専門家の見解: 汎用人工知能の可能性
人工知能分野の開発に関するニュースを追う際の課題の 1 つは、「人工知能」という用語が、無関係な 2 つのことを意味するために無差別に使用されることが多いことです。
AI という用語が最初に使用されたのは、より正確にはナロー AI と呼ばれていました。これは強力なテクニックですが、非常に簡単でもあります。過去に関する大量のデータを取得し、コンピューターを使用して分析してパターンを見つけ、その分析を使用して未来を予測します。このタイプの AI は、電子メールからスパムをフィルタリングしたり、トラフィックを誘導したりするため、1 日に何度も私たちの生活に影響を与えます。ただし、過去のデータに基づいてトレーニングされているため、未来が過去と類似している場合にのみ機能します。基本的なレベルでは毎日変化しないので、猫を認識してチェスをすることができるのです。
AI という用語のもう 1 つの用途は、一般的な AI、または一般に AGI として知られているものを説明することです。 SF 以外にはそれは存在せず、作り方も誰も知りません。一般的な人工知能は、人間と同じくらい知的で多用途なコンピューター プログラムです。それは、これまで訓練されたことのないまったく新しいことを自分自身に教えることができます。
狭い AI と一般的な AI の違い
映画では、AGI は「スタートレック」のデータ、「スター・ウォーズ」の C-3PO、「ブレードランナー」のクローンです。直観的には、限定的 AI は一般的な AI と同じであり、成熟度が低く複雑な実装であるだけのように思えるかもしれませんが、そうではありません。一般的なAIは違います。たとえば、スパムを識別することは、一般的な知性ができるような、真の創造性を計算的に表すことはできません。
私はかつて、「Voices in Artificial Intelligence」という人工知能に関するポッドキャストを主催したことがあります。興味深いのは、ほとんどの優れた科学実践者は親しみやすく、ポッドキャストに積極的に参加するためです。そのため、最終的に 100 人を超える優れた AI 思想家がこのテーマについて徹底的に議論することになりました。私がほとんどのゲストに尋ねる質問が 2 つあります。最初の質問は「一般的な人工知能は可能ですか?」というもので、わずか 4 人を除いてほぼ全員が可能だと答えました。それから、いつ建設できるか尋ねます。答えはさまざまで、5 年以内に得られるものもあれば、500 年もかかるものもあります。
これはなぜですか?
ゲストのほぼ全員が、一般的な人工知能は可能であると言っているのに、いつそれが実現するのかについて、これほど大まかな見積もりを提供しているのはなぜですか? この質問に対する答えは、次のとおりです。前に言ったことに戻りますが、私たちは一般的な知性を構築する方法を知らないので、あなたの推測は他の人の推測と同じくらい正確です。
「しかし、ちょっと待ってください。作り方がわからないのに、なぜ専門家が圧倒的に可能だと同意するのでしょうか?」私も彼らにこの質問をしますが、通常は異なるバージョンが返されます。 「人間は知的な機械である。私たちは機械であるため、推論はこのようなものであり、普遍的な知性を持っており、製造業には普遍的な知性がある。」
人与机
確かなことは、人間が機械であるなら、それらの専門家は正しいということです: 一般知能は可能であるだけでなく、不可能です。人間は単なる機械ではなく、人間にはシリコンでは再現できない部分があることが判明しました。
興味深いのは、これら数百人の AI 専門家と他のすべての専門家との違いです。このトピックについて一般の聴衆に向けて、自分を機械だと思うのは誰かと尋ねると、その後手を挙げる人は約 15% だったのに対し、AI 専門家では 96% でした。人間の知性の性質について、ゲストたちはたいてい私を、もちろん非常に丁寧に、反科学を核とするある種の魔術的思考に耽溺していると非難します。 「もしかして?」
これは公平で重要な質問です。平均的な知性を持つ私たちが知っているのは宇宙でただ 1 つだけです。それは私たちです。どうして私たちはこれほど優れた創造性を持つことができたのでしょうか?私たちは本当にそうでしょうか?
知恵はスーパーパワーです
初めて乗った自転車の色や、1 年生の時の先生の名前を思い出してみてください。おそらく、これらのことについて何年も考えていなかったかもしれません。しかし、あなたの脳はおそらくほとんど努力せずにそれらを取り戻すことができるでしょう、「データ」がハードドライブのように脳に保存されていないことを考えると、さらに驚くべきことです。それがどのように保存されているかを考えてみましょう。あなたの脳にある 1,000 億個のニューロンのそれぞれが、最先端のスーパーコンピューターと同じくらい複雑であることがわかるかもしれません。
しかし、そこに私たちの知性の秘密があります。そこから先はさらに難しくなります。 「私たちには心と呼ばれるものがあることが判明しましたが、それは脳とは同じものではありません。心とは、頭の中にある3ポンドの粘液でできるすべてのことです。ユーモアのセンスを持つことや恋に落ちることなど、どうやらそうです」それは本来行われるべきことではありません。心臓も肝臓もそうではありません。しかし、どういうわけかあなたはそれを行っています。
私たちは、心が単なる脳の産物であるかどうかさえ確信していません。多くの人は出生時に脳の最大 95 パーセントを失いますが、依然として正常な知能を有しており、多くの場合、後年に診断検査を受けるまで自分の状態を知りません。さらに、私たちの知性の多くは脳に保存されず、体全体に分布しているようです。
汎用人工知能: 意識の複雑さ
私たちは脳や心を理解していませんが、実際にはそこからさらに難しくなります。汎用人工知能にはおそらく意識が必要です。意識はあなたの世界の経験です。温度計は正確な温度を示しますが、暖かくは感じません。知ることと経験することの違いは意識であり、コンピューターが椅子のように世界を体験できると信じる理由はほとんどありません。
つまり、今、私たちは理解できない脳、説明できない精神を持っています。そして意識に関して言えば、単なる物質がどのように機能し得るかを説明するための優れた理論さえ持っていません。経験。しかし、それにもかかわらず、AGI の AI 支持者は、人間のあらゆる能力をコンピューターで再現できると信じています。これは私には魔法のような考え方のように思えます。
私は誰かの信念を軽視するためにこれを言っているのではありません。おそらく彼らは正しいでしょう。私は、一般的な人工知能という考えは、明白な科学的真実ではなく、証明されていない仮説であると考えています。そのような生き物を作り、その欲望を制御することは、人類の古くからの夢です。現代では、それは何世紀にもわたって存在しており、おそらくメアリー・シェリーのフランケンシュタインから始まり、その後の1,000の物語に現れています。しかし、実際にはそれよりもずっと古いのです。私たちはこれを、ギリシャの技術の神ヘファイストスがクレタ島を守るために作ったロボット、タロスの物語など、文章が書かれている限りずっと昔から想像してきました。
私たちの心のどこかで、そのような生き物を創造し、その恐ろしい力を制御したいと願っていますが、今のところ、実際にそれができる兆候はありません。
以上が専門家の見解: 汎用人工知能の可能性の詳細内容です。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

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

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。

8月1日の本サイトのニュースによると、SKハイニックスは本日(8月1日)ブログ投稿を発表し、8月6日から8日まで米国カリフォルニア州サンタクララで開催されるグローバル半導体メモリサミットFMS2024に参加すると発表し、多くの新世代の製品。フューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) の紹介。以前は主に NAND サプライヤー向けのフラッシュ メモリ サミット (FlashMemorySummit) でしたが、人工知能技術への注目の高まりを背景に、今年はフューチャー メモリおよびストレージ サミット (FutureMemoryandStorage) に名前が変更されました。 DRAM およびストレージ ベンダー、さらに多くのプレーヤーを招待します。昨年発売された新製品SKハイニックス
