AGI の作成は、大まかに 2 つの陣営に分けられます。AI に対する現在のアプローチを堅持してそれをより大規模に拡張するか、これまであまり研究されていなかった新しい方向に進むかです。
AI の主流は機械学習における「ディープラーニング」分野で、ニューラル ネットワークが大規模なデータ セットでトレーニングされます。OpenAI の言語モデルが GPT-1 から GPT-2、GPT-3、GPT-4 へと進化するなど、このアプローチには進歩が見られるため、多くの人がこの方針を維持することを支持しています。
たとえば、カーツワイル氏は、AGI を Google の Gemini などの大規模言語モデルの最近の進歩の延長と見なしている。「こうしたモデルを人間の脳の複雑さにどんどん近づけていくことが、こうしたトレンドの重要な推進力だ」と同氏は書いている。
カーツワイル氏にとって、現在の AI の拡張は、半導体の有名なムーアの法則に似ている。ムーアの法則によって、チップは次第に高性能になっていった。ムーアの法則の進歩は、カーツワイル氏が考案した「収穫逓増」という幅広い概念の一例だと同氏は書いている。同氏は、スマートなアルゴリズムのおかげで、第 1 世代 AI の進歩はムーアの法則よりもさらに速い成長を示していると主張する。
ゼロから画像を作成できる OpenAI の DALL*E などのプログラムは、人間のような創造性の始まりだとカーツワイル氏は考えている。「カクテル グラスがナプキンと愛し合っている」など、これまで見たことのない画像をテキストで説明すると、プログラムからオリジナルの画像が出てくる。
また： 生成AIはITが最も活用にプレッシャーを感じている技術である
カーツワイル氏は、このような画像生成を「ゼロショット学習」の一例とみなしている。これは、訓練された AI モデルが訓練データにない出力を生成する場合である。「ゼロショット学習は、類推的思考と知性そのものの真髄です」とカーツワイル氏は書いている。
「この創造性は、これまで完全に人間の領域に限ったと思われていた創造分野を変革するだろう」と彼は書いている。
しかし、ニューラルネットは、文章を出力するといった特定の狭いタスクから、はるかに柔軟性が高く、複数のタスクを処理できる能力へと進化する必要がある。GoogleのDeepMind部門は、2022年にそのような柔軟なAIモデルの草案を作成した。 ガトーモデル同年、さらに柔軟性の高い別のモデルである PaLM が発表されました。
カーツワイル氏は、モデルがどんどん大きくなれば、現時点では第 1 世代の AI に欠けていると考えられる領域のいくつか、たとえば「世界モデリング」も実現できると主張している。この分野では、AI モデルは「現実世界の仕組みに関する堅牢なモデル」を持っている。その能力があれば、AGI は常識を発揮できると彼は主張している。
カーツワイルは、出力が正しい限り、機械がどのようにして人間のような行動に到達するかはそれほど重要ではないと主張している。
「異なる計算プロセスによって将来の AI が画期的な科学的発見をしたり、心を揺さぶる小説を書いたりするのであれば、なぜそれがどのように生成されたかを気にする必要があるのか」と彼は書いている。
もう一度、DeepMind の調査の著者らは、AGI 開発はカーツワイルが示唆するような単一の転換点ではなく、さまざまなレベルに到達する継続的なプロセスであると強調しています。
今日の世代のAIは主に潜在的に有用なアプリケーションに焦点を当てているため、現在の道筋に懐疑的な人もいる。 彼らの「人間らしい」性質に関係なく。
ゲイリー・マーカスは、今日のニューラル ネットワーク ベースのディープラーニングと、AI におけるもう 1 つの長年の伝統である記号的推論との組み合わせが必要であると主張しています。このようなハイブリッドが「ニューロ記号的」推論です。
マーカスは一人ではない。ベンチャーキャピタルの支援を受けたスタートアップ企業 シンボリカ 同社は最近、ニューロシンボリックハイブリッドの形態を推進するステルスモードから脱却した。同社のミッションステートメントは、大規模言語モデルの限界を超えることを示唆している。
「ChatGPT、Claude、Gemini など、現在の最先端の大規模言語モデルはすべて、同じコア アーキテクチャに基づいています」と同社は述べています。「その結果、すべて同じ制限に悩まされています。」
Symbolica の神経シンボリックなアプローチは、上で引用した「能力」と「プロセス」の間の論争の核心に迫るものです。哲学者 Searle が主張したように、Symbolica の創設者は、プロセスを排除するのは間違っていると主張しています。
「Symbolicaの認知アーキテクチャは、人間の専門家が使用するマルチスケール生成プロセスをモデル化します」と同社は主張している。
また： Metaの主任AI科学者は、ChatGPTは「特に革新的ではない」し「革命的なものは何もない」と語る
現状に懐疑的なのは、Meta の LeCun 氏も同様だ。同氏は最近の発言で、従来の Gen AI アプローチに対する懐疑的な見方を改めて表明した。 Xの投稿でルカンは、アントロピックのクロードが基本的な推論問題を解決できなかったことに注目した。
代わりに、LeCun 氏は、基本的にすべての大規模言語モデルと関連するマルチモーダル モデルを含む、確率分布の測定に依存する AI モデルを廃止すべきだと主張しています。
代わりに、ルカン いわゆるエネルギーベースのモデルを推進するは、統計物理学の概念を借用している。これらのモデルは「抽象的な予測」への道を開き、多段階のタスクを計画できる AI のための「統一された世界モデル」を可能にする可能性があると LeCun 氏は主張している。
また： MetaのAIの権威LeCunがディープラーニングのエネルギーフロンティアを探る
チャーマーズは、これらのうちのいくつかにおいて、我々が意識を持っている可能性は20％以上あると主張している。 [large language model] 10年か20年以内にシステムを変えるだろう。」
