論文の概要: The Future of AI is Many, Not One
- arxiv url: http://arxiv.org/abs/2603.29075v1
- Date: Mon, 30 Mar 2026 23:31:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-01 15:25:02.945208
- Title: The Future of AI is Many, Not One
- Title（参考訳）: AIの未来は多すぎる、一つではない
- Authors: Daniel J. Singer, Luca Garzino Demo,
- Abstract要約: 私たちは、特異な超知能エージェントではなく、一緒に働くAIエージェントのグループからのブレークスルーを期待すべき理由を示しています。
多様なチームを持つことで、ソリューションの探索を拡大し、早期のコンセンサスを遅らせ、非従来的なアプローチの追求を可能にします。
私たちが論じているのは、トランスフォーメーション・トランスフォーマーベースのAIの未来は、基本的に多様であり、一つではないということだ。
- 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: The way we're thinking about generative AI right now is fundamentally individual. We see this not just in how users interact with models but also in how models are built, how they're benchmarked, and how commercial and research strategies using AI are defined. We argue that we should abandon this approach if we're hoping for AI to support groundbreaking innovation and scientific discovery. Drawing on research and formal results in complex systems, organizational behavior, and philosophy of science, we show why we should expect deep intellectual breakthroughs to come from epistemically diverse groups of AI agents working together rather than singular superintelligent agents. Having a diverse team broadens the search for solutions, delays premature consensus, and allows for the pursuit of unconventional approaches. Developing diverse AI teams also addresses AI critics' concerns that current models are constrained by past data and lack the creative insight required for innovation. The upshot, we argue, is that the future of transformative transformer-based AI is fundamentally many, not one.
- Abstract（参考訳）: 私たちが現在考えている生成AIの考え方は、基本的に個人的です。
これは、モデルとのインタラクション方法だけでなく、モデルの構築方法、ベンチマーク方法、AIを使った商用および研究戦略の定義方法にも当てはまります。
AIが画期的なイノベーションと科学的発見をサポートすることを望んでいるなら、このアプローチを放棄すべきだ、と私たちは主張する。
複雑なシステム、組織行動、科学哲学における研究と公式な結果に基づいて、我々はなぜ、単一の超知能エージェントではなく、エピステマティックに多様なAIエージェントのグループから深い知的なブレークスルーを期待すべきなのかを示す。
多様なチームを持つことで、ソリューションの探索を拡大し、早期のコンセンサスを遅らせ、非従来的なアプローチの追求を可能にします。
多様なAIチームを開発することは、現在のモデルが過去のデータによって制約され、イノベーションに必要な創造的な洞察が欠如しているという、AI評論家の懸念にも対処する。
私たちが論じているのは、トランスフォーメーション・トランスフォーマーベースのAIの未来は、基本的に多様であり、一つではないということだ。
関連論文リスト
- AI Phenomenology for Understanding Human-AI Experiences Across Eras [8.54750896635797]
AI現象学とは、AIシステムと対話する際に「どう感じたか?」と問う研究スタンスである。
私たちはAI現象学を、ユーザーとAIシステム間のアライメントの体験、交渉、更新を捉えるフレームワークとして動機付けています。
論文 参考訳（メタデータ） (2026-03-09T23:26:46Z) - Gaming the Arena: AI Model Evaluation and the Viral Capture of Attention [0.0]
剣術的な「浴場」に着目してAIモデルを評価するいわゆる「アリーナ」の台頭について検討する。
私は、アリーナ化はAIコミュニティの中と外の両方の注目を集めたいという'ウイルス'の欲求に支えられていると論じます。
論文 参考訳（メタデータ） (2025-12-17T09:50:13Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳（メタデータ） (2023-09-14T17:12:03Z) - Bootstrapping Developmental AIs: From Simple Competences to Intelligent
Human-Compatible AIs [0.0]
主流のAIアプローチは、大きな言語モデル(LLM)による生成的および深層学習アプローチと、手動で構築されたシンボリックアプローチである。
このポジションペーパーでは、開発AIの実践を拡張して、レジリエンスでインテリジェントで、人間と互換性のあるAIを作り出すための、展望、ギャップ、課題を概説する。
論文 参考訳（メタデータ） (2023-08-08T21:14:21Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - A User-Centred Framework for Explainable Artificial Intelligence in
Human-Robot Interaction [70.11080854486953]
本稿では,XAIのソーシャル・インタラクティブな側面に着目したユーザ中心型フレームワークを提案する。
このフレームワークは、エキスパートでないユーザのために考えられた対話型XAIソリューションのための構造を提供することを目的としている。
論文 参考訳（メタデータ） (2021-09-27T09:56:23Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z)
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。