論文の概要: A Finite-Time Technological Singularity Model With Artificial
Intelligence Self-Improvement
- arxiv url: http://arxiv.org/abs/2010.01961v1
- Date: Mon, 31 Aug 2020 15:29:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 07:10:40.028737
- Title: A Finite-Time Technological Singularity Model With Artificial
Intelligence Self-Improvement
- Title(参考訳): 人工知能自己改善を伴う有限時間技術特異性モデル
- Authors: Ihor Kendiukhov
- Abstract要約: 人工知能が人工知能エンジニアに人間を置き換えると仮定して、有限時間の技術的特異点のモデルを構築します。
人工知能の無限レベルの発展は現実的には達成できないが、この近似はいくつかの理由で有用である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent advances in the development of artificial intelligence, technological
progress acceleration, long-term trends of macroeconomic dynamics increase the
relevance of technological singularity hypothesis. In this paper, we build a
model of finite-time technological singularity assuming that artificial
intelligence will replace humans for artificial intelligence engineers after
some point in time when it is developed enough. This model implies the
following: let A be the level of development of artificial intelligence. Then,
the moment of technological singularity n is defined as the point in time where
artificial intelligence development function approaches infinity. Thus, it
happens in finite time. Although infinite level of development of artificial
intelligence cannot be reached practically, this approximation is useful for
several reasons, firstly because it allows modeling a phase transition or a
change of regime. In the model, intelligence growth function appears to be
hyperbolic function under relatively broad conditions which we list and
compare. Subsequently, we also add a stochastic term (Brownian motion) to the
model and investigate the changes in its behavior. The results can be applied
for the modeling of dynamics of various processes characterized by
multiplicative growth.
- Abstract(参考訳): 最近の人工知能開発、技術進歩加速、マクロ経済ダイナミクスの長期的なトレンドは、技術特異性仮説の関連性を高める。
本稿では,人工知能が人工知能技術者に取って代わることを前提として,有限時間技術特異性のモデルを構築した。
このモデルは以下のことを示唆している。 A を人工知能の開発レベルとする。
そして、技術的特異点 n のモーメントは、人工知能開発関数が無限に近づく時点として定義される。
したがって、それは有限時間で起こる。
人工知能の開発の無限レベルは実質的には到達できないが、この近似はいくつかの理由から有用であり、第一に、相転移やレジームの変化をモデル化できるためである。
モデルでは、インテリジェンス成長関数は、私たちがリストし比較する比較的広い条件下で双曲関数であるように見える。
その後、モデルに確率的項(ブラウン運動)を加え、その挙動の変化について検討する。
この結果は、乗法的成長を特徴とする様々なプロセスのダイナミクスのモデリングに応用できる。
関連論文リスト
- Artificial Human Intelligence: The role of Humans in the Development of Next Generation AI [6.8894258727040665]
我々は、倫理的、責任があり、堅牢なインテリジェントシステムを開発する上で人間が果たす重要な役割に焦点を当て、人間とマシンインテリジェンスの間の相互作用を探求する。
我々は、次世代AI開発における人間中心の方向性を提案するために、共生設計の利点を活かして、将来的な視点を提案する。
論文 参考訳(メタデータ) (2024-09-24T12:02:20Z) - The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。
同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。
一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
論文 参考訳(メタデータ) (2023-10-31T18:07:07Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳(メタデータ) (2023-10-14T23:28:48Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳(メタデータ) (2023-07-09T21:16:56Z) - World Models and Predictive Coding for Cognitive and Developmental
Robotics: Frontiers and Challenges [51.92834011423463]
我々は世界モデルと予測符号化の2つの概念に焦点を当てる。
神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
論文 参考訳(メタデータ) (2023-01-14T06:38:14Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳(メタデータ) (2022-05-02T18:00:10Z) - Co-evolutionary hybrid intelligence [0.3007949058551534]
インテリジェントシステム開発に対する現在のアプローチは、データ中心である。
本稿では,人間と機械のハイブリッド化と共進化に基づく人工知能システム開発への代替的アプローチについて論じる。
論文 参考訳(メタデータ) (2021-12-09T08:14:56Z) - Artificial Intelligence Technology analysis using Artificial
Intelligence patent through Deep Learning model and vector space model [0.1933681537640272]
本稿では,人工知能技術分析のための人工知能特許データセットを用いた要素内キーワード分析手法を提案する。
実世界の問題に対して,提案モデルをどのように適用できるかを示すために,人工知能特許データの収集と解析を行った。
論文 参考訳(メタデータ) (2021-11-08T00:10:49Z) - Dynamic Cognition Applied to Value Learning in Artificial Intelligence [0.0]
この分野の数人の研究者が、堅牢で有益で安全な人工知能の概念を開発しようとしている。
人工知能エージェントが人間の価値観に合わせた価値を持っていることは、最も重要である。
この問題に対する可能なアプローチは、SEDのような理論モデルを使用することである。
論文 参考訳(メタデータ) (2020-05-12T03:58:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。