新しいチューリング賞受賞者のリチャード・サットンはドゥーマーを「途中で」と呼び、人間のようなAIへの道を語っています

コンピューティング機械協会（ACM）は、カナダ人工知能（AI）のリーダーであるリチャード・サットンと彼のアメリカの同僚であるアンドリュー・バルトと名付けました。

サットンは、アルバータ大学のコンピューターサイエンスの教授であり、フェロー、チーフサイエンティフィックアドバイザー、アルバータマシンインテリジェンス研究所のカナダCIFAR AI議長です。ベタキットとのインタビューで、サットンはチューリング賞の勝利を「満足と謙虚な」と「まったく予想外」と説明し、AIの安全性談話と人間のようなAIへの道についての彼の視点を共有しました。

サットンは、誰かが2030年までに4分の1で、2040年までに50/50で人間のような知性を作成できる可能性を抱えています。

BartoとSuttonは、ACMが「礎石AIテクノロジー」と呼ばれる機械学習の支部であるRLの先駆者です。このペアは、主なアイデアを導入し、数学的基盤を構築し、RLの重要なアルゴリズムを開発しました。彼らはまた、フィールドで標準的な参照テキストを作成しました。「Renforcement Learning：Anintrodution」は、75,000回以上引用され、数千人の研究者を助けた自己学習本です。

RLとは、報酬との試行錯誤により、より正常に振る舞うプロセスを指します。これは、その行動の質に関してエージェントに提供される信号を示す心理学と神経科学から借りた用語です。 「私の妻は言うのが好きです…「強化学習は、それが気持ちが良ければ、それをして、それを覚えて、次回もやり直している」とサットンは言った。

RLでは、これらの「報酬」が数学的に計算されます。数字は望ましい結果に割り当てられ、アルゴリズムは報酬を最大化するまで実行されます。これは、最も望ましい効率的な方法でコンピューティングタスクを完了する方法を決定的に決定します。

「コンピューティングのノーベル賞」と呼ばれることが多いチューリング賞は、コンピューティングの数学的基盤を明確に表現し、第二次世界大戦中のエニグマ暗号の同盟の暗号化の重要な貢献者であるイギリスの数学者であるアランM.チューリングにちなんで命名されました。これは、フィールドの最高の名誉であり、Googleがサポートする100万米ドル（14500万ドルのCAD）賞が付属しています。

RLは、AIで最も重要な進歩のいくつかの基礎を築き、脳がどのように機能するかについてより大きな洞察を与えてくれました」とACMのYannis Ioannidis社長は声明で述べました。 「バルトとサットンの作品は、私たちが今から引っ越した足がかりではありません。強化学習は成長を続けており、コンピューティングや他の多くの分野にさらなる進歩の大きな可能性を提供します。」

過去のチューリング賞の受賞者には、カナダのAIリーダーのミラのヨシュア・ベンギオとベクター研究所のジェフリー・ヒントンが含まれます。サットンは、仲間に参加することがどのように感じられたのかと尋ねられたとき、「それらは素晴らしい人であり、当然のことです。そして、私は嫉妬を感じる必要はありません。」

関連している： aiゴッドファーザージェフリーヒントン共同ウィンズ2024ノーベル物理学賞

ジョン・カーマックの熱心なテクノロジーズの研究科学者としても働いているサットンは、以前はエドモントンにあるアルファベットのディープマインドラボをリードし、2023年にブロードマーレイオフの一部としてGoogleの親会社がサイトを閉鎖するまで。

AIの安全性に関するサットンの視点は、ベンギオやヒントンを含む研究コミュニティの仲間の多くとは異なります。

サットンはAIの安全性という用語を嫌い、「ドゥーマーはラインがなく、懸念が誇張されている」と考えています。サットンが最も恐れているのは、AIが世界の問題のスケープゴートになることです。 「私の仲間の研究者が、彼らの分野が不適切に悪魔化される可能性がある方法でプレーしていることに失望しています」と彼は言いました。

彼は、大規模な言語モデル（LLM）がエラーや幻覚を起こしやすいことを考えると、ChatGptのようなツールによって提供された情報を取得し、それを信じている人々を恐れるべきだと信じています。しかし、彼は、「それはテクノロジーの問題ではありません。それは人々がだまされやすいことの問題です。」と主張しました。

関連している： 元Deepmindの研究者は、1700万ドルのCADを確保して、人工代理店とのビデオゲームに生成AIを持ち込む

サットンは、AIがいくつかの仕事を廃止し、新しい仕事を作成することを期待しており、政府が未来の役割のために人々を訓練するより良い仕事をすることができると考えています。彼はまた、AIの軍事発展に取り組んでいないと言っており、「私たちは力を促進するAIを作ることに熱心にすべきではない」と主張した。

RLはAIの大きな領域になっていますが、生成AIはぶらぶらしているフィールドのままです。 「たぶん2番目になるのはかなり気分がいい」とサットンは言った。

彼の側では、サットンは、それに続く期待を考えると、RLが脚光を浴びていないことを嬉しく思います。 「非常に多くの分野が非常にエキサイティングになり、それから彼ら [are] 彼らは誇大広告に応えることができないので、失望が続きます…私は、補強学習で、私たちは過度に争うことなくゆっくりと重要性を得たと思いたいです。」

「ドゥーマーは列に並んでおり、懸念は誇張されています。」

リチャード・サットン

サットンは、人工一般情報（AGI）という用語を嫌います。これは、幅広いタスクで人間の認知能力に一致または上回るが、そのタイプのAIを指しますが、 「私たちは、その環境を完全に理解し、相互作用するという考えに耐える強力なAIを持つことができるという考えについて肯定的です。」

これを達成するための道については、サットンはLLMがしばしばAGIの議論の中心であることが多いが、LLMルートが実り多いことを証明することを懐疑的であると表明した。 「それが完全な知性につながる方向だとは思わない」と彼は言った。

サットンは、アルバータ州の仲間の教授やAIの研究者マイケル・ボウリングとパトリック・ピラルスキーと共同で執筆した12段階の概要であるアルバータ州の計画で「完全な知性」と呼ばれるものに向けて取り組む計画を立てました。 「私たちには計画、実務計画があると思います」と彼は言いました。

サットンは、コンピューティングパワーが安価で安価になるにつれて、2030年までに2030年までに、2040年までに50/50で誰かがAGIに似たものを作成できる可能性を示しています。

特徴画像礼儀Alberta Machine Intelligence Institute。写真による写真。