汎用人工知能の時代が到来

さまざまな状況情報を記憶し、推論できるパーソナル AI アシスタントは、常にすぐそこまで来ているように思われてきましたが、子年の終わりの時点では、そのような AI アシスタントはまだ実現されていません。同様に、機械学習の目覚ましい進歩にもかかわらず、人間の支援がなくなると、自律システムは依然として「インテリジェント」には程遠く、異なる学習プロセス間でデータを接続し、モデルを統合して、ドメイン間の経験の転送を実現することができません。

AI の目標をドメインの問題を解決するために機能を最適化することと設定すると、日々進歩しています。かつては解決が非常に困難であると考えられていた多くの特定の問題（参考文献[1][6][11]）は、最適化、特にディープニューラルネットワーク（DL）のバックプロパゲーションを使用して解決すると効果的であり、人間の能力をはるかに超えることが証明されています。コンピュータービジョン、機械翻訳、音声認識、チェスゲーム、eスポーツなど、多くの分野が完全に刷新され、人工知能はあらゆる面で急速に「家畜化」されつつあります。

諺にもあるように、「嵐のせいで平和な土地を羨むな。世の中は危機に満ちている」。このタイプの「家畜化」に共通する欠陥は、学習はモデルが展開される前にしか行われないことです。しかし実際には、リアルタイム学習は動物が生存上の優位性を獲得することを可能にする知的なディスプレイです。対照的に、機械学習のバックボーンとなるのは、学習という狭い概念です。さらに深く見てみると、すべてのオフライン最適化問題は、本質的には個々の知能ではなく進化に基づいています。例えば、遺伝子組み換えされたホタルに特定の遺伝子コードが挿入されていれば、特定の獲物を正確に検出し、捕獲することができるようになるでしょう。この場合、ホタルはリアルタイム学習なしで対応するスキルを習得できます。同様に、ナビゲーション、測位、物体検出などのプリセット機能を備えたモジュールがプリインストールされているか、オフライン最適化によってパラメータが設定されていれば、自動運転車はすぐに走行できるはずです。

今日まで、主流の人工知能は、オフライン最適化から高速で信頼性の高いリアルタイム学習に移行する方法について説得力のある答えを出していません。しかし、これは知能の本質に関する疑問であるだけでなく、人工知能の本来の意図に関する疑問でもあります。野生で生き残る動物のように、汎用人工知能（AGI）は、動作中に予期せぬ状況に対処できるようになります。迅速かつ信頼性の高い適応性は、新世代のロボットやパーソナルアシスタントの実用的な開発を推進するだけでなく、知能理論の「中核となるパズルのピース」としても考慮されるべきです。

[[381031]]

「知能」という言葉にはさまざまな解釈があるため、王培氏はこの目的のために「人工知能の定義に関する特別論文」と題する論文を特別に執筆し、「JGAI、2019年第10巻」に掲載しました。この論文は、人工知能分野における核心的な歴史的論争を解決する最も強力な試みの1つと考えられています。110人もの査読専門家が招待され、彼らは多くの有名大学や、DeepMindやGoogle Brainなどの業界の有名企業から集まりました。この記事は、知能の「非主流」の定義、すなわち「知能とは、知識と資源が不十分な場合に、主体が環境に適応する能力である」を対象としています。この定義は 567 人の AI 専門家を対象とした別の調査でも圧倒的な支持を得たが、リソースの制限やリアルタイムの適応の必要性についても疑問が残る。疑問の一部は人工システムと生物システムの違いから生じており、後者は知識とリソースが不十分な状況でも常に進化を通じて適応するが、導入された AI システムはもはやこの能力を備える必要はないと主張している。

知能の本質に関する多くの誤解は、リアルタイム学習を無視していることから生じています。例えば、遺伝的アルゴリズム（GA、参考文献[5]）は、強化学習（RL、参考文献[12]）の「代替」として使用されることがあります。実際、上で述べたように、遺伝的アルゴリズムは強化学習にとって、進化は知能にとってのようなものである。しかし、上記の類推は、シミュレートされたインスタンスの多数の世代にわたって学習が行われる場合にのみ当てはまります。これは、単一のライフサイクル内で可能な限り迅速に未知の環境に適応できる自律型ロボットや動物には当てはまりません。当然のことながら、致命的な出来事が発生すると、個人の学習は突然停止します。これは、高度にシミュレーションされた分野（参考文献[11]など）が大きな成功を収めながらも「利益」を得るのが難しい主な理由でもあります。したがって、リアルタイム適応システムと比較すると、オフライン最適化は確かに少し野心的ではありますが、あまり有能ではありません。

[[381032]]

機械学習の観点から見ると、重要な課題が 3 つあります。

まず、インテリジェントエージェントが動的（非定常）環境に適応するには、「使いやすい」意思決定理論が不可欠です。動物の場合、これは進化を通じて起こります。しかし、機械にとって、これは個人の生涯では学習できないことです。したがって、それは生来の素因と切り離せないものであるにもかかわらず、その行動の現れは生来の要因と後天的な要因の組み合わせです。

強化学習は非常に成功した意思決定理論である（RL、参考文献[12]）。非定常環境ではあまり役に立ちませんが (被験者の適応ニーズと学習率の低下が矛盾する)、少なくともリアルタイム学習には使用できます。強化学習にはいくつかの大きな概念上の制限があり、行動主義に基づく強化学習が最も一般的です。このようなエージェントは、コンテキスト内の他の因果関係をモデル化せずに、最も高い期待報酬を伴う状態-アクション応答マッピング (戦略) を学習することによって、報酬中心の世界観を採用します。つまり、効用関数が変化すると、被験者は新しい戦略を再学習する必要があり、生来の設計の助けを借りて既存の知識を新しいタスクに転送することはできないということです。勝利の明確な基準が 1 つだけあるコンピュータゲーム (レースゲームのラップタイム、チェスのチェックメイトなど) の場合、効用関数の変化は問題になりません。しかし、生物システムにとって、これは日常の現実です。

動物は空腹のときと喉が渇いているときでは全く違う行動をとります。前者は獲物やおいしい枝や葉を探し、後者は水を探します。つまり、個人の行動は外部要因だけでなく内部のニーズにも左右されるのです。特定のニーズが生じると、個人は「原因と結果の知識」を求め、それが次回に他のニーズを解決するために自動的に活用されます。これにより、変化するニーズにタイムリーに対応できるようになります。しかし、個人が特定のニーズを満たす方法を事前に知っているとは限りません。この問題を解決するには、特定の信念を動機付けシステムから切り離し、対象者がさまざまな環境での行動のさまざまな結果を学習し、さまざまな因果モデルを確立できるようにします。これは、AI本来の意図を抱くAGI研究者が追求する道ですが、特殊用途AI（SAI）の分野では無視されることが多いです。

2つ目は測定です。もちろん、測定しなければ進歩しているかどうかはわかりませんが、何を測定するかも重要です。各分野での被験者のパフォーマンスをテストします。分野ごとに異なるハイパーパラメータを設定できるようにすると（訳者注：機械学習では、モデルが「自己学習」してパラメータを取得しますが、「自己学習」できず「神」によって与えられなければならないものがハイパーパラメータです。ディープラーニングの「錬金術師」の重要な操作はハイパーパラメータを調整することです）、異なる被験者の「特化したスコア」が得られます。応用レベルでは非常に有用ですが、個人の一般的な性質を理解することについては何も述べていません。一方、分野の違いによる異なるハイパーパラメータの設定が許可されていない場合、取得されるのは、被験者の「さまざまな科目の試験」の「合計スコア」です。

現在、最高の汎用システムは、特定のターゲットドメインに合わせてハイパーパラメータが調整された特化システムほど優れていませんが、最高の特化システムは汎用性に関してそれほど高いスコアを獲得していません。同様の状況は自然界に遍在します (図 1 を参照)。特定の静的環境では特定の専用ソリューションが好まれることが多いですが、汎用性があれば特殊な環境条件に適応しやすくなります。

図1: 高度に特殊化した昆虫と高度に汎用的な昆虫

上記の議論から次のことがわかります。

AGI の成功を測定するには、評価方法を変える必要があります。 AGI は AI のスーパーセットではありません。特定の分野で非常にうまく機能する最適な特化ソリューションが、他の分野では役に立たない可能性があります。 AGI への道は、常にそうとは限りませんが、一般的には、特殊な機能とわずかに交差するだけです。

この記事を書く目的は、汎用 AI の開発が直面している多くの課題と誤解を読者に指摘することです。短期的なアプリケーションの結果は、長期的な青写真を補完するものである必要があります。被験者の認識を理解し、常に変化する環境にリアルタイムで適応させるためには、深く考え、システム開発を改善する必要があります。

3つ目はシステムの実装です。知ることは難しくないが、実行するのは難しい。汎用的な機能を備えたシステムを構築することは容易なことではなく、私たちはこれからの長い道のりの中でまだ小さな一歩を踏み出したに過ぎません。王培[9]が提案した非公理的推論システムNARS（Non-Axiomatic Reasoning System）は重要な例である。 NARS プロジェクトは 30 年以上にわたって継続され、リアルタイム学習、推論、目標達成などの主要分野で目覚ましい成果を達成しました。システムは、独自の認識を通じて環境をモデル化し、環境に適応し、推論を通じて次のアクションを決定して、独自の目標を達成することができます。最近の研究のハイライトは、ディープニューラルネットワーク（YOLOv4、参考文献[1][6]）の視覚認識とNARS（OpenNARS for Applications、参考文献[4][13]）のリアルタイム学習および推論機能を統合したものであり、これによりロボットによるボトル収集のタスクを効果的に完了することができます（ビデオで示されています）。

ロボットがボトルを見つけ、ロボットがボトルを掴む

ロボットがボトルを持ち上げる、ロボットがボトルを運ぶ

図2: NARSのリアルタイム推論および学習能力を示すボトル収集タスク

キャプション: この例は小さいですが、非常に重要です。まず、同じ汎用人工知能システムが、再開発やソースコードの変更、再コンパイルを必要とせずに、さまざまな専用タスクを完了できることが再び証明されました。次に、汎用人工知能システムのさまざまな知覚機能と運動機能は、「弱い」コンピューティング能力のみを必要とする「脳」の命令の下で適切に調整できることが明確に述べられています。最後に、単一の能力が得意ではないものの、オープンワールドで「見つける」、「避ける」、「つかむ」、「持ち上げる」ことができる「多機能万能」チャンピオンにとって、汎用人工知能システムは間違いなく最も強力な競争相手であるに違いありません。

ビデオデモンストレーション：[ボトル収集タスク] [つかむ動作と持ち上げる動作を交互に行う]、「Fanpu」にアクセスして視聴できます。

このタスクでは、ロボットは視覚探索や機械的操作などの複数の感覚運動機能を調整するだけでなく、障害物を回避する方法を探索することも学習する必要があります。これにより、NARS のリアルタイム学習と実践的推論が相互に補完し、両者の統合は一目で明らかになります。つまり、目標計画や背景知識の使用といった認知的柔軟性を失うことなく、リアルタイム学習の能力 (強化学習の利点とみなされることが多い) を十分に発揮できるのです。さらに、最新のディープラーニングモデルを統合して、得意とするターゲット検出タスクを処理することで、機械学習のオフライン最適化特性と、AGIシステムのリアルタイム学習および推論の利点を組み合わせることができます。これが、SAIとAGIシステムの共存方法です。当社の AGI ソリューションは、インテリジェントシステムの自律性を大幅に向上させ、次のような用途に使用されることが期待されています。

救助ロボット
冒険ロボット
スマートフォンやPCをベースにしたパーソナルアシスタント

[[381036]]

新しいタイプの自律エージェントであろうと、まったく別のものであろうと、AGI の用途は無限であり、「何でも可能です」。一言で言えば、リアルタイム学習は AGI の重要な方法であり、オフラインで最適化された人工知能技術は AGI の「脳」にサービスを提供する他の拡張された「器官」になることができ、マルチモーダル学習とクロスドメイン移行の交差点を現実のものにすることができます。このようなシステムは真にインテリジェントであり、変化する実際の環境に迅速に適応できます。

最後に、この記事の要点をまとめると次のようになります。