログラムがいかに洗練されていても、依然として入力を探し、コア データ セットに完全に依存する特定の出力で応答します。信じられないなら、カスタマー サービス ボットに「計画外の」質問をすると、おそらく意味のない応答が返されるか、まったく応答が返されないでしょう。

つまり、Google、Siri、その他の現在の AI に欠けているのは、真の常識的な理解であり、それが最終的に汎用人工知能への進歩を妨げることになるのです。その理由は、過去 50 年間のほとんどの AI 開発で支配的だった仮定に遡ることができます。それは、難しい問題を解決できれば、簡単な知能の問題も同様に解決できるというものです。この仮定は、モラベックのパラドックスによって説明できます。これは、コンピュータに知能テストで成人レベルのパフォーマンスを発揮させることは比較的容易であるが、知覚と行動の点で 1 歳児のスキルをコンピュータに与えることは難しいというものです。

AI 研究者たちは、十分な数の限定的な AI アプリケーションが構築されれば、最終的にはそれらが総合的に成長して汎用知能になるだろうと誤って想定してきました。視覚、言語、その他の感覚を難なく統合できる子供とは異なり、限定的な AI アプリケーションでは、情報を共有して他の AI アプリケーションで使用できるような普遍的な方法で情報を保存することはできません。

最後に、研究者たちは、十分に大きな機械学習システムと十分なコンピュータパワーを構築できれば、それが自発的に汎用的な知能を発揮するだろうと誤って想定しました。これも誤りであることが証明されました。ドメイン固有の知識を獲得しようとするエキスパート システムが、根本的な理解不足を克服するのに十分な事例やサンプル データを作成できないのと同様に、AI システムも、どれほど大規模であっても「計画外の」要求を処理できません。

汎用人工知能の基礎

真の AI 理解を実現するために、研究者は、人間の文脈理解を再現する、基礎的で潜在的な AGI 技術の開発に重点を移す必要があります。たとえば、3 歳の子供が積み木で遊んでいるときに示す状況認識と理解について考えてみましょう。 3 歳児は、ブロックが三次元の世界に存在し、重さ、形、色などの物理的特性を持ち、積み上げすぎると落ちてしまうことを理解します。ブロックは最初に積み上げられるまで倒すことができないため、子どもたちは因果関係や時間の経過の概念も理解します。

3 歳は 4 歳になり、その後 5 歳になり、最終的には 10 歳になることもあります。つまり、3 歳児は、完全に機能し、一般的に知的な大人に成長する能力を含む能力を持って生まれます。今日の AI ではそのような成長は不可能です。今日の AI は、どれほど洗練されても、環境内での自身の存在をまったく認識できません。今とった行動が将来の行動に影響を与えるかどうかはわかりません。

自身のトレーニング データ以外を経験したことのない AI システムが現実世界の概念を理解できると考えるのは非現実的ですが、AI にモバイル センサ ポッドを追加することで、人工エンティティが現実世界の環境から学習し、物理的なオブジェクト、因果関係、現実の時間の経過に関する基本的な理解を示すことができるようになります。その 3 歳児のように、感覚ポッドを備えたこの人工物は、ブロックを積み重ねる方法、物体を動かす方法、時間の経過とともに一連の動作を実行する方法、そしてそれらの動作の結果から学ぶ方法を直接学習することができました。

人工エンティティは、視覚、聴覚、触覚、マニピュレーターなどを通じて、テキストのみまたは画像のみのシステムでは不可能な方法で理解することを学ぶことができます。前述したように、データセットがどれだけ大きく多様であっても、そのようなシステムは理解したり学習したりすることができません。実体が理解し学習する能力を獲得したら、感覚ポッドを除去することも可能になるかもしれません。

現時点では、真の理解を示すためにどれだけのデータが必要かを定量化することはできませんが、脳には理解に関連する相当な割合の領域があるはずだと推測できます。結局のところ、人間は、これまで経験し、学んだことの文脈ですべてを解釈します。大人になると、私たちは人生の最初の数年間に学んだことを使ってすべてを説明します。これを念頭に置くと、AI コミュニティがこの事実を認識し、理解の基本的な基盤を構築するために必要な手順を踏んだ場合にのみ、真の汎用人工知能が完全に出現すると思われます。