清華大学張北院士：融合乗算による第三世代人工知能の三空間融合モデルの解釈

人工知能は今どの段階に達しているのでしょうか？どのような問題や限界があるのか​​？どのように突破するのか？

最近、清華大学人工知能研究所所長で中国科学院院士の張彪教授が「科学中国設立70周年記念特別号」に「人工知能の第3世代に向けて」と題する共同署名論文を発表しました。

第三世代人工知能とは何ですか?

この記事を通じて、第3世代人工知能の概念と発展方向が初めて包括的に説明されました。

記事では、第3世代の人工知能の発展の道筋は、知識駆動型の第1世代と第2世代のデータ駆動型の人工知能を統合することであると考えています。

1956 年 8 月、米国ハノーバーの小さな町にある静かなダートマス大学に、ジョン・マッカーシー、クロード・シャノン、ハーバート・サイモンなど一群の偉大な科学者が集まり、人類、さらには地球の未来に影響を与える問題、つまり、機械を使って人間の学習やその他の知能の側面を模倣する方法を議論しました。

時間的な制約により、会議は2か月間続き、全体的な合意には至りませんでした。しかし、この会議の内容には、人工知能という明確な議論のテーマがありました。

人工知能の最初の年が 1956 年であったことも、このことに由来しています。

人工知能の 60 年の歴史の中で、2 つの競合するパラダイムが存在しました。

一つ目は、人工知能の第一世代であるシンボリズムです。

1980 年代まで AI の開発を支配していました。知識駆動型人工知能の第一世代として、主に知識、アルゴリズム、計算能力の3つの要素を使用してAIを構築します。

2 つ目はコネクショニズム (またはサブシンボリシズム) であり、これは人工知能の第 2 世代です。

それは 1990 年代から徐々に発展し、今世紀初頭に頂点に達し、象徴主義に取って代わる傾向を示しました。第 2 世代のデータ駆動型人工知能は、データ、アルゴリズム、計算能力という 3 つの要素を使用して AI を構築します。

第一世代と第二世代の人工知能はどちらも明らかな限界があり、それぞれが人間の知的行動を1つの側面からシミュレートしているため、依然として弱い人工知能です。

なぜなら、今日の科学的研究と観点から見ると、これら 2 つのパラダイムは、人間の心 (または脳) を異なる側面からシミュレートしているだけであり、それぞれに一面性があり、人間の真の知性に触れることは不可能だからです。

AIを開発する唯一の方法は、知識、データ、アルゴリズム、コンピューティングパワーの4つの要素を同時に活用し、説明可能で堅牢な新しいAI理論と方法を確立し、安全で信頼性が高く、信頼性が高く、スケーラブルなAIテクノロジーを開発することです。

このような背景から、第3世代の人工知能の概念が提唱されました。安全で信頼性が高く、信頼性が高く、拡張性の高いAI技術を開発することで、人間の知性を完全に反映したAIを構築できますが、そのためには堅牢で説明可能なAI理論と方法を確立する必要があります。

その開発理念は、第一世代の知識駆動型と第二世代のデータ駆動型を組み合わせ、従来の3要素から知識、データ、アルゴリズム、計算能力の4要素を同時に使用するようにアップグレードし、前世代よりも強力な人工知能を構築することです。

第 3 世代の人工知能には、デュアル スペース モデルとシングル スペース モデルという 2 つのソリューションがあります。

まず、デュアルスペースモデル。

このモデルは脳のようなモデルです。シンボリック空間は脳の認知行動をシミュレートし、サブシンボリック（ベクトル）空間は脳の知覚行動をシミュレートします。人間の脳における認知行動と知覚行動は、実際にはシームレスに統合されています。

第 3 世代の人工知能がこの融合を実現できれば、AI が人間と同様の知能に到達する可能性が高くなります。

現在、デュアルモデル空間では、次の 3 つの問題の解決に重点を置く必要があります。

1. 知識と推論

知識と推論は、合理的知能の基礎です。これには、NLP、ナレッジ グラフ テクノロジー、特にさまざまな分野で比較的成熟した「コーパス」の構築が関係しており、これらは非常に重要なリンクです。

2. 知覚

現在のディープラーニングでは「感覚」は実現できますが、「知覚」は実現できません。

たった一つの単語の違いが、大きな違いを生みます。

機械が認識するのは、外部注釈の「寄生的意味論」です。知覚のレベルに到達するには、ローカルからグローバルまで、オブジェクトの「内在的意味論」を認識できる必要があります。この点では、現在のディープラーニング技術はまだ長い道のりを歩んでいます。

3. 強化学習

強化学習は、人間の学習行動をシミュレートするために使用されます。「相互作用-試行錯誤」メカニズムを通じて、環境と継続的に相互作用し、効果的な戦略を学習します。

現在、ビデオゲーム、ボードゲーム、ロボットのナビゲーションと制御、人間とコンピュータの相互作用などの分野で多くの成果が得られており、いくつかのタスクでは人間のレベルに近づいたり、それを上回ったりしています。

しかし、不確実性、不完全な情報、データ、または知識不足のシナリオでは、現在の強化学習アルゴリズムのパフォーマンスが大幅に低下することが多く、これは強化学習が現在直面している重要な課題でもあります。

2番目は、単一空間モデルです。

このモデルはディープラーニングに基づいており、すべての処理をサブシンボリック（ベクトル）空間に配置します。

このモデルの利点は、コンピュータの計算能力を最大限に活用し、処理速度を向上させることです。

難しいのは、現在のディープラーニング モデルと人間の脳の学習メカニズムの間には依然として大きな違いがあるという事実です。ディープラーニングによってもたらされる欠陥を克服するには、次の重要な問題を明確に議論する必要があります。

1. 記号表現のベクトル化

自然言語では、知識は通常、個別の記号の形で表現されます。単一空間モデルを実現するには、まず記号で表現された単語、句、文、章をベクトルに変換するか、知識グラフをベクトル表現に変換する必要があります。

ここで解決する必要がある問題には、説明できないこと、重大なエラーがあること、堅牢性が低いことなどがあります。

2. ディープラーニング手法の改善

現時点でのディープラーニングの主な仕事は、単純な関数フィッティングを行うことだけであり、人間のように問題を理解する能力が欠如していることが限界です。

したがって、機械学習モデルの内部動作メカニズムを理解し、データ駆動型と知識駆動型のアプローチを統合した第 3 世代の人工知能理論的フレームワークを開発することが、人工知能アルゴリズムの堅牢性を向上させる重要な方法の 1 つになります。

3. ベイジアン深層学習におけるブレークスルー

ベイジアンディープラーニングは、ベイジアン学習の基本原理とディープニューラルネットワークの表現学習を有機的に統合し、不確実性モデリングと推論をディープ表現学習と有機的に統合する手法の一種です。その主な課題は推論と学習アルゴリズムにあります。さまざまな複雑なシナリオで価値とブレークスルーを実現しています。

第3世代人工知能モデルを実現するために、上記2つのモデルの長所と短所を統合した上で、デュアルスペースモデルとシングルスペースモデルを統合した3空間融合モデルを採用した。

こうすることで、人間の脳の働きを最大限に利用し、コンピューターの計算能力をフル活用できるというメリットがあります。この2つを融合することで相乗効果が得られ、より人間の脳に近い、より強力なAIモデルが実現できると考えています。

私たちは、三空間融合モデルができるだけ早く実験段階から商業化段階に移行し、より大きな価値を実現し、人類に利益をもたらすことを願っています。

AI の知識をさらに深めるには、Dongfang Linyu をフォローしてください。

添付の参考文献:

「第三世代の人工知能に向けて」の全文は以下のとおりです。