人工知能は人間と同じである必要があるのでしょうか?
機械は考えることができますか?人工知能は人間と同じくらい賢くなれるのでしょうか?
新しい研究は、人工知能がそれを実行できる可能性があることを示しています。
イタリア工科大学のアグニエシュカ・ヴィコフスカ教授率いる研究チームは、非言語チューリングテストで、人間のような行動の変動性(行動変動性)が人間と機械の区別を曖昧にする可能性があることを発見しました。支援ロボットをより人間らしく見せることができます。
具体的には、彼らの人工知能プログラムは、人間のチームメイトと形や色を合わせるゲームをしながら、人間の反応時間の行動のばらつきをシミュレートすることで、非言語チューリング テストに合格しました。
関連する研究論文のタイトルは「人間のような行動の変動により、非言語チューリング テストにおける人間と機械の区別が曖昧になる」で、科学雑誌 Science Robotics に掲載されました。
研究チームは、この研究が将来のロボット設計の指針となり、人間が認識できる人間のような行動をロボットに与えることができると述べています。
この研究に関して、リンシェーピング大学認知システム教授のトム・ジームケ氏と博士研究員サム・セルマン氏は、研究結果が「人間と機械の違いを曖昧にし」、人間の社会的認知の科学的理解を提供すると信じています。他の面でも。
しかし、「人間の類似性は、人工知能やロボット工学の開発にとって必ずしも理想的な目標ではなく、人工知能を人間に似ないようにする方が賢明なアプローチである可能性があります。」
全体像1950 年、「コンピューター サイエンスと人工知能の父」アラン チューリングは、機械が知的かどうかを判断するテスト方法であるチューリング テストを提案しました。
チューリング テストの重要な考え方は、人間が他の人間と対話しているのか機械と対話しているのかを判断できるかどうかをテストすることで、機械の思考と知能の可能性に関する複雑な問題を検証できるということです。
今日、チューリング テストは、人間がコンピューター プログラムと人間の行動を区別できないようにするために、人工エージェントにどのような行動特性を実装すべきかを評価するために科学者によって使用されています。
人工知能の先駆者であるハーバート サイモンはかつてこう言いました:「プログラムによって示される動作が人間によって示される動作と類似している場合、私たちはそれらを知的であると呼びます。」同様に、エレイン リッチは人工知能を知能と表現しました。 「人間が現在行っていることをコンピュータにより良く実行させる方法の研究」と定義されています。
非言語チューリング テストはチューリング テストの一種です。人工知能は他の人 (物体) の微妙な行動特性を検出して区別することにおいて人間ほど熟練していないため、非言語チューリング テストに合格するのは簡単ではありません。
それでは、人型ロボットは非言語チューリングテストに合格し、人間の特徴を身体的動作で体現できるのでしょうか?非言語チューリングテストでは、研究チームはAIが人間の行動の変動と同様の範囲内で反応時間を変化させ、それによって人間とみなされるようにプログラムできるかどうかを確認しようとした。
これを行うために、彼らは人間とロボットを、画面上で異なる色と形状を備えた部屋に配置しました。
参加者が形や色が変わったときにボタンを押すと、ロボットはこの信号に反応して、画面に表示された反対の色や形をクリックします。
テスト中、ロボットは人間によって遠隔操作される場合もありましたが、場合によってはロボットが人間によって遠隔操作されることもありました。行動の変動を模倣するように訓練された人工知能によって制御されます。
写真 | 参加者は、ロボットの動作が事前にプログラムされているか、人間によって制御されているかを判断するように求められました。 (出典:論文)
その結果、参加者はロボットが他の人によって操作されているときを容易に認識できることがわかりました。
しかし、ロボットが人工知能によって操作された場合、参加者が誤った推測をする確率は 50% を超えました。
図|チューリングテストの平均精度。 (出典: 論文)
これは、彼らの人工知能が非言語チューリング テストに合格したことを意味します。
ただし、研究者らはまた、人間のような行動の多様性は、人間の環境でも現れる可能性があるため、エンティティ人工知能の非言語チューリングテストに合格するための必要条件であり、不十分な条件にすぎない可能性があることも示唆しています。
人工知能は人間と同じである必要がありますか?
人工知能の研究は長い間、人間の類似性を目標および指標としてターゲットにしてきたが、ウィコウスカ氏のチームの研究は、ロボットをより人間に近づけるために行動の多様性が利用できる可能性を示している。
Ziemke氏らは、人工知能を人間らしくなくする方が賢明なアプローチかもしれないと考えており、自動運転車とチャットロボットの2つの事例について詳しく説明した。
たとえば、道路で横断歩道を渡ろうとしているときに、車が近づいてくるのが見えた場合、遠くからではそれが自動運転車かどうか判断できないことがあります。車の挙動から判断するだけです。
(出典: Pixabay)
ただし、ハンドルの前に誰かが座っているのを見ても、その人が積極的に運転しているかどうかはわかりません。車両を制御しているのか、それとも車両の運転操作を監視しているだけなのか。
「これは交通安全に非常に重要な影響を及ぼします。自動運転車が自動運転モードであるかどうかを他の人に示せない場合、危険な人間と機械の相互作用が生じる可能性があります。」
おそらく、理想的には、車が自動運転かどうかを知る必要はない、と言う人もいるでしょう。なぜなら、長期的には自動運転車の方が人間よりも運転が上手になる可能性があるからです。しかし現時点では、自動運転車に対する人々の信頼は十分とは言えません。
チャットボットは、チューリングの元のテストの実際のシナリオに近いものです。多くの企業はオンライン顧客サービスでチャットボットを使用していますが、会話のトピックや対話のオプションは比較的限られています。この文脈では、チャットボットは多かれ少なかれ人間と区別できないことがよくあります。
(出典: Pixabay)
そこで問題は、企業はチャットボットが人間ではないことについて顧客に伝えるべきかということです。一度伝えてしまうと、消費者からの信頼の低下などネガティブな反応を招くことも少なくありません。
上記の事例が示すように、人間に似た行動は工学の観点からは素晴らしい成果かもしれませんが、人間と機械の区別がつかないことは、心理的、倫理的、法的な重大な問題を引き起こします。
一方で、これらのシステムと対話する人々は、欺瞞を避けるために、対話しているものの性質を知らなければなりません。チャットボットを例に挙げると、米国カリフォルニア州では2018年からチャットボット情報開示法が制定され、開示が厳格な要件であることが明確になっている。
一方で、チャットボットと人間のカスタマー サービス エージェントがさらに区別できない例もあります。たとえば、自動運転に関して言えば、自動運転車と他の道路利用者との間のやり取りには、同じ明確な開始点と終了点がありません。多くの場合、1 対 1 ではなく、特定の現実的な関係があります。時間の制約。
したがって、問題は、自動運転車のアイデンティティと機能をいつ、どのように伝えるべきかということです。
さらに、完全自動運転車の実現にはまだ数十年かかる可能性があります。したがって、予見可能な将来、混合トラフィックとさまざまな程度の部分自動化が現実となる可能性があります。
自動運転車が人々と通信するためにどのような外部インターフェイスが必要になるかについては、多くの研究が行われてきました。しかし、子供や障害者などの交通弱者が実際にどのような複雑な状況に対処することができ、喜んで対処できるかについてはほとんど知られていません。
したがって、「そのようなシステムと対話する人は、対話されるオブジェクトの性質について知らされなければならない」という上記の一般規則は、より明確な状況でのみ従うことが可能である可能性があります。
同様に、この両義性はソーシャル ロボット研究の議論にも反映されています: 人間は精神状態を擬人化して人間のような属性を割り当てる傾向があるため、多くの研究者はロボットの見た目と動作を同じにすることを目指しています。多かれ少なかれ人間のような方法で対話できるようにするためです。
しかし、過度に擬人化された属性や非現実的な期待を避けるために、ロボットは機械であると簡単に識別できる必要があると主張する人もいます。
「したがって、ロボットを人間らしさをなくすためにこれらの発見を利用する方が賢明かもしれません。人工知能の初期の頃、人間を模倣することは業界の共通の目標だったのかもしれません。」しかし、人工知能として人工知能が人々の日常生活の一部となった今日、私たちは少なくとも人間に近い人工知能の実現を目指すべき方向性を考える必要がある。」
以上が人工知能は人間と同じである必要があるのでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
