論文の概要: Concepts is All You Need: A More Direct Path to AGI
- arxiv url: http://arxiv.org/abs/2309.01622v1
- Date: Mon, 4 Sep 2023 14:14:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 18:22:09.201970
- Title: Concepts is All You Need: A More Direct Path to AGI
- Title（参考訳）: コンセプトは必要なすべてである - agiへのより直接的なパス
- Authors: Peter Voss and Mladjan Jovanovic
- Abstract要約: 20年ほど前にAGI(Artificial General Intelligence)という用語が発明されて以来、ほとんど進歩していない。
ここではアーキテクチャと開発計画を概説し、いくつかの予備的な結果とともに、完全な人間レベルAI(HLAI)/AGIへのより直接的なパスを提供します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Little demonstrable progress has been made toward AGI (Artificial General
Intelligence) since the term was coined some 20 years ago. In spite of the
fantastic breakthroughs in Statistical AI such as AlphaZero, ChatGPT, and
Stable Diffusion none of these projects have, or claim to have, a clear path to
AGI. In order to expedite the development of AGI it is crucial to understand
and identify the core requirements of human-like intelligence as it pertains to
AGI. From that one can distill which particular development steps are necessary
to achieve AGI, and which are a distraction. Such analysis highlights the need
for a Cognitive AI approach rather than the currently favored statistical and
generative efforts. More specifically it identifies the central role of
concepts in human-like cognition. Here we outline an architecture and
development plan, together with some preliminary results, that offers a much
more direct path to full Human-Level AI (HLAI)/ AGI.
- Abstract（参考訳）: 20年ほど前に作られたAGI(Artificial General Intelligence)に対する実証的な進展はほとんどない。
AlphaZero、ChatGPT、Stable Diffusionといった統計AIの驚くべきブレークスルーにもかかわらず、これらのプロジェクトはいずれもAGIへの明確な道筋を持っていない。
AGIの開発を迅速化するためには、AGIに関連する人間のような知能のコア要件を理解し、識別することが不可欠である。
そこから、AGIを達成するのに必要な特定の開発ステップを蒸留することができる。
このような分析は、現在好まれている統計的および生成的努力よりも、認知AIアプローチの必要性を強調している。
より具体的には、人間のような認知における概念の中心的な役割を特定する。
ここではアーキテクチャと開発計画を概説し、いくつかの予備的な結果とともに、完全な人間レベルAI(HLAI)/AGIへのより直接的なパスを提供します。
関連論文リスト
- Development of an Adaptive Multi-Domain Artificial Intelligence System Built using Machine Learning and Expert Systems Technologies [0.0]
人工知能(AGI)は、人工知能(AI)研究においてしばらくの間、明白な目標であった。
AGIは、人間のように、新しい問題領域にさらされ、それを学び、推論プロセスを使って意思決定する能力を持つでしょう。
本稿では,AGIの製作に向けての歩みについて述べる。
論文 参考訳（メタデータ） (2024-06-17T07:21:44Z) - How Far Are We From AGI: Are LLMs All We Need? [15.705756259264932]
AGIは、ヒューマンインテリジェンスに匹敵する効率と有効性で、多様な現実世界のタスクを実行する能力で区別されている。
本稿では、AGIに必要な機能フレームワークを概説し、内部、インターフェース、システム次元を統合する。
AIの統合によるユビキタスな影響について、具体的な洞察を得るため、複数のドメインにおけるAGIに対する既存の課題と潜在的な経路を概説する。
論文 参考訳（メタデータ） (2024-05-16T17:59:02Z) - Levels of AGI for Operationalizing Progress on the Path to AGI [64.59151650272477]
本稿では,人工知能(AGI)モデルとその前駆体の性能と動作を分類する枠組みを提案する。
このフレームワークは、AGIのパフォーマンス、一般性、自律性のレベルを導入し、モデルを比較し、リスクを評価し、AGIへの道筋に沿って進捗を測定する共通の言語を提供する。
論文 参考訳（メタデータ） (2023-11-04T17:44:58Z) - 1 From the Pursuit of Universal AGI Architecture to Systematic Approach to Heterogenous AGI: Addressing Alignment, Energy, & AGI Grand Challenges [3.5897534810405403]
AIは、エナジーウォール、アライメント問題、ナローAIからAGIへの移行という三大課題に直面している。
AIからAGIへの飛躍は、システムアーキテクチャを必要とするバランスの取れた方法で運用される複数の機能サブシステムを必要とする。
本稿では,AGIアーキテクチャを一意的に構築するのではなく,設計固有の経路を多元的に組み合わせることで,人工知能が実現可能であることを主張する。
論文 参考訳（メタデータ） (2023-10-23T18:20:54Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - Why We Don't Have AGI Yet [0.0]
元々のAIのビジョンは、2002年に"Artificial General Intelligence" (AGI) という用語で再認識された。
このビジョンは、人間と同じように学習し、推論し、問題を解決することができるコンピュータシステムである「シンキングマシン」を構築することである。
いくつかの大規模取り組みが名目上AGIに取り組んできたが、純粋に焦点を絞ったAGI開発分野は、十分な資金提供や推進がなされていない。
論文 参考訳（メタデータ） (2023-08-07T13:59:31Z) - Towards AGI in Computer Vision: Lessons Learned from GPT and Large
Language Models [98.72986679502871]
大規模言語モデル(LLM)を利用したチャットシステムが出現し、人工知能(AGI)を実現するための有望な方向へと急速に成長する
しかし、コンピュータビジョン(CV)におけるAGIへの道のりは未だに不明である。
CVアルゴリズムを世界規模で対話可能な環境に配置し、その動作に関する将来のフレームを予測するための事前トレーニングを行い、さまざまなタスクをこなすための命令で微調整するパイプラインを想像する。
論文 参考訳（メタデータ） (2023-06-14T17:15:01Z) - OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。
この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。
マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
論文 参考訳（メタデータ） (2023-04-10T03:55:35Z) - When Brain-inspired AI Meets AGI [40.96159978312796]
我々は、人工知能の観点から、脳にインスパイアされたAIの包括的概要を提供する。
私たちは、脳にインスパイアされたAIの現在の進歩と、AGIとの広範な関係から始まります。
次に、人間の知性とAIの両面での重要な特徴について述べる。
論文 参考訳（メタデータ） (2023-03-28T12:46:38Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-27T09:56:23Z) - Empowering Things with Intelligence: A Survey of the Progress,
Challenges, and Opportunities in Artificial Intelligence of Things [98.10037444792444]
AIがIoTをより速く、より賢く、よりグリーンで、より安全にするための力を与える方法を示します。
まず、認識、学習、推論、行動の4つの視点から、IoTのためのAI研究の進歩を示す。
最後に、私たちの世界を深く再形成する可能性が高いAIoTの有望な応用をいくつかまとめる。
論文 参考訳（メタデータ） (2020-11-17T13:14:28Z)
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。