最終更新日: 2024 年 10 月 20 日

インテリジェントマシンの次のステップ

コンテンツ生成AIの機械学習の現状

テキスト、画像、ビデオ、音楽の生成モデルは、処理するデータの種類が多様であるにもかかわらず、そのアーキテクチャと学習において共通の原則を共有するという意味で、互いに類似したメカニズムに基づいています。

テキスト生成 AI に関しては、大規模言語モデル (LLM) が機械学習の高度なアプリケーションであることは間違いありません。 LLM は非常に大量のテキストで事前トレーニングされており、言語構造、単語間の関係、および使用状況を学習できます。つまり、文中の次の単語を非常にうまく予測することができます。これらのモデルは、テキスト生成、機械翻訳、チャットボット、仮想アシスタントにおいては効率的ですが、意思決定を行うためのアイデアや判断を形成する推論能力はありません。

人工知能の未来はどうなるでしょうか?

ザ未来の機械を学ばなければなりません物理世界人間や動物のように。したがって、それらはより効率的になり、人間の知性に近づくことができるでしょう。

人間と動物は、観察と経験を通じて環境を直感的かつ文脈に基づいて理解します。彼らは、物体、力、因果関係についての理解を徐々に吸収していきます。たとえば、子供は物を落とすと落ちることを学びます。重力の影響を知らなくても、それに応じて行動を適応させることができます。

言い換えれば、機械は物体を検出するだけでなく、さまざまな状況におけるその動作を理解する必要があるということです。これは、動物が騒音が脅威であることや食べ物が食欲をそそるときを知るのと同じように、感覚データを状況に応じて解釈する必要があることを意味します。

物理世界を理解すると、永続的な記憶を獲得し、行動を計画し、目的を達成する方法を知ることができます。理由。 AI の進歩には目覚ましいものがありますが、それについて語るにはまだ乗り越えなければならない障害がたくさんあります。人間の知性。

現在開発中のモデルは、最適化による推論人間の知能をシミュレートするための有望なアプローチです。

最適化推論とは何ですか?

L'推論観察に基づいて結論を導き出すことを可能にする概念です。推論は重要な役割を果たします意思決定、ザ推論、そして学ぶ。

L'最適化、特定の目標を達成するために可能な限り最善の解決策を見つけることです。最適化するときは、速度や精度など、さまざまな基準の間で最適な妥協点を見つけようとします。

L'最適化による推論話し始める前であっても、子供の認知発達において観察することができます。たとえば、ブランコに取り付けられたおもちゃを引っ張ろうとした赤ちゃんは、より強く引っ張ったり、別の方向に引っ張ったりするとおもちゃが動くことをすぐに学びます。子供最適化します彼の行動の結果を観察することによって彼のテクニックを理解します。子供は各おもちゃでの過去の経験を記憶し、何が彼に最も喜びや興味をもたらしたかに基づいて選択を最適化します。

人間の脳の意思決定プロセス

人間の脳はよく次のように例えられます。最適化システム。最適化による推論を使用して推論し、新しい観察に基づいて信念を常に更新します。

人は意思決定をするとき、利用可能なさまざまな選択肢を評価し、幸福、満足、利益などの特定の基準を最大化しようとします。この意思決定プロセスには、多くの場合、不確実性に直面して、それぞれの選択に関連するリスクと利益を評価することが含まれます。しかし多くの場合、脳はヒューリスティック、大まかなショートカット。すべての選択肢を徹底的に分析する必要なく、迅速に意思決定を行うための精神的な戦略または実践的なルールです。

したがって、人間は、経験を通じた学習に依存して現実の理解を構築します。世界のモデル周囲。個人は、経験したことに基づいて新しい知識を統合することで自分の行動を調整します。たとえば、人が新しいレシピを準備するとき、以前の試みで得られた味に基づいて材料の量を調整します。

人間の推論方法は、2024 年になってもまだ AI の及ばないところにある

人間の知性は、感情、自己認識、世界認識、社会的相互作用などの側面と深く結びついています。人間や動物が環境を理解し、「常識」に従って推論したり、複雑な行動を計画したりする方法は、私たちにとって自然なことのように思えますが、2024 年の時点でもまだ人工知能には手が届きません。

現在の AI モデルにはこのような物理世界の理解が欠けており、将来の状況を予測する能力が制限されています。人工知能がマルチモーダルデータから学習することが不可欠であり、その中でビデオが重要な役割を果たすことになります。しかし、これには膨大なデータと情報処理の課題が生じますが、将来の発展に多くの展望と期待が寄せられている成長研究分野です。

汎用人工知能 (AGI) には、ビッグデータ、現実世界のインタラクションやシミュレーションによる学習、アーキテクチャとアルゴリズムの進歩の組み合わせが必要です。 AGIへの道のりはまだ長いですが、脳の認知メカニズムからインスピレーションを得ることにより、将来のシステムでは人間と同等の知能が出現する可能性があります。