2022年11月30日にChatGPTが登場して以降、様々な大規模言語モデル(LLM)やマルチモーダルAIが開発、発表されました。2023年12月にはGoogleからGeminiも登場しています。
ちなみにChatGPTを開発したOpenAIの使命は次のとおりです。
つまり「汎用人工知能(AGI)が人類全体に確実に利益をもたらすようにすること」です。ChatGPTの出現によって、AGIが登場するのも遠くないのかもしれません。
そのような状況の中、GoogleDeepMindがAGIに関する論文を発表しています。GPT-4を使って抄訳しながら読んでみましょう。なお論文は2023年11月4に投稿されています。
abstract
AGIモデルを理解するために、AGIの定義を6つの原則、さらにその原則を汎用性と性能を別々に評価し、それぞれのレベルを提案することとしています。
AGIを定義するための9つのケーススタディ
AGIを定義するにあたって9つのケーススタディを挙げています。
ケーススタディ1「チューリングテスト」
ケーススタディ2「強力なAI-意識を持つシステム」
ケーススタディ3「人間の脳への類推」
ケーススタディ4「認知タスクにおける人間レベルのパフォーマンス」
ケーススタディ5「タスクの学習能力」
ケーススタディ6「経済的に価値のある仕事」
ケーススタディ7「柔軟性と汎用性-「コーヒーテスト」と関連する課題」
ケーススタディ8「人工的有能な知能」
ケーススタディ9「一般的なSOTA(State-of-the-Art)としてのLLM」
AGIを定義する6つの原則
9つのケーススタディは、AGIまたはAGIに近い概念となるため、その例を反映してAGIの明確で具体的な定義を特定したとのことです。AGIを定義するためには、6つの原則を満たすべきと論じています。
1. プロセスではなく能力に焦点を当てる
2. 汎用性と性能に焦点を当てる
3. 認知及びメタ認知タスクに焦点を当てる
4. 導入ではなく可能性に焦点を当てる
5. 生態学的妥当性に焦点を当てる
6. 単一のエンドポイントではなくAGIへのパスに焦点を当てる
AGIのレベル
AGIのレベルは、AGIへ進むシステムを分類するための、能力の性能と汎用性に基づく階層化されたマトリックスアプローチとのことです。AIシステムの明確な分類には、AGIのテストセクションで説明するように、標準化されたタスクベンチマークが必要となります。
レベル0:No AI(非AI)
レベル1:Emerging(新興)
レベル2:Competent(有能)
レベル3:Expert(専門)
レベル4:Virtuoso(達人)
レベル5:Superhuman(超人)
ここまでの感想
英語論文をGPT-4を使って抄訳してきました。文章表現としておかしな部分は精査してきたつもりですが、そのために本来の意味が変わってしまったところもあるかもしれません。その場合はご了承いただければと思います。
実際に論文を読むにあたっての参考程度にしていただければと思います。とはいえ、まだ半分ぐらいなので、次に続いていきます。
後編はこちら
読んでいる方へのお願い
この内容が役に立ったという方は、「♡(スキ)」や「フォロー」をお願いします。「X」「facebook」「LINE」でシェアいただけるとさらに嬉しいです。
またGenerativeAI活用研究所では、サポートをお受けしています。活動を継続させていくために、どうかお願い申し上げます。