論文の概要: On the Computability of Artificial General Intelligence

• arxiv url: http://arxiv.org/abs/2512.05212v1
• Date: Thu, 04 Dec 2025 19:32:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-13 22:40:56.789998
• Title: On the Computability of Artificial General Intelligence
• Title（参考訳）: 人工知能の計算可能性について
• Authors: Georgios Mappouras, Charalambos Rossides,
• Abstract要約: 我々は、A.I.だけでなく、機械計算可能なプロセス(すなわちアルゴリズム)よりも上限を定義することを試みている。 初期アルゴリズム自体に存在しない新しい機能を示すアルゴリズムは存在しない。 A.I.モデルは、既存の機能機能と、既存の機能機能の組み合わせと置換を実証することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years we observed rapid and significant advancements in artificial intelligence (A.I.). So much so that many wonder how close humanity is to developing an A.I. model that can achieve human level of intelligence, also known as artificial general intelligence (A.G.I.). In this work we look at this question and we attempt to define the upper bounds, not just of A.I., but rather of any machine-computable process (a.k.a. an algorithm). To answer this question however, one must first precisely define A.G.I. We borrow prior work's definition of A.G.I. [1] that best describes the sentiment of the term, as used by the leading developers of A.I. That is, the ability to be creative and innovate in some field of study in a way that unlocks new and previously unknown functional capabilities in that field. Based on this definition we draw new bounds on the limits of computation. We formally prove that no algorithm can demonstrate new functional capabilities that were not already present in the initial algorithm itself. Therefore, no algorithm (and thus no A.I. model) can be truly creative in any field of study, whether that is science, engineering, art, sports, etc. In contrast, A.I. models can demonstrate existing functional capabilities, as well as combinations and permutations of existing functional capabilities. We conclude this work by discussing the implications of this proof both as it regards to the future of A.I. development, as well as to what it means for the origins of human intelligence.
• Abstract（参考訳）: 近年,人工知能(A.I.)の急速な進歩が観察されている。 人工知能(AI、英: Artificial General Intelligence、略称: A.G.I.)は、人工知能(AI)として知られる、人間の知能レベルを達成するためのAIモデルである。 本研究では、この問題を考察し、A.I.だけでなく、機械計算可能なプロセス(すなわちアルゴリズム)も定義しようと試みる。 しかし、この質問に答えるためには、まず正確にA.G.Iを定義する必要がある。 我々は、A.I.の先駆者によって使用されるように、この用語の感情を最もよく表す、A.G.I.[1]という以前の作業の定義を借用する。 つまり、ある分野の研究において創造的かつ革新的になる能力は、その分野における新しい、以前は知られていない機能的能力を解き放ちます。 この定義に基づいて、計算の限界に新しい境界を描く。 我々は、初期アルゴリズム自体に存在しない新しい機能を証明できないことを正式に証明した。 したがって、科学、工学、芸術、スポーツなど、あらゆる分野において、アルゴリズムは(したがって、AIモデルも)真に創造的なものではない。 対照的に、A.I.モデルは既存の機能機能と、既存の機能機能の組み合わせと置換を実証することができる。 本研究は,A.I.の発展におけるこの証明の意味と,それが人間の知性の起源にどのような意味を持つのかを論じることによって,この研究を結論づける。

関連論文リスト

• AI Agents as Universal Task Solvers [94.49762121230042]
  我々は,過去のデータを用いて,普遍的な解法が達成できる最適なスピードアップが,アルゴリズム情報と密接な関係があることを示す。 我々は、推論モデルをスケールする際に最適化する重要な量は時間であり、学習における重要な役割は、これまでは間接的にのみ考慮されてきたと論じている。
  論文  参考訳（メタデータ） (2025-10-14T02:17:54Z)
• Evaluating Intelligence via Trial and Error [59.80426744891971]
  本研究では,試行錯誤プロセスにおける失敗回数に基づいて知性を評価するためのフレームワークとして,Survival Gameを紹介した。 フェールカウントの期待と分散の両方が有限である場合、新しい課題に対するソリューションを一貫して見つける能力を示す。 我々の結果は、AIシステムは単純なタスクで自律レベルを達成するが、より複雑なタスクではまだまだ遠いことを示している。
  論文  参考訳（メタデータ） (2025-02-26T05:59:45Z)
• 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)
• On a Functional Definition of Intelligence [0.0]
  合意されたインテリジェンスの定義がなければ、"このシステムはインテリジェントか? 知性(intelligence)とは、哲学、心理学、認知科学の分野である。 我々は、その知性が実際に達成される方法とは異なる、純粋に機能的でブラックボックスな知性の定義について論じる。
  論文  参考訳（メタデータ） (2023-12-15T05:46:49Z)
• A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
  大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。 我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
  論文  参考訳（メタデータ） (2023-10-14T23:28:48Z)
• Brain-inspired Computational Intelligence via Predictive Coding [73.42407863671565]
  予測符号化(PC)は、機械学習コミュニティにとって潜在的に価値のある、有望な特性を示している。 PCライクなアルゴリズムは、機械学習とAIの複数のサブフィールドに存在し始めている。
  論文  参考訳（メタデータ） (2023-08-15T16:37:16Z)
• 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)
• A Finite-Time Technological Singularity Model With Artificial Intelligence Self-Improvement [0.0]
  人工知能が人工知能エンジニアに人間を置き換えると仮定して、有限時間の技術的特異点のモデルを構築します。 人工知能の無限レベルの発展は現実的には達成できないが、この近似はいくつかの理由で有用である。
  論文  参考訳（メタデータ） (2020-08-31T15:29:14Z)
• Is Intelligence Artificial? [0.0]
  本稿では,自然界,次に人工知能に適用可能な統一的な定義を提案する。 コルモゴロフの複素性理論に基づく計量が示唆され、エントロピーに関する測度が導かれる。 承認されたAIテストのバージョンは、後に 'acid test' として提示され、フリー思考プログラムが達成しようとするものかもしれない。
  論文  参考訳（メタデータ） (2014-03-05T11:09:55Z)

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。