論文の概要: CTM-AI: A Blueprint for General AI Inspired by a Model of Consciousness

• arxiv url: http://arxiv.org/abs/2605.04097v1
• Date: Thu, 30 Apr 2026 20:48:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-07 18:41:07.430217
• Title: CTM-AI: A Blueprint for General AI Inspired by a Model of Consciousness
• Title（参考訳）: CTM-AI:意識モデルにインスパイアされた汎用AIの青写真
• Authors: Haofei Yu, Yining Zhao, Lenore Blum, Manuel Blum, Paul Pu Liang,
• Abstract要約: 本稿では,CTM(Conscious Turing Machine)と現在の基盤モデルを組み合わせた汎用AIシステムであるCTM-AIの早期青写真を提案する。 CTM-AIには、専門の専門家から特定されていない汎用学習者まで、膨大な数の強力なプロセッサが含まれている。 CTM-AIは、MUStARD (72.28) とUR-FUNNY (72.13) で最先端の精度を実現し、マルチモーダルおよびマルチエージェントフレームワークを上回っている。
• 参考スコア（独自算出の注目度）: 29.836140116105227
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite remarkable advances, today's AI systems remain narrow in scope, falling short of the flexible, adaptive, and multisensory intelligence that characterizes human capabilities. This gap has fueled longstanding debates about whether AI might one day achieve human-like generality or even consciousness, and whether theories of consciousness can inspire new architectures for AI. This paper presents an early blueprint for implementing a general AI system, CTM-AI, combining the Conscious Turing Machine (CTM), a formal machine model of consciousness, with today's foundation models. CTM-AI contains an enormous number of powerful processors ranging from specialized experts (e.g., vision-language models and APIs) to unspecialized general-purpose learners poised to develop their own expertise. Crucially, for whatever problem must be dealt with, information from many processors is selected, integrated, and exchanged appropriately to solve the task. CTM-AI achieves state-of-the-art accuracy on MUStARD (72.28) and UR-FUNNY (72.13), outperforming multimodal and multi-agent frameworks. On tool-using and agentic tasks, CTM-AI achieves 10+ points of improvement on StableToolBench and WebArena-Lite. Overall, CTM-AI offers a principled, testable blueprint for general AI inspired by a model of consciousness.
• Abstract（参考訳）: 目覚ましい進歩にもかかわらず、今日のAIシステムは範囲が狭く、人間の能力を特徴づける柔軟性、適応性、多感覚知能に欠けています。 このギャップは、AIがいつの日か人間のような一般性や意識を達成できるかどうか、そして意識の理論がAIの新しいアーキテクチャを刺激できるかどうか、長年にわたって議論を呼んだ。 本稿では,意識の形式的マシンモデルである意識チューリングマシン(CTM)と,今日の基礎モデルを組み合わせた汎用AIシステムであるCTM-AIの早期青写真を提案する。 CTM-AIには、専門の専門家(ビジョン言語モデルやAPIなど)から、独自の専門知識を開発するための専門知識を持たない汎用学習者まで、膨大な数の強力なプロセッサが含まれている。 重要なことに、どんな問題にも対処するためには、多くのプロセッサからの情報が選択され、統合され、タスクを解決するために適切に交換される。 CTM-AIは、MUStARD (72.28) とUR-FUNNY (72.13) で最先端の精度を実現し、マルチモーダルおよびマルチエージェントフレームワークを上回っている。 ツールの使用とエージェントタスクに関して、CTM-AIはStableToolBenchとWebArena-Liteで10以上の改善点を達成している。 全体として、CTM-AIは、意識のモデルにインスパイアされた一般AIのための原則付きテスト可能な青写真を提供する。

関連論文リスト

• Embodied AI: From LLMs to World Models [65.68972714346909]
  人工知能(AI)は、人工知能(AGI)を実現するためのインテリジェントシステムパラダイムである。 近年のLarge Language Models(LLMs)とWorld Models(WMs)のブレークスルーは、AIを具現化する上で大きな注目を集めている。
  論文  参考訳（メタデータ） (2025-09-24T11:37:48Z)
• AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
  私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。 まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。 第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
  論文  参考訳（メタデータ） (2025-06-14T12:43:07Z)
• Personalized Artificial General Intelligence (AGI) via Neuroscience-Inspired Continuous Learning Systems [3.764721243654025]
  現在のアプローチは、タスク固有のパフォーマンスを改善するが、継続的で適応性があり、一般化された学習を可能にするには不十分なモデルパラメータの拡張に大きく依存している。 本稿では、連続学習と神経科学に触発されたAIの現状を概観し、脳のような学習機構をエッジ展開に統合したパーソナライズされたAGIのための新しいアーキテクチャを提案する。 これらの洞察に基づいて、我々は、相補的な高速かつスローな学習モジュール、シナプス的自己最適化、デバイス上の寿命適応をサポートするためのメモリ効率のモデル更新を特徴とするAIアーキテクチャの概要を述べる。
  論文  参考訳（メタデータ） (2025-04-27T16:10:17Z)
• A call for embodied AI [1.7544885995294304]
  我々は、人工知能の次の基本ステップとして、エンボディードAIを提案する。 Embodied AIの範囲を広げることで、認知アーキテクチャに基づく理論的枠組みを導入する。 このフレームワークはFristonのアクティブな推論原則と一致しており、EAI開発に対する包括的なアプローチを提供する。
  論文  参考訳（メタデータ） (2024-02-06T09:11:20Z)
• Large Language Models Empowered Autonomous Edge AI for Connected Intelligence [51.269276328087855]
  エッジ人工知能(Edge AI)は、コネクテッドインテリジェンスを実現するための有望なソリューションである。 この記事では、ユーザのさまざまな要件を満たすために自動的に組織化し、適応し、最適化する、自律的なエッジAIシステムのビジョンを示す。
  論文  参考訳（メタデータ） (2023-07-06T05:16:55Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

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。