論文の概要: Systematic AI Approach for AGI: Addressing Alignment, Energy, and AGI Grand Challenges

• arxiv url: http://arxiv.org/abs/2310.15274v1
• Date: Mon, 23 Oct 2023 18:20:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 22:11:01.653009
• Title: Systematic AI Approach for AGI: Addressing Alignment, Energy, and AGI Grand Challenges
• Title（参考訳）: AGIのためのシステムAIアプローチ:アライメント、エネルギー、AGIグランドチャレンジへの取り組み
• Authors: Eren Kurshan
• Abstract要約: 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。 3つの大きな課題をすべて克服する上で,システム設計は極めて重要である,と私たちは主張する。
• 参考スコア（独自算出の注目度）: 3.5897534810405403
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI faces a trifecta of grand challenges the Energy Wall, the Alignment Problem and the Leap from Narrow AI to AGI. Contemporary AI solutions consume unsustainable amounts of energy during model training and daily operations.Making things worse, the amount of computation required to train each new AI model has been doubling every 2 months since 2020, directly translating to increases in energy consumption.The leap from AI to AGI requires multiple functional subsystems operating in a balanced manner, which requires a system architecture. However, the current approach to artificial intelligence lacks system design; even though system characteristics play a key role in the human brain from the way it processes information to how it makes decisions. Similarly, current alignment and AI ethics approaches largely ignore system design, yet studies show that the brains system architecture plays a critical role in healthy moral decisions.In this paper, we argue that system design is critically important in overcoming all three grand challenges. We posit that system design is the missing piece in overcoming the grand challenges.We present a Systematic AI Approach for AGI that utilizes system design principles for AGI, while providing ways to overcome the energy wall and the alignment challenges.
• Abstract（参考訳）: 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。 現代のAIソリューションは、モデルトレーニングと日々の運用の間、持続不可能な量のエネルギーを消費する。さらに悪いことに、2020年以降、新しいAIモデルをトレーニングするために必要な計算量は、エネルギー消費の増加に直接変換して2ヶ月毎に倍増している。AIからAGIへの飛躍は、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しており、システムアーキテクチャを必要とする。 しかし、現在の人工知能のアプローチはシステム設計に欠けており、システム特性は情報を処理する方法から意思決定方法に至るまで、人間の脳において重要な役割を果たす。 同様に、現在のアライメントとAI倫理のアプローチはシステム設計をほとんど無視しているが、研究では、脳のシステムアーキテクチャが健全な道徳的決定において重要な役割を果たすことが示されている。 我々は,AGIのシステム設計原則を活用したAGIのためのシステムAIアプローチを提案し,エネルギーの壁とアライメントの課題を克服する方法を提供する。

関連論文リスト

• Imagining and building wise machines: The centrality of AI metacognition [78.76893632793497]
  AIシステムは知恵を欠いている。 AI研究はタスクレベルの戦略に焦点を当てているが、メタ認知はAIシステムでは未発達である。 メタ認知機能をAIシステムに統合することは、その堅牢性、説明可能性、協力性、安全性を高めるために不可欠である。
  論文  参考訳（メタデータ） (2024-11-04T18:10:10Z)
• The Switch, the Ladder, and the Matrix: Models for Classifying AI Systems [0.0]
  AI倫理の原則と実践の間にはまだギャップがある。 AI倫理を運用しようとする組織が直面する大きな障害のひとつは、明確に定義された材料スコープの欠如である。
  論文  参考訳（メタデータ） (2024-07-07T12:16:01Z)
• 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)
• Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
  デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
  論文  参考訳（メタデータ） (2024-04-29T04:51:05Z)
• 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)
• Core and Periphery as Closed-System Precepts for Engineering General Intelligence [62.997667081978825]
  AIシステムの入力が出力から独立するかどうかは不明であり、従ってAIシステムが従来のコンポーネントとして扱われるかどうかは不明である。 本稿では, 工学的汎用知能は, コアと周辺と呼ばれる, 新たな汎用システム規範を必要とすることを示唆する。
  論文  参考訳（メタデータ） (2022-08-04T18:20:25Z)
• Responsible-AI-by-Design: a Pattern Collection for Designing Responsible AI Systems [12.825892132103236]
  責任あるAIのための多くの倫理規定、原則、ガイドラインが最近発行されている。 本稿では、システムレベルのガイダンスとして、責任あるAIシステムのアーキテクチャをどのように設計するかという、欠落した要素を1つ挙げる。 本稿では、AIシステムに組み込んだデザインパターンを製品として紹介し、責任あるAI設計に貢献する。
  論文  参考訳（メタデータ） (2022-03-02T07:30:03Z)
• 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)
• Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
  近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。 倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。 このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
  論文  参考訳（メタデータ） (2021-06-25T22:31:55Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)
• Design of the Artificial: lessons from the biological roots of general intelligence [0.0]
  人工知能のクエストは繰り返し失敗に悩まされている。 バイオインスパイアされたソフトウェアとハードウェアへの最近のシフトは、AGIの達成に非効率である。 階層型アーキテクチャによって実現される情報のコンテキスト処理の進化的ティンカーは、AGIを構築する上で鍵となる。
  論文  参考訳（メタデータ） (2017-03-07T07:20:30Z)

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。