深い学習の代替手段は、AIエージェントのゲームプレイを支援することができます現実世界

新しいマシン 人間の脳が世界をモデル化し、学ぶように見える方法からインスピレーションを引き出す学習アプローチは、印象的な効率で多くのシンプルなビデオゲームを習得できることが証明されています。

Axiomと呼ばれる新しいシステムは、現代のAIで支配的な人工ニューラルネットワークに代わるものを提供します。ソフトウェア会社によって開発された公理 ai詩、ゲームの世界でオブジェクトが物理的に相互作用する方法に関する事前知識を備えています。次に、アルゴリズムを使用して、アクティブな推論と呼ばれるプロセスに基づいて更新される入力に応じてゲームが動作することを期待する方法をモデル化します。

このアプローチは、自由エネルギーの原則、数学、物理学、情報理論から生物学から得られた原則を使用して知性を説明しようとする理論からインスピレーションを引き出します。自由エネルギーの原則は、「認知コンピューティング」会社の詩の主任科学者である有名な神経科学者であるカール・フリストンによって開発されました。

フリストンは、ロンドンの自宅からのビデオで、AIエージェントを構築するために特に重要である可能性があると言っていました。 「彼らは私たちが本当の脳で見た種類の認知を支持しなければなりません」と彼は言いました。 「それには、物を学ぶ能力だけでなく、実際にあなたが世界でどのように行動するかを学ぶために考慮が必要です。」

ゲームをプレイするための従来のアプローチには、深い強化学習として知られているものを通じてニューラルネットワークをトレーニングすることが含まれます。このアプローチは、超人的なゲームプレイアルゴリズムを生成する可能性がありますが、機能するには多くの実験が必要です。 Axiomは、ドライブ、バウンス、ハント、ジャンプと呼ばれる人気のあるビデオゲームのさまざまな簡素化されたバージョンをマスターし、はるかに少ない例と少ない計算能力を使用してジャンプします。

「アプローチの一般的な目標とその重要な機能のいくつかは、AGIに到達するために焦点を合わせるべき最も重要な問題と見なしているものを追跡します」と、最新のAIアルゴリズムの機能をテストするために設計されたベンチマークであるAI研究者のフランソワ・チャレットは言います。 Cholletはまた、機械学習への新しいアプローチを模索しており、彼のベンチマークを使用してモデルの能力をテストして、単に以前の例を模倣するのではなく、なじみのない問題を解決する方法を学びます。

「この仕事は非常に独創的であると思います。それは素晴らしいことです」と彼は言います。 「大規模な言語モデルと推論言語モデルのbeatられた道から離れて、より多くの人々が新しいアイデアを試してみる必要があります。」

最新のAIは、脳の配線に大まかに触発されているが、根本的に異なる方法で機能する人工ニューラルネットワークに依存しています。過去10年間と、ニューラルネットワークを使用するアプローチであるディープラーニングは、コンピューターがスピーチを転写し、顔を認識し、画像を生成するなど、あらゆる種類の印象的なことを行うことができました。最近では、もちろん、ディープラーニングは、あまりにも能力があり、ますます能力を持っている大規模な言語モデルにつながりました チャットボット。

理論的には、公理はAIをゼロから構築するためのより効率的なアプローチを約束します。 VersesのCEOであるGabeRené氏は、経験から効率的に学習する必要があるエージェントを作成するのに特に効果的かもしれません。ルネは、ある財務会社が市場をモデル化する方法として、会社のテクノロジーの実験を始めたと言います。 「これは、リアルタイムで学ぶことができ、より正確で、より効率的で、はるかに小さいAIエージェントにとって新しいアーキテクチャです」とルネは言います。 「彼らは文字通りデジタル脳のように設計されています。」

皮肉なことに、公理が現代のAIと深い学習に代わるものを提供することを考えると、自由エネルギーの原則はもともと英国のカナダのコンピューター科学者の仕事の影響を受けました ジェフリー・ヒントン、両方を授与されました チューリング賞 そして、ディープラーニングに関する彼の先駆的な仕事に対するノーベル賞。ヒントンは、ロンドンユニバーシティカレッジのフリストンの同僚でした。

フリストンと自由エネルギーの原則の詳細については、強くお勧めします この2018 Wired Featureの記事。フリストンの作品も影響を与えました エキサイティングな新しい意識理論、2021年にレビューされた本の有線で説明されています。