論文の概要: Creating Scalable AGI: the Open General Intelligence Framework
- arxiv url: http://arxiv.org/abs/2411.15832v2
- Date: Wed, 27 Nov 2024 19:25:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-02 15:16:39.177122
- 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: Open General Intelligence (OGI)は、Artificial General Intelligence (AGI)のマクロデザイン参照として機能する新しいシステムアーキテクチャである。
OGIは、単一のシステムとしてシームレスに動作可能な複数の特別なモジュール間で認識が実行されなければならないという前提に基づいて、インテリジェントシステムの設計にモジュラーアプローチを採用する。
OGIフレームワークは、今日のインテリジェントシステムで見られる課題を克服し、より包括的でコンテキスト対応の問題解決能力を実現することを目的としている。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Recent advancements in Artificial Intelligence (AI), particularly with Large Language Models (LLMs), have led to significant progress in narrow tasks such as image classification, language translation, coding, and writing. However, these models face limitations in reliability and scalability due to their siloed architectures, which are designed to handle only one data modality (data type) at a time. This single modal approach hinders their ability to integrate the complex set of data points required for real-world challenges and problem-solving tasks like medical diagnosis, quality assurance, equipment troubleshooting, and financial decision-making. Addressing these real-world challenges requires a more capable Artificial General Intelligence (AGI) system. Our primary contribution is the development of the Open General Intelligence (OGI) framework, a novel systems architecture that serves as a macro design reference for AGI. The OGI framework adopts a modular approach to the design of intelligent systems, based on the premise that cognition must occur across multiple specialized modules that can seamlessly operate as a single system. OGI integrates these modules using a dynamic processing system and a fabric interconnect, enabling real-time adaptability, multi-modal integration, and scalable processing. The OGI framework consists of three key components: (1) Overall Macro Design Guidance that directs operational design and processing, (2) a Dynamic Processing System that controls routing, primary goals, instructions, and weighting, and (3) Framework Areas, a set of specialized modules that operate cohesively to form a unified cognitive system. By incorporating known principles from human cognition into AI systems, the OGI framework aims to overcome the challenges observed in today's intelligent systems, paving the way for more holistic and context-aware problem-solving capabilities.
- Abstract（参考訳）: 人工知能(AI)の最近の進歩、特にLarge Language Models(LLMs)は、画像分類、言語翻訳、コーディング、書き込みといった狭いタスクにおいて大きな進歩をもたらしている。
しかしながら、これらのモデルは、一度に1つのデータモダリティ(データタイプ)のみを処理するように設計された、サイロ化されたアーキテクチャのため、信頼性とスケーラビリティの制限に直面します。
この単一モーダルアプローチは、現実の課題や医療診断、品質保証、機器トラブルシューティング、財務決定といった問題解決タスクに必要な複雑なデータポイントを統合する能力を妨げている。
これらの現実世界の課題に対処するには、より有能な人工知能(AGI)システムが必要である。
我々の主な貢献はオープン・ジェネラル・インテリジェンス(OGI)フレームワークの開発であり、これはAGIのマクロデザイン参照として機能する新しいシステムアーキテクチャである。
OGIフレームワークは、単一のシステムとしてシームレスに動作可能な複数の特別なモジュール間で認識が実行されなければならないという前提に基づいて、インテリジェントシステムの設計にモジュラーアプローチを採用する。
OGIはこれらのモジュールを動的処理システムとファブリック相互接続を用いて統合し、リアルタイム適応性、マルチモーダル統合、スケーラブルな処理を可能にする。
OGIフレームワークは,(1)運用設計と処理を指示する総合的なマクロ設計ガイダンス,(2)ルーティング,一次目標,指示,重み付けを制御する動的処理システム,(3)統合的に動作し,統合された認知システムを形成するための特殊なモジュールセットであるフレームワークエリアの3つの主要コンポーネントから構成される。
人間の認識から既知の原則をAIシステムに取り入れることで、OGIフレームワークは、今日のインテリジェントシステムで見られる課題を克服し、より包括的でコンテキスト対応の問題解決能力を実現することを目的としている。
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。
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。