人工知能にとって素晴らしい年でした。 企業は より多くを費やす 大規模なAIプロジェクトで、AIスタートアップへの新規投資は 記録 年。 このすべての投資と支出は、私たち全員を長い間求められていた聖杯である人工知能（AGI）に近づける結果を生み出しています。 従った マッキンゼーにとって、多くの学者や研究者は、少なくとも次のXNUMX年で人間レベルの人工知能が達成される可能性があると主張しています。 そして一人の研究者 アメリカ合衆国：「AGIは遠いファンタジーではありません。 ほとんどの人が思っているよりも早くそれが私たちにやってくるでしょう。」 

さらなる後押しは、最近説得力のあるものを提出したAI研究所DeepMindから来ています 紙 査読済み Artificial Intelligence 「報酬は十分です。」 彼らはそれを仮定します 強化学習 —行動報酬に基づくディープラーニングの形式—は、いつの日か人間の認知能力を複製し、AGIを達成することにつながります。 この画期的な進歩により、瞬時の計算と完全な記憶が可能になり、ほぼすべての認知タスクで人間よりも優れた人工知能が実現します。

人工知能の準備ができていません

AGIが 人類すべてに利益をもたらす、この仮定を疑問視する今日の単一目的の狭いAIアルゴリズムにはすでに実際の問題があります。 ハーバードビジネスレビューによると ストーリー、予測ポリシングから自動クレジットスコアリングアルゴリズムまでのAIの例がチェックされていない場合、それらは私たちの社会にとって深刻な脅威となります。 最近公開された 調査 テクノロジーイノベーター、開発者、ビジネスおよびポリシーリーダー、研究者、活動家のPew Researchは、倫理的なAI原則が2030年までに広く実施されるという懐疑論を明らかにしています。これは、企業が利益を優先し、政府が監視と管理を続けるという幅広い信念によるものです。彼らの人口。 透明性を実現し、バイアスを排除し、今日の狭いAIの倫理的な使用を確保することが非常に難しい場合、AGIからの意図しない結果の可能性は天文学的に見えます。

そして、その懸念はAIの実際の機能だけにあります。 AIの政治的および経済的影響により、 考えられる結果の範囲、脱希少性のユートピアから封建的なディストピアまで。 両方の極端が共存する可能性もあります。 たとえば、AIによって生成された富が 社会全体に分散、これはユートピア的なビジョンに貢献する可能性があります。 しかし、AIは比較的力を集中させていることがわかりました 少数の企業 技術を制御します。 権力の集中は封建的ディストピアの舞台を設定します。

おそらく思ったよりも短い時間

DeepMindの論文では、AGIを実現する方法について説明しています。 最近の進歩は、タイムラインがこのスペクトルのより短い端にあり、おそらくもっと早くなることを示唆していますが、そこに到達することは、見積もりに応じて、20年から永遠にまだいくつかの方法があります。 私は昨年、OpenAIのGPT-3が持っていると主張しました AIをトワイライトゾーンに移動しました、狭いAIと一般的なAIの間の領域。 GPT-3は 多くの異なるタスク 追加のトレーニングなしで、生産することができます 説得力のある物語、 生む コンピュータコード, オートコンプリート画像、言語間で翻訳し、実行します 数学の計算、その作成者の一部を含む他の偉業の中で、計画していませんでした。 この明らかな多機能機能は、狭いAIの定義とはあまり似ていません。 確かに、それは機能的にはるかに一般的です。

それでも、GPT-3を含む今日の深層学習アルゴリズムは、状況の変化に適応できません。これは、今日のAIとAGIを区別する根本的な違いです。 適応性に向けた3つのステップは、GPT-3の言語処理と視覚処理などの他の機能を組み合わせたマルチモーダルAIです。 たとえば、GPT-XNUMXに基づいて、 OpenAIはDALL-Eを導入しました、学習した概念に基づいて画像を生成します。 DALL-Eは、簡単なテキストプロンプトを使用して、「日の出の畑に座っているカピバラの絵」を作成できます。 これまでにこの写真を「見た」ことはないかもしれませんが、絵画、カピバラ、野原、日の出について学んだことを組み合わせて、数十の画像を作成することができます。 したがって、それはマルチモーダルであり、まだAGIではありませんが、より機能的で一般的です。

研究者は 北京人工知能学院 （BAAI）は最近、2.0兆個のパラメーターを持つマルチモーダルAIシステムであるWu Dao1.75を発表しました。 これは、GPT-3の導入から3年強であり、桁違いに大きくなっています。 GPT-XNUMXと同様に、マルチモーダルWu Dao（「悟り」を意味する）は、自然言語処理、テキスト生成、画像認識、および画像生成タスクを実行できます。 しかし、それはそれをより速く、間違いなくより良くすることができ、さらには 歌う.

従来型の 知恵 AGIを達成することは、必ずしも計算能力と深層学習システムのパラメーターの数を増やすことの問題ではないと考えています。 しかし、という見方があります 複雑さは知性を生み出す。 昨年、深層学習のパイオニアであり、 チューリング賞 勝者、 注意：「脳の立方センチメートルにはXNUMX兆個のシナプスがあります。 一般的なAIのようなものがあるとすれば、[システム]にはおそらくXNUMX兆個のシナプスが必要になるでしょう。」 シナプスは 生物学的同等物 深層学習モデルパラメータの。

Wu Dao2.0は明らかにこの数を達成しています。 BAAI会長の張紅江博士 と 2.0リリース時：「人工知能への道は大きなモデルと[a]大きなコンピューターです。」 Wu Dao 2.0のリリースからわずか数週間後、 Google Brain ディープラーニングコンピュータビジョンを発表 2025億のパラメータが含まれています。 これらの分野での最近の増加の傾向が急速に続くことは当然のことではありませんが、XNUMX年までにコンピューターが人間の脳と同じくらいの力を持つ可能性があることを示唆するモデルがあります。

出典：マザージョーンズ

コンピューティング能力の拡大とモデルの成熟により、AGIへの道が開かれます

強化学習 アルゴリズムは、報酬を探すことで目標を達成するための最善の方法を学習することで、人間をエミュレートしようとします。 Wu Dao 2.0などのAIモデルとコンピューティング能力の両方が飛躍的に成長している中で、DeepMindが信じているように、強化学習（試行錯誤による機械学習）がAGIにつながるテクノロジーになるのではないでしょうか。

この手法はすでに広く使用されており、さらに採用されています。 たとえば、自動運転車会社は ウェイブ & ウェイモ 強化学習を使用して、車の制御システムを開発しています。 軍は、強化学習を積極的に使用して、次のような協調的なマルチエージェントシステムを開発しています。 ロボットのチーム それは将来の兵士と並んで働くことができます。 マッキンゼーは最近、エミレーツチームニュージーランドが2021年のアメリカスカップに向けて準備するのを支援しました。 あらゆるタイプのボート設計をテストする デジタルシミュレーションされた実際の航海条件で。 これにより、チームはパフォーマンス上の優位性を獲得し、XNUMX回目のカップ優勝を確実にすることができました。

Googleは最近、10,000台のコンピューターチップ設計のデータセットで強化学習を使用して、AIアプリケーションのパフォーマンスを加速するように特別に設計されたチップである次世代TPUを開発しました。 人間の設計エンジニアのチームに何ヶ月もかかっていた作業が、AIによってXNUMX時間以内に実行できるようになりました。 したがって、GoogleはAIを使用して、次の目的で使用できるチップを設計しています。 作ります さらに洗練されたAIシステムは、革新の好循環を通じて、すでに指数関数的なパフォーマンスの向上をさらにスピードアップします。

これらの例は説得力がありますが、それでもAIの狭いユースケースです。 AGIはどこにありますか？ DeepMindの論文は、「報酬は、知識、学習、知覚、社会的知能、言語、一般化、模倣など、自然知能と人工知能で研究された能力を発揮する行動を促進するのに十分です」と述べています。 これは、モデルの高度化が成熟し、計算能力が拡大するにつれて、AGIが強化学習から自然に発生することを意味します。

誰もがDeepMindビューに賛成するわけではなく、すでに一部は賛成しています 却下する PRスタントとしての論文は、科学を進歩させる以上に研究室をニュースに保つことを目的としていました。 それでも、DeepMindが正しければ、業界や政府全体に倫理的で責任あるAIの実践と規範を浸透させることがますます重要になります。 AIの加速と進歩が急速に進んでいるため、DeepMindが間違っているというリスクを冒す余裕はないことは明らかです。

Gary Grossmanは、のテクノロジープラクティス担当上級副社長です。 エデルマン エデルマンAIセンターオブエクセレンスのグローバルリーダー。