Fugu-MT 論文翻訳(概要): Creating Scalable AGI: the Open General Intelligence Framework

論文の概要: Creating Scalable AGI: the Open General Intelligence Framework

arxiv url: http://arxiv.org/abs/2411.15832v1
Date: Sun, 24 Nov 2024 13:17:53 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-26 14:21:33.281380
Title: Creating Scalable AGI: the Open General Intelligence Framework
Title（参考訳）: スケーラブルなAGIの作成 - Open General Intelligence Framework
Authors: Daniel A. Dollinger, Michael Singleton,
Abstract要約: アーキテクチャであるOGI(Open General Intelligence)は、動的処理システムを使用して、専門の人工知能モジュールをまたいだ制御とデリゲートを行う。インテリジェントシステムのリファレンス設計として使用することを目的としており、さまざまな現実世界のアプリケーションにまたがる汎用人工知能に対して、人間のような認知的柔軟性を提供する。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This paper introduces a novel general artificial intelligence systems architecture that provides generalized flexibility and solves current scalability issues plaguing the field. The architecture, OGI (Open General Intelligence), utilizes a dynamic processing system to control and delegate across specialized artificial intelligence modules. It is intended to be used as a reference design for intelligent systems, providing human-like cognitive flexibility for generalized artificial intelligence across various real-world applications.
Abstract（参考訳）: 本稿では、汎用的な柔軟性を提供する新しい汎用人工知能システムアーキテクチャを導入し、現場を悩ませている現在のスケーラビリティ問題を解決する。アーキテクチャであるOGI(Open General Intelligence)は、動的処理システムを使用して、専門の人工知能モジュールをまたいだ制御とデリゲートを行う。インテリジェントシステムのリファレンス設計として使用することを目的としており、さまざまな現実世界のアプリケーションにまたがる汎用人工知能に対して、人間のような認知的柔軟性を提供する。

関連論文リスト

A Functional Software Reference Architecture for LLM-Integrated Systems [8.68898878009242]
大規模言語モデルのソフトウェアシステムへの統合は、自然言語理解、意思決定、自律的なタスク実行などの能力を変化させている。一般的に受け入れられているソフトウェアリファレンスアーキテクチャがないことは、その設計と品質特性に関する体系的な理由を妨げます。本稿では,これらの課題に対処するための概念的枠組みとして,予備機能参照アーキテクチャのテキスト処理結果について述べる。
論文参考訳（メタデータ） (2025-01-22T14:30:40Z)
A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
論文参考訳（メタデータ） (2025-01-20T15:30:09Z)
Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
論文参考訳（メタデータ） (2024-10-17T06:14:34Z)
Towards Building Specialized Generalist AI with System 1 and System 2 Fusion [14.098921452341338]
特殊汎用人工知能(SGAI、SGI)は、人工知能(AGI)にとって重要なマイルストーンである。我々は,SGIを専門的スキルと一般性パフォーマンスのレベルに基づいて3つの段階に分類する。本稿では,システム1と2の認知処理の強みを統合したSGI開発のための概念的枠組みを提案する。
論文参考訳（メタデータ） (2024-07-11T16:23:16Z)
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)
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)
TaskMatrix.AI: Completing Tasks by Connecting Foundation Models with Millions of APIs [71.7495056818522]
私たちは、基礎モデルと数百万のAPIを結合してタスク補完を行う、新しいAIエコシステムとしてTaskMatrix.AIを紹介します。このようなエコシステムを構築するためのビジョンを示し、それぞれの重要なコンポーネントを説明し、このビジョンの実現可能性と次に取り組むべき主な課題の両方を説明するために研究ケースを使用します。
論文参考訳（メタデータ） (2023-03-29T03:30:38Z)
Proceedings of the Robust Artificial Intelligence System Assurance (RAISA) Workshop 2022 [0.0]
RAISAワークショップは、堅牢な人工知能(AI)と機械学習(ML)システムの研究、開発、応用に焦点を当てる。特定のMLアルゴリズムに関してロバストネスを研究するのではなく、システムアーキテクチャのレベルでロバストネスの保証を検討することを目的としています。
論文参考訳（メタデータ） (2022-02-10T01:15:50Z)
Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文参考訳（メタデータ） (2021-01-11T15:54:48Z)
Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
論文参考訳（メタデータ） (2020-07-13T20:30:26Z)

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。