AI を非常に優秀な従業員として扱います。手遅れになる前に未来に飛び込みましょう | 投稿者: louis030195 | 2024 年 2 月

AIを非常に優秀な従業員として扱う 手遅れになる前に未来に飛び込みましょう

アルを非常に聡明な従業員として扱います。仕事を遂行するためのすべてのツールと最大限の自主性を提供します。

1. はじめに: ソフトウェア 3.0 の台頭
– ソフトウェアの進化: 1.0 から 3.0 へ
2. LLM の進化における課題と解決策
– LLM が直面する課題
– ギャップを埋める: ソフトウェア 1.0 とソフトウェア 3.0 の出会い
– 進化の道: ハックからエンドツーエンドのソリューションまで
3. 未来的な AI アーキテクチャ: 群と階層
4. 結論: AI の未来を構想する

AI を活用したテクノロジーの未来は、AN ホワイトヘッドのアイデアを具現化したものと見ることができます。

文明は、私たちが何も考えずに実行できる重要な操作の数を増やすことによって進歩します。

ChatGPT のような LLM は、私たちが意識せずに実行できる操作の数を拡張しています。

たとえば、車のマニュアル トランスミッションからオートマチック トランスミッションへの移行により、ドライバーはギアシフトよりもナビゲーションに集中できるようになったのと同じように、AI の進歩により複雑なタスクが合理化され、人間は認知リソースをより高いレベルの問題解決に専念できるようになりました。 。

Software 3.0 には制限がありますが、その戦略的なアプリケーションは開発を飛躍的に加速させ、会社の勢いを何千倍にも高めることができます。

ソフトウェア開発の歩みは、次のような重要なマイルストーンによって特徴付けられる、目覚ましい進化を遂げてきました。

– ソフトウェア 1.0 従来のプログラミングの時代を代表するもので、すべての命令はプログラマによって明示的に定義される必要がありました。 これはコンパイラとインタプリタの領域で、アセンブリ、C、JavaScript などの言語で人間が読めるコードを機械命令に変換します。 「If x do y」などの詳細な制御フロー ステートメントが特徴で、複雑なタスクを実行するには数千行のコードが必要です。

– ソフトウェア2.0 ニューラル ネットワークの出現により、明示的なプログラミングからパターン検出とデータからの学習へとパラダイムがシフトしました。 ここでは、ニューラル ネットワーク モデルが大規模なデータセットでトレーニングされ、データ自体からルールを推測します。多くの場合、「y = model(x)」のような単純な行にカプセル化されます。 このアプローチにより、コード行が大幅に削減され、学習された重みとバイアスの層の背後にある複雑さが抽象化されます。

– ソフトウェア 3.0 は、ChatGPT のような大規模言語モデル (LLM) を利用した現在のフロンティアです。 これらのモデルは抽象化を新しいレベルに引き上げ、「llm(「if x do y」)」などの複雑な操作を最小限の入力で実行できるようにします。 LLM は、膨大な量のデータと高度なアルゴリズムを活用して人間のようなテキストを理解して生成し、自動コンテンツ作成からコーディング支援まで幅広いアプリケーションを可能にします。

ソフトウェアの進化が繰り返されるたびに、私たちはテクノロジーとのより自然で直観的な対話に近づき、基盤となるプロセスの複雑さが背景に消え、創造性とより高いレベルの問題解決に集中できるようになります。

本質的に、ソフトウェアの進化は、人間と環境との相互作用の進化の軌跡を反映しています。 私たちの祖先が自然界とのやりとりを抽象化し、簡素化するツールや言語を開発したのと同じように、ソフトウェアもテクノロジーとのやりとりを簡素化し、抽象化するために進化してきました。

– ソフトウェア 1.0 これは初期のツールに似ており、望ましい結果を達成するには正確かつ慎重なアクションが必要です。
– ソフトウェア2.0 言語と記号の発達を反映しており、複雑なアイデアを単純な表現で伝えることができます。
– ソフトウェア 3.0 これは、個人の行動が、以前は達成できなかったレベルの自律性と洗練度で機能する、より大規模でより複雑な相互作用ネットワークの一部となる社会システムの発展に匹敵します。

私たちが進歩するにつれて、テクノロジーツールは私たちの自然な能力の延長のようになり、私たちの祖先が認知負荷を最小限に抑えながら生存と成長のために環境をマスターすることを学んだのと同じように、複雑な操作を簡単かつ直感的に実行できるようになります。

LLM が直面する課題

ChatGPT のような大規模言語モデル (LLM) は、テクノロジーとの対話方法に革命をもたらし、人間のようなテキストを生成する前例のない機能を提供します。 ただし、次のような重大な課題に直面しています。

– 数学: LLM は、計算ロジックではなく言語理解に重点を置いた固有の設計のため、数学的演算に苦労します。
– 外部情報へのアクセス: 現在の LLM は閉鎖環境内で動作し、トレーニングされたデータセット外の情報にアクセスしたり、情報に基づいて操作したりする能力が制限されています。
– 外部システムでのアクションの実行: LLM は命令やコードを生成できますが、外部システムでアクションを直接実行する機能がありません。
– 推論、論理、計画: LLM は推論、論理、計画において人間レベルのパフォーマンスにまだ達していません。

ギャップを埋める: ソフトウェア 1.0 とソフトウェア 3.0 の出会い

これらの課題の解決策は、ソフトウェア 1.0 とソフトウェア 3.0 の統合にあり、より洗練された AI エージェントまたはアシスタントの出現につながります。 このアプローチは、両方のソフトウェア パラダイムの長所を組み合わせたものです。

– OpenAI のアシスタント API: この統合の主な例として、次のような機能が提供されます。
– 数学用のコードインタープリタ: 数学的演算をより正確に理解して実行できるように LLM を強化します。
– 外部情報にアクセスするための検索: LLM が外部データをフェッチして応答に組み込むことを可能にし、閉鎖環境の制限を克服します。
– 外部情報を動作させて取得するための関数呼び出し: LLM が外部システムでアクションを実行し、情報を取得できるようにすることで、LLM をより対話的かつ動的にします。
– ソフトウェア 1.0 のロジックの組み込み: 手続き型記憶と意思決定アルゴリズムを統合して、LLM がループ、条件、その他の高度なロジックを必要とする複雑なタスクを実行できるようにします。

この種の統合ソリューションにより、開発コストが大幅に削減され、大変な作業が LLM に委任されます。

歴史的に、技術の進歩は多くの場合、特定の制限に対処する一連の「ハック」または回避策から始まります。 時間が経つにつれて、これらのソリューションはより統合されたエンドツーエンドのシステムに進化します。 初期のビジョン システムから現在の LLM に至るまでの機械学習の歩みは、この進歩を例示しています。 当初、この分野は特殊なアルゴリズムと手動の特徴抽出のパッチワークに依存していましたが、データから直接学習する、より包括的なモデルに移行しました。

同様に、ソフトウェア 1.0 とソフトウェア 3.0 の統合は、分離されたソリューションから、よりシームレスなエンドツーエンドのアプローチへの移行を表しています。 ソフトウェア 1.0 の正確なルールベースの推論とソフトウェア 3.0 の微妙なデータ駆動型の洞察を組み合わせることで、私たちはより高性能であるだけでなく、現実世界の複雑さとより調和した AI システムへの道を切り開いています。

以下の図は、さまざまな AI コンポーネントを統合することで、より堅牢なシステムを作成できる方法を示しています。 これは、手続き記憶、意味記憶とエピソード記憶、およびデジタル環境と物理環境の両方からの観察に基づく推論と行動を組み込んだ意思決定手順の間の相互作用を示しています。 これは、ループと条件付きロジックを使用して複雑なタスクを処理できるシステムを反映しており、情報を処理してそれに基づいて行動する人間の脳の能力に似ています。

本質的に、ハッキングから総合的なソリューションへの進化は、テクノロジーのより広範な傾向を反映しています。つまり、より統合され、効率が高く、人間の介入を最小限に抑えながら現実世界の複雑なタスクを処理できるシステムへの移行です。 私たちが進歩を続けるにつれて、AI と人間の能力の区別はますます曖昧になり、テクノロジーが目に見えないものの不可欠な、人間の自然な能力の拡張である未来へと私たちは導かれるでしょう。

AI の将来は、LLM のような個々のモデルの複雑さだけではなく、これらのモデルが相互に、また異なるソフトウェア システムとどのように相互作用するかにもかかっています。 今日の孤立したソフトウェア エンティティから、より相互接続された階層構造への移行は、AI 機能の次の飛躍に不可欠です。

断片化から流動性へ: ソフトウェアの調和における LLM の役割

下の図は、個々のソフトウェア システムがサイロで動作する現在の状態から、LLM によって調整され、これらのシステムがまとまった群に統合される未来への進化を示しています。

文明は、私たちが何も考えずに実行できる重要な操作の数を増やすことによって進歩します。

今: 本質的に相互に通信するように設計されていない異種のソフトウェア システム (ソフトウェア a、b、c など) があります。 この孤立は非効率性や相乗効果の欠如につながる可能性があります。

明日: 各ソフトウェア コンポーネントがより大きな調和のとれたシステムの一部である、AI エンティティの群れを想像してください。 LLM は中核に位置し、さまざまなソフトウェア エンティティ間の通信と調整を促進します。 この統合により、脳内のニューロンやソーシャル ネットワーク内の個人と同様に、システム間のより流動的で動的な相互作用が可能になります。 その結果、人間はより少ない認知負荷でより多くのことを達成できるようになります。

階層型 AI システム: 企業の例え話

応用 AI は、企業内の構造に似た、AI システムへの階層的アプローチに収束しつつあります。

このアナロジーでは、「大きな LLM」は、部門長やそのチームと同様に、高レベルの意思決定を行い、特定のタスクを「小規模な LLM」または特殊な AI システムに委任する幹部レベルと見なすことができます。特定のタスクではより高速になります。 この階層により分業が可能になり、複雑なタスクがよりシンプルで管理しやすいコンポーネントに分割され、それぞれが最適な AI エンティティによって処理されます。

AI 研究の急速な進歩により、プログラマーがコーディングした手動のルールは間もなく AI の機能に追い越されるでしょう。

アルを非常に聡明な従業員として扱います。仕事を遂行するためのすべてのツールと最大限の自主性を提供します。