人間の脳のように「学習」する新しいAI

Pathway と呼ばれる人工知能のスタートアップ企業は、汎用人工知能 (AGI) に一歩近づいたと主張しています。同社の研究者が発表したのは、 ドラゴンの孵化、新しいアーキテクチャ AI これは人間の脳のニューロンの働きを模倣し、経験と新しい知識に基づいてその接続を動的に調整すると彼らは主張している。

研究チームは次のように説明しています。 ドラゴンの孵化 これは、「時間の経過とともに一般化」できる、つまり新しいデータにさらされたときに内部ネットワークを再調整できる最初のモデルとして機能します。トレーニング後も静的なままである従来の大規模言語モデル (LLM) とは異なり、 ドラゴンの孵化 学び続けます。もしその結果が確認されれば、機械学習に対する認識の根本的な変化が語られることになります。

ChatGPT、Gemini、Claude などの最新の LLM は、型アーキテクチャに基づいています。 トランス。これらのシステムは、単語と概念の関係の分析と理解に優れており、人間の思考に似た方法で機械が会話できるようになります。ただし、これらには重要な制限があります。 彼らは継続的に学ぶことができない。

のような 説明する の エイドリアン・コソウスキーPathway の共同創設者兼最高科学責任者、「今日の機械は人間のように論理を一般化しません。パターンは認識できるが、新しい、より複雑なシーケンスに思考を拡張するのが難しい»。彼によれば、 ドラゴンの孵化 は、リアルタイムで「ライブ」に自らを再編成するアーキテクチャを導入することで、まさにこの問題を解決しようとしています。

一連の静的レイヤーでデータを処理するトランスフォーマーとは異なり、 ドラゴンの孵化 は小さなネットワークに基づいています。ニューロン粒子»。これらは常に相互に通信し、受信した情報に応じて接続を強化したり弱めたりします。まるで 自らを再編成し、進行するにつれて新しい学習パスを形成する生きたウェブ。

これは、 ドラゴンの孵化 元のデータセットに限定されません。すでに「見た」ことに基づいて単に応答するのではなく、内部構造を調整して新しい知識を取り込むことができます。時間が経つにつれて、繰り返される経験によって特定のつながりが強化され、保存されたコンテキストとしてではなく、システム自体のアーキテクチャの動的な変化として、一種の短期記憶が作成されます。

機械に人間のように「考える」ことを教えようとすることは、人工知能の分野において最も困難かつ野心的な課題の 1 つです。人間の心は直線的には機能しません。私たちの思考は、常に相互作用するイメージ、感覚、感情、衝動の混沌とした混合物です。

機械の場合、この非線形ロジックを再現するのは困難です。これまでの LLM は、文内の次の単語やフレーズを予測することに優れていますが、生物学的思考の特徴である継続的な適応力に欠けています。の ドラゴンの孵化 このギャップを埋めようとします。これは、古典的なニューラル ネットワークよりも脳に近いアーキテクチャ、つまり学習が単にデータを処理するだけでなく、データを解釈する構造そのものを改造するシステムを導入しています。

パスウェイの研究者らは、9 月 30 日に最初の結果を arXiv で公開しました。 ドラゴンの孵化 基本的な言語モデリングと翻訳タスクでは GPT-2 と同様のレベルで実行され、まだ初期段階にあるプロトタイプ システムとしては優れたパフォーマンスを示しました。

この研究はまだ査読のプロセスを経ていないが、Dragon Hatchling の作成者らは、これが自律的に学習して進化する新世代の AI システムの基盤になる可能性があると信じている。理論的には、これは、人間の脳が経験を通じて向上するのと同じように、活動を続けるにつれて「より賢くなる」マシンにつながる可能性があります。

継続的に学習する AI というアイデアには大きな期待が寄せられていますが、リスクもあります。自律的に適応するシステムは、それ自体の「ロジック」が変化するにつれて、予測不可能な動作を取得する可能性があります。 AI システムにそれ自体を変更するよう教えることは、おそらく AGI に向けた最も野心的な (そして同時に憂慮すべき) ステップです。

パスウェイが提示するのは、 ドラゴンの孵化 この方向での安全な最初の実験として。このベンチャーが成功すれば、静的 LLM と将来の真のコグニティブ マシンとの間の重要な中間段階となる可能性があります。