世界

aiは触れたり匂いがすることなく花を理解できますか？

匂いができない場合、花とは何ですか？clearViewimages rf/alamy 最新世代の人工知能モデルは、世界について人間レベルの理解を持っているように見えますが、感覚情報の欠如と身体が、花やユーモアなどの概念をどれだけうまく理解できるかを制限していることがわかります。オハイオ州立大学と彼女の同僚のQihui Xuは、人間と大規模な言語モデル（LLM）の両方に、「花」や「蹄」から「ユーモラス」や「スイング」まで、ほぼ4500語の単語の理解について尋ねました。参加者とAIモデルは、それぞれが想起させる感情的な覚醒のレベルや、体のさまざまな部分との感覚へのリンクや肉体的相互作用など、各単語をさまざまな側面に対して評価するように求められました。目標は、ランキングの人間と比較して、OpenaiのGPT-3.5とGPT-4とGoogleのPalmとGeminiを含むLLMSをどのように確認することでした。人々とAIは、外の世界との相互作用に関連しない単語の同様の概念マップを持っているが、言葉が感覚や身体的行動にリンクされている場合に大きく異なる。たとえば、AIモデルは、胴体を介して花を体験できると信じる傾向がありました。これは、ほとんどの人間が奇妙に感じるもので、視覚的に、または嗅覚でそれらを鑑賞することを好むものです。問題は、LLMSがインターネットからフーバリングされたテキストから世界の理解を築き、それが官能的な概念を把握するのに十分ではないということです。「彼らは人間とは大きく異なります」と彼女は言います。一部のAIモデルは、テキストに加えて写真やビデオなどの視覚情報についてトレーニングされており、研究者は、これらのモデルの結果が人間の単語評価とより密接に一致し、感覚を増やすことで世界の人間の理解に将来のAIモデルをもたらす可能性を高めることを発見しました。「これは、マルチモーダルトレーニングを行うことの利点は予想よりも大きいかもしれないことを示しています。実際には1つのプラス1が2つ以上になる可能性があるようです」とXu氏は言います。「AIの開発に関しては、マルチモーダルモデルの開発の重要性と身体を持つことの重要性をサポートしています。」ボルチモア郡メリーランド大学のフィリップフェルドマンは、AIモデルをロボットボディをモデル化し、感覚運動の入力にさらすと、おそらく能力がジャンプする可能性があると述べています。このようなリスクを避けることは、ロボットアクションにガードレールを追加するか、トレーニングに害を及ぼさないソフトロボットのみを使用することを意味します、とフェルドマンは言いますが、それは独自の欠点を持っています。「これは、彼らが世界をどのように理解しているかを歪めようとしています」とフェルドマンは言います。「彼らが学ぶことの1つは、あなたが物事を少し跳ね返すことができるということです。 [in a real robot with mass] そして、あなたは彼らがフルスピードで互いに衝突することができると信じてあなたのヒューマノイドロボットを持っています。まあ、それは問題になるでしょう。」トピック： #aiは触れたり匂いがすることなく花を理解できますか

執筆 nipponese 更新 2025年6月4日

1749048978
2025-06-04 10:00:00

匂いができない場合、花とは何ですか？

clearViewimages rf/alamy

最新世代の人工知能モデルは、世界について人間レベルの理解を持っているように見えますが、感覚情報の欠如と身体が、花やユーモアなどの概念をどれだけうまく理解できるかを制限していることがわかります。

オハイオ州立大学と彼女の同僚のQihui Xuは、人間と大規模な言語モデル（LLM）の両方に、「花」や「蹄」から「ユーモラス」や「スイング」まで、ほぼ4500語の単語の理解について尋ねました。参加者とAIモデルは、それぞれが想起させる感情的な覚醒のレベルや、体のさまざまな部分との感覚へのリンクや肉体的相互作用など、各単語をさまざまな側面に対して評価するように求められました。

目標は、ランキングの人間と比較して、OpenaiのGPT-3.5とGPT-4とGoogleのPalmとGeminiを含むLLMSをどのように確認することでした。人々とAIは、外の世界との相互作用に関連しない単語の同様の概念マップを持っているが、言葉が感覚や身体的行動にリンクされている場合に大きく異なる。

たとえば、AIモデルは、胴体を介して花を体験できると信じる傾向がありました。これは、ほとんどの人間が奇妙に感じるもので、視覚的に、または嗅覚でそれらを鑑賞することを好むものです。

問題は、LLMSがインターネットからフーバリングされたテキストから世界の理解を築き、それが官能的な概念を把握するのに十分ではないということです。「彼らは人間とは大きく異なります」と彼女は言います。

一部のAIモデルは、テキストに加えて写真やビデオなどの視覚情報についてトレーニングされており、研究者は、これらのモデルの結果が人間の単語評価とより密接に一致し、感覚を増やすことで世界の人間の理解に将来のAIモデルをもたらす可能性を高めることを発見しました。

「これは、マルチモーダルトレーニングを行うことの利点は予想よりも大きいかもしれないことを示しています。実際には1つのプラス1が2つ以上になる可能性があるようです」とXu氏は言います。「AIの開発に関しては、マルチモーダルモデルの開発の重要性と身体を持つことの重要性をサポートしています。」

ボルチモア郡メリーランド大学のフィリップフェルドマンは、AIモデルをロボットボディをモデル化し、感覚運動の入力にさらすと、おそらく能力がジャンプする可能性があると述べています。

このようなリスクを避けることは、ロボットアクションにガードレールを追加するか、トレーニングに害を及ぼさないソフトロボットのみを使用することを意味します、とフェルドマンは言いますが、それは独自の欠点を持っています。

「これは、彼らが世界をどのように理解しているかを歪めようとしています」とフェルドマンは言います。「彼らが学ぶことの1つは、あなたが物事を少し跳ね返すことができるということです。 [in a real robot with mass] そして、あなたは彼らがフルスピードで互いに衝突することができると信じてあなたのヒューマノイドロボットを持っています。まあ、それは問題になるでしょう。」