論文の概要: What the F*ck Is Artificial General Intelligence?

• arxiv url: http://arxiv.org/abs/2503.23923v1
• Date: Mon, 31 Mar 2025 10:15:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 14:36:22.190933
• Title: What the F*ck Is Artificial General Intelligence?
• Title（参考訳）: 人工知能とは何か?
• Authors: Michael Timothy Bennett,
• Abstract要約: 私はインテリジェンスの定義を比較し、適応の観点からインテリジェンスを定め、人工知能としてAGIを比較します。 システムをよりインテリジェントに振る舞うための全体的なメタアパッチについて議論します。 スケール最大化の近似が支配的だが、AGIはツールとメタアポラッヒの融合である、と私は結論付けます。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Artificial general intelligence (AGI) is an established field of research. Yet Melanie Mitchell and others have questioned if the term still has meaning. AGI has been subject to so much hype and speculation it has become something of a Rorschach test. Mitchell points out that the debate will only be settled through long term, scientific investigation. To that end here is a short, accessible and provocative overview of AGI. I compare definitions of intelligence, settling on intelligence in terms of adaptation and AGI as an artificial scientist. Taking my queue from Sutton's Bitter Lesson I describe two foundational tools used to build adaptive systems: search and approximation. I compare pros, cons, hybrids and architectures like o3, AlphaGo, AERA, NARS and Hyperon. I then discuss overall meta-approaches to making systems behave more intelligently. I divide them into scale-maxing, simp-maxing, w-maxing based on the Bitter Lesson, Ockham's and Bennett's Razors. These maximise resources, simplicity of form, and the weakness of constraints on functionality. I discuss examples including AIXI, the free energy principle and The Embiggening of language models. I conclude that though scale-maxed approximation dominates, AGI will be a fusion of tools and meta-approaches. The Embiggening was enabled by improvements in hardware. Now the bottlenecks are sample and energy efficiency.
• Abstract（参考訳）: 人工知能(英語版) (AGI) は確立された研究分野である。 しかし、メラニー・ミッチェルらは、この用語にまだ意味があるかどうか疑問を呈している。 AGIは多くの誇大宣伝を受けており、Rorschachテストのようなものになっていると憶測されている。 ミッチェル氏は、この議論は長期的な科学的調査を通じてのみ解決されると指摘する。 そのために、AGIを短く、アクセスしやすく、挑発的に概観する。 私はインテリジェンスの定義を比較し、適応の観点からインテリジェンスを定め、人工知能としてAGIを比較します。 Sutton's Bitter Lessonからキューを受け取り、適応システムを構築するのに使用される2つの基本的なツールについて説明する。 私は、o3、AlphaGo、AERA、NARS、Hyperonのようなプロ、コン、ハイブリッド、アーキテクチャを比較します。 次に、システムをよりインテリジェントに振る舞うための全体的なメタアパッチについて議論します。 私はそれらを、Bitter Lesson、Ockham's、Bennett's Razorsに基づいて、スケールマックス、シムプマックス、w-maxingに分割します。 これにより、リソースの最大化、フォームの単純化、機能に対する制約の弱さが実現します。 自由エネルギーの原理であるAIXIや言語モデルの拡張などについて論じる。 スケール最大化の近似が支配的だが、AGIはツールとメタアポラッヒの融合である、と私は結論付けます。 Embiggeningはハードウェアの改良によって実現された。 ボトルネックはサンプルとエネルギー効率です。

関連論文リスト

• Formal Mathematical Reasoning: A New Frontier in AI [60.26950681543385]
  我々は公式な数学的推論を提唱し、AI4Mathを次のレベルに進めるには不可欠であると主張している。 既存の進捗を要約し、オープンな課題について議論し、将来の成功を測るための重要なマイルストーンを想定します。
  論文  参考訳（メタデータ） (2024-12-20T17:19:24Z)
• Machine learning and information theory concepts towards an AI Mathematician [77.63761356203105]
  人工知能の現在の最先端技術は、特に言語習得の点で印象的だが、数学的推論の点ではあまり重要ではない。 このエッセイは、現在のディープラーニングが主にシステム1の能力で成功するという考えに基づいている。 興味深い数学的ステートメントを構成するものについて質問するために、情報理論的な姿勢を取る。
  論文  参考訳（メタデータ） (2024-03-07T15:12:06Z)
• AI-as-exploration: Navigating intelligence space [0.05657375260432172]
  私は、AIが果たさなければならない、無視されるが中心的な科学的な役割の輪郭を明確に表現します。 AI-as-explorationの基本的な推力は、知性の候補構築ブロックを明らかにするシステムの作成と研究である。
  論文  参考訳（メタデータ） (2024-01-15T21:06:20Z)
• AI for Mathematics: A Cognitive Science Perspective [86.02346372284292]
  数学は人間によって開発された最も強力な概念体系の1つである。 AIの急速な進歩、特に大規模言語モデル(LLM)の進歩による推進により、そのようなシステム構築に対する新たな、広範な関心が生まれている。
  論文  参考訳（メタデータ） (2023-10-19T02:00:31Z)
• 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)
• Understanding Natural Language Understanding Systems. A Critical Analysis [91.81211519327161]
  自然言語理解システム(Natural Language Understanding (NLU) system)としても知られる usguillemotright(英語版) のようなギユモトレフトークを持つ機械の開発は、人工知能の聖杯(英語版) (AI) である。 しかし、Gillemottalking machineguillemotrightを構築することができるという信頼は、次世代のNLUシステムによってもたらされたものよりも強かった。 私たちは新しい時代の夜明けに、ついに砂利が我々に近づいたのか?
  論文  参考訳（メタデータ） (2023-03-01T08:32:55Z)
• An argument for the impossibility of machine intelligence [0.0]
  AIの担い手になり得るエージェント(デバイス)とは何かを定義する。 我々は「知性の主流」の定義が弱すぎて、昆虫に知性を割り当てる際に関係するものを捉えることができないことを示した。 私たちは、この定義によって知能の担い手となるために、AIエージェントが保持しなければならない特性を特定します。
  論文  参考訳（メタデータ） (2021-10-20T08:54:48Z)
• Hybrid Intelligence [4.508830262248694]
  今後数十年間、人間と機械の間の労働分業の最も可能性の高いパラダイムはハイブリッド・インテリジェンスであると主張する。 このコンセプトは、人間の知性とAIの相補的な強みを利用することを目標とし、それぞれが個別にできることよりも優れたパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-05-03T08:56:09Z)
• Inductive Biases for Deep Learning of Higher-Level Cognition [108.89281493851358]
  興味深い仮説は、人間と動物の知性はいくつかの原則によって説明できるということである。 この研究は、主に高いレベルとシーケンシャルな意識的処理に関心のある人を中心に、より大きなリストを考察する。 これらの特定の原則を明確にする目的は、人間の能力から恩恵を受けるAIシステムを構築するのに役立つ可能性があることである。
  論文  参考訳（メタデータ） (2020-11-30T18:29:25Z)
• Human $\neq$ AGI [1.370633147306388]
  AGI(General Intelligence)とHLAI(Human-Level Artificial Intelligence)は、人工知能研究の聖杯を相互に参照するために用いられる。 本稿では,AGI と HLAI の能力の等価性の暗黙的な仮定は,人間は一般知能ではないため不当であると考えられる。
  論文  参考訳（メタデータ） (2020-07-11T14:06:13Z)
• 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。