論文の概要: An Operational Kardashev-Style Scale for Autonomous AI - Towards AGI and Superintelligence
- arxiv url: http://arxiv.org/abs/2511.13411v1
- Date: Mon, 17 Nov 2025 14:24:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-18 14:36:25.298173
- Title: An Operational Kardashev-Style Scale for Autonomous AI - Towards AGI and Superintelligence
- Title（参考訳）: 自律型AIのためのオペレーショナルなKardashev-Style Scale - AGIと超知能を目指して
- Authors: Przemyslaw Chojecki,
- Abstract要約: 我々は,Kardashevにインスパイアされたものの,自律型AI(AAI)尺度を提案する。
固定されたロボットプロセス自動化(AAI-0)から完全な人工知能(AAI-4)に至るまでの進捗を計測する。
AAI-インデクスによって集約された10つの能力軸(自律性、一般性、計画、記憶/永続性、ツール経済、自己改革、社会性/コーディネーション、身体的、世界モデル忠実性、経済的アウトプット)を定義する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a Kardashev-inspired yet operational Autonomous AI (AAI) Scale that measures the progression from fixed robotic process automation (AAI-0) to full artificial general intelligence (AAI-4) and beyond. Unlike narrative ladders, our scale is multi-axis and testable. We define ten capability axes (Autonomy, Generality, Planning, Memory/Persistence, Tool Economy, Self-Revision, Sociality/Coordination, Embodiment, World-Model Fidelity, Economic Throughput) aggregated by a composite AAI-Index (a weighted geometric mean). We introduce a measurable Self-Improvement Coefficient $κ$ (capability growth per unit of agent-initiated resources) and two closure properties (maintenance and expansion) that convert ``self-improving AI'' into falsifiable criteria. We specify OWA-Bench, an open-world agency benchmark suite that evaluates long-horizon, tool-using, persistent agents. We define level gates for AAI-0\ldots AAI-4 using thresholds on the axes, $κ$, and closure proofs. Synthetic experiments illustrate how present-day systems map onto the scale and how the delegability frontier (quality vs.\ autonomy) advances with self-improvement. We also prove a theorem that AAI-3 agent becomes AAI-5 over time with sufficient conditions, formalizing "baby AGI" becomes Superintelligence intuition.
- Abstract（参考訳）: 我々は、固定されたロボットプロセス自動化(AAI-0)から完全な人工知能(AAI-4)に至るまでの進捗を計測するKardashev-inspireed yet operational autonomous AI(AAI)尺度を提案する。
物語のはしごとは異なり、我々のスケールは多軸でテスト可能である。
AAI-Index(重み付き幾何平均)で集約された10つの能力軸(自律性、一般性、計画、記憶/永続化、ツール経済、自己改革、社会性/コーディネーション、身体的、世界モデル忠実性、経済的アウトプット)を定義する。
評価可能な自己改善係数であるκ$(エージェント初期資源単位当たりの能力向上)と, '`self-improving AI'' を偽判定基準に変換する2つのクロージャ特性(保守と拡張)を導入する。
OWA-Benchは、長期的、ツール使用、永続的なエージェントを評価するオープンワールドエージェンシーベンチマークスイートである。
AAI-0\ldots AAI-4 のレベルゲートを、軸のしきい値、κ$、クロージャ証明を用いて定義する。
シンセティックな実験は、現在のシステムがスケールにどのようにマッピングするか、どのようにデリゲータ(品質 vs. 品質)を図示します。
自主性) 自己改善によって進化する。
また、AAI-3エージェントが十分な条件で時間とともにAAI-5となるという定理を証明し、「ベイビーAGI」を定式化することは超知能直観となる。
関連論文リスト
- LIMI: Less is More for Agency [49.63355240818081]
LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。
高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。
マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
論文 参考訳（メタデータ） (2025-09-22T10:59:32Z) - The next question after Turing's question: Introducing the Grow-AI test [51.56484100374058]
本研究は,GROW-AIと呼ばれる人工知能評価の枠組みを拡張することを目的としている。
GROW-AIは、チューリングテストの自然な後継者である"Can Machine grow up?
この作品の独創性は、人間の世界から人工知能への「成長」過程の概念的な変換にある。
論文 参考訳（メタデータ） (2025-08-22T10:19:42Z) - ML-Master: Towards AI-for-AI via Integration of Exploration and Reasoning [49.25518866694287]
本稿では,探索と推論をシームレスに統合する新しいAI4AIエージェントであるML-Masterを提案する。
我々はML-MasterをMLE-Benchで評価し、平均メダル率29.3%を達成し、既存の手法をはるかに上回っている。
論文 参考訳（メタデータ） (2025-06-19T17:53:28Z) - Scalable, Symbiotic, AI and Non-AI Agent Based Parallel Discrete Event Simulations [0.0]
本稿では,複数のAIエージェントと非AIエージェントを組み合わせた並列離散イベントシミュレーション(PDES)手法を提案する。
我々は、4つの異なるドメインから4つの問題を解き、その結果をAIモデルだけで比較することで、我々のアプローチを評価する。
その結果,バニラモデルの精度が23%未満であるため,アプローチ全体の精度は68%であった。
論文 参考訳（メタデータ） (2025-05-28T17:50:01Z) - General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。
私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。
私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
論文 参考訳（メタデータ） (2025-03-09T01:13:56Z) - Universal AI maximizes Variational Empowerment [0.0]
我々は、自己学習エージェントであるSelf-AIXIの既存のフレームワークの上に構築する。
ユニバーサルAIエージェントのパワーサーキング傾向は、将来の報酬を確保するための手段戦略として説明できる、と我々は主張する。
私たちの主な貢献は、これらのモチベーションがAIエージェントを体系的に高オプション状態を探し、維持する方法を示すことです。
論文 参考訳（メタデータ） (2025-02-20T02:58:44Z) - Compliance Cards: Automated EU AI Act Compliance Analyses amidst a Complex AI Supply Chain [9.991293429067065]
我々は、複雑なAIサプライチェーンの中で、プロバイダ側AIAコンプライアンス分析のための完全なシステムを導入する。
ひとつは、AIA固有のメタデータをキャプチャする、計算的でマルチステークホルダーの透明性アーティファクトのインターロックセットです。
第2のアルゴリズムは、AIシステムやモデルがAIAに準拠しているかどうかをリアルタイムで予測するアルゴリズムである。
論文 参考訳（メタデータ） (2024-06-20T22:07:15Z)
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。