汎用人工知能とは何ですか?
AGI は、人間のような知能と自己学習能力を備えたソフトウェアを作成しようとする理論的 AI 研究分野です。目的は、必ずしもトレーニングや開発が行われていないタスクをソフトウェアが実行できるようにすることです。
現在の人工知能 (AI) 技術はすべて、あらかじめ決められたパラメーターのセット内で機能します。たとえば、画像認識と生成のトレーニングを受けた AI モデルでは、Web サイトを構築できません。AGI は、自律的な自己制御、ある程度の自己理解、新しいスキルを習得する能力を備えた AI システムを開発するための理論的追求です。作成時に教えられていなかった設定や状況における複雑な問題を解決できます。人間の能力を備えた AGI は、依然として理論的な概念であり、研究目標でもあります。
人工知能と汎用人工知能の違いとは何ですか?
何十年にもわたって、AI の研究者は、特定のタスクで人間の知能を模倣する程度まで、マシンインテリジェンスを大幅に進歩させるいくつかのマイルストーンを描いてきました。たとえば、AI サマライザーは機械学習 (ML) モデルを使用して文書から重要なポイントを抽出し、わかりやすい要約を生成します。つまり、AI は、ソフトウェアが人間並みのパフォーマンスで斬新で困難なタスクを解決できるようにするコンピューターサイエンスの分野です。
これとは対照的に、AGI システムは、人間のようにさまざまなドメインの問題を、手動による介入なしに解決できます。AGI は、特定の範囲に限定されるのではなく、訓練されたことのない問題を自己学習して解決することができます。つまり、AGI は、複雑なタスクを汎用化された人間の認知能力で解決する完全な人工知能を理論的に表現したものです。
一部のコンピューター科学者は、AGI は人間の理解力と認知能力を備えた架空のコンピュータープログラムであると信じています。AI システムは、そのような理論について追加のトレーニングを受けることなく、なじみのないタスクを処理する方法を学習できます。あるいは、現在使用している AI システムは、同じドメイン内で関連するタスクを処理する前に、かなりのトレーニングが必要です。たとえば、事前にトレーニングされた大規模言語モデル (LLM) を医療用チャットボットとして一貫して動作させるには、医療データセットを使用して微調整する必要があります。
強い AI と弱い AI の比較
強い AI とは、背景知識がほとんどなくても、人間の認知レベルでタスクを実行できる完全な人工知能、または AGI です。サイエンスフィクションは、強力な AI を、ドメインの制限にとらわれない人間の理解力を持つ思考機械として描写することがよくあります。
これとは対照的に、弱い AI や狭い AI は、コンピューティング仕様、アルゴリズム、および設計対象の特定のタスクに限定される AI システムです。たとえば、以前の AI モデルではメモリが限られており、意思決定にはリアルタイムのデータしか依存していませんでした。メモリ保持率の高い新しい生成 AI アプリケーションでさえ、他のドメインに転用できないため、弱い AI と見なされます。
汎用人工知能研究への理論的アプローチは何ですか?
AGI を実現するには、今日の AI モデルを支えているものよりも幅広い技術、データ、相互接続性が必要です。複雑な人間の行動を模倣する AI を作成するには、創造性、知覚、学習、記憶が不可欠です。AI の専門家は、AGI の研究を推進するいくつかの方法を提案しています。
シンボリック
シンボリックなアプローチは、コンピュータシステムが拡張された論理ネットワークで人間の思考を表現することによって AGI を開発できることを前提としています。ロジックネットワークは if-else ロジックで物理オブジェクトをシンボル化し、AI システムがより高い思考レベルでアイデアを解釈できるようにします。ただし、記号表現では、知覚などの微妙な認知能力を下位レベルで再現することはできません。
コネクショニスト
コネクショニスト (またはエマージェンティスト) アプローチは、人間の脳構造をニューラルネットワークアーキテクチャで複製することに焦点を当てています。人間が外部刺激と相互作用すると、脳ニューロンは伝達経路を変える可能性があります。科学者たちは、このサブシンボリックなアプローチを採用した AI モデルが、人間のような知能を再現し、低レベルの認知能力を発揮できることを期待しています。コネクショニスト方式を使用して自然言語を理解する AI の一例として、大規模言語モデルがあります。
ユニバーサリスト
普遍主義的アプローチをとる研究者は、計算レベルで AGI の複雑さに対処することに重点を置いています。彼らは、実用的な AGI システムに再利用できる理論的な解決を策定しようとしています。
生物全体のアーキテクチャ
生物全体のアーキテクチャのアプローチでは、AI モデルを人体の物理的表現と統合することが含まれます。この理論を支持する科学者たちは、AGI はシステムが物理的な相互作用から学習したときにのみ達成可能であると考えています。
ハイブリッド
ハイブリッドアプローチは、人間の思考を表現するシンボリックな方法とサブシンボリックな方法を研究し、単一のアプローチを超えた結果を達成します。AI 研究者は、AGI を開発するために、さまざまな既知の原理や方法を吸収しようとする場合があります。
汎用人工知能研究を推進する技術とは?
AGI は研究者にとってまだ遠い目標です。AGI システムを構築する取り組みは継続中であり、新たな開発によって後押しされています。次のセクションでは、新しい技術について説明します。
深層学習
深層学習は、生データから複雑な関係を抽出して理解するために、複数の隠れ層を持つニューラルネットワークのトレーニングに焦点を当てた AI 分野です。AI の専門家は深層学習を使用して、テキスト、音声、画像、動画、その他の種類の情報を理解できるシステムを構築します。たとえば、開発者は Amazon SageMaker を使用して、モノのインターネット (IoT) やモバイルデバイス向けの軽量深層学習モデルを構築しています。
生成 AI
生成人工知能 (生成 AI) は深層学習のサブセットであり、AI システムは学習した知識からユニークでリアルなコンテンツを生成できます。生成 AI モデルは大規模なデータセットを使用してトレーニングされるため、人間の創作物に自然に似たテキスト、音声、またはビジュアルで人間のクエリに応答できるようになります。たとえば、AI21 Labs、Anthropic、Cohere、および Meta の LLM は、組織が複雑なタスクを解決するために使用できる生成 AI アルゴリズムです。ソフトウェアチームは、 Amazon Bedrock を使用して、サーバーを提供することなく、これらのモデルをクラウドにすばやく展開できます。
NLP
自然言語処理 (NLP) は、コンピューターシステムが人間の言語を理解して生成できるようにする AI の一分野です。NLP システムは、計算言語学と機械学習技術を使用して、言語データをトークンと呼ばれる単純な表現に変換し、それらのコンテキスト関係を理解します。たとえば、 Amazon Lex は、組織が会話型チャットボットを構築できるようにする NLP エンジンです。
コンピュータビジョン
コンピュータビジョンは、システムが視覚データから空間情報を抽出、分析、理解できるようにする技術です。自動運転車は、コンピュータービジョンモデルを使用してカメラからのリアルタイムフィードを分析し、障害物から離れて安全に車両をナビゲートします。深層学習により、コンピュータービジョンシステムは、大規模なオブジェクト認識、分類、監視、およびその他の画像処理タスクを自動化できます。たとえば、エンジニアは Amazon Rekognition を使用して、さまざまなコンピュータービジョンアプリケーションの画像分析を自動化しています。
ロボット工学
ロボット工学は、組織が物理的な操作を自動的に実行する機械システムを構築できる工学分野です。AGI では、ロボットシステムによって機械の知能が物理的に現れます。これは、AGI システムが必要とする感覚的知覚と身体操作機能を導入する上で極めて重要です。たとえば、ロボットアームに AGI を埋め込むと、人間のように腕がオレンジを感知し、つかみ、皮をむくことができる場合があります。AGI を研究する際、工学チームは AWS RoboMaker を使用して、ロボットシステムを組み立てる前に仮想的にシミュレートします。
汎用人工知能研究における課題とは何ですか?
コンピューター科学者は、AGI を開発するにあたり、次のような課題に直面しています。
つながりを作る
現在の AI モデルは特定のドメインに限定されており、ドメイン間のつながりを作ることはできません。ただし、人間はあるドメインの知識と経験を別のドメインに適用できます。たとえば、教育理論をゲームデザインに適用して、魅力的な学習体験を生み出しています。人間は、理論教育から学んだことを実際の状況に適応させることもできます。ただし、深層学習モデルでは、なじみのないデータを確実に処理するために、特定のデータセットを使用してかなりのトレーニングを行う必要があります。
感情的知性
深層学習モデルは AGI の可能性を示唆していますが、人間が持つ真の創造性はまだ実証されていません。創造性には感情的な思考が必要ですが、ニューラルネットワークのアーキテクチャではまだ再現できません。たとえば、人間は感情的に感じたことに基づいて会話に応答しますが、NLP モデルは学習した言語データセットとパターンに基づいてテキスト出力を生成します。
感覚的知覚
AGI では、AI システムが外部環境と物理的に相互作用する必要があります。ロボティクスの能力に加えて、システムは人間と同じように世界を認識しなければなりません。既存のコンピューター技術が、人間のように形、色、味、匂い、音を正確に区別できるようになるには、さらなる進歩が必要です。
AWS は AI と AGI の取り組みをどのように支援できますか?
AWS は、生成 AI アプリケーションのトレーニング、展開、拡張に役立つマネージド人工知能サービスを提供しています。組織は、当社の AI ツールと基盤モデルを使用して、パーソナライズされたユースケース向けに独自のデータを使用して AI システムを革新します。
- Amazon Bedrock は、開発者が API コールを使用して展開する生成 AI モデルにアクセスできる完全マネージド型サービスです。業界をリードする基盤モデルを Bedrock で選択、カスタマイズ、トレーニング、展開して、独自のデータを扱うことができます。
- Amazon SageMaker Jumpstart は、機械学習ハブで基礎モデルを構築、トレーニング、展開することで、ソフトウェアチームが AI 開発を加速できるようにします。
- Amazon Elastic Compute Cloud UltraClusters を使用すると、スーパーコンピューティング GPU で生成 AI ワークロードを強化し、大量のデータセットを低レイテンシーで処理できます。
今すぐ AWS アカウントにサインアップして、AGI を開始しましょう
