Fugu-MT 論文翻訳(概要): The Dynamics of Intelligence Explosions

論文の概要: The Dynamics of Intelligence Explosions

arxiv url: http://arxiv.org/abs/2608.14426v1
Date: Fri, 14 Aug 2026 16:07:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-17 20:14:29.431375
Title: The Dynamics of Intelligence Explosions
Title（参考訳）: インテリジェンス爆発のダイナミクス
Abstract要約: 特異な成長は、最近の経済にインスパイアされたモデリングによって予想されるよりも達成が難しいことを私は示します。指数よりも速いが、垂直的な漸近には至らない、重要だが無視された成長率のクラスがあることを私は示します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: AI is increasingly being used to help with AI R&D. Under certain conditions this feedback loop might be able to produce an intelligence explosion, with rapidly escalating AI capabilities. I explore the mathematics of the most explosive possibilities, with an eye to understanding what drives the dynamics. I show that singular growth (towards a vertical asymptote) is harder to achieve than would be expected from recent economics-inspired modelling, and that there is an important but neglected class of growth rates that are faster than exponential but don't lead to a vertical asymptote. I draw out the generation time (the time to go around the feedback loop) as a neglected parameter that plays a pivotal role in determining the behaviour of any intelligence explosion --- one cannot have singular growth unless the generation time rapidly approaches zero.
Abstract（参考訳）: AIはますます、AIの研究開発を助けるために使われている。特定の条件下では、このフィードバックループは、AI能力を急速にエスカレートするインテリジェンス爆発を発生させる可能性がある。私は最も爆発的な可能性の数学を探求し、ダイナミクスを駆動するものを理解することに目を向けます。特異成長(垂直漸近)は、近年の経済にインスパイアされたモデリングから期待されるよりも達成が困難であり、指数関数よりも速いが垂直漸近に繋がらない、重要だが無視された成長率のクラスが存在することを示す。私は、任意のインテリジェンス爆発の振る舞いを決定する上で重要な役割を果たす無視されたパラメータとして、生成時間(フィードバックループを回す時間)を描きます。

関連論文リスト

Are AI Capabilities Increasing Exponentially? A Competing Hypothesis [26.116836335203725]
短期的な地平線においても、このデータは指数的な成長をサポートしていないと論じる。我々は、AI能力をベースと推論能力に分解するより複雑なモデルを提案する。
論文参考訳（メタデータ） (2026-02-04T18:28:49Z)
The Hot Mess of AI: How Does Misalignment Scale With Model Intelligence and Task Complexity? [53.15349353876531]
AIがより有能になるにつれて、より汎用的で簡潔なタスクを委任します。我々はAIモデルによる誤りのバイアス分散分解を用いてこの問題を運用する。より有能なAIはより困難なタスクを追求し、よりシーケンシャルな行動と思考を必要とするので、私たちの結果は失敗がより一貫性のない行動を伴うことを予測します。
論文参考訳（メタデータ） (2026-01-30T14:52:03Z)
Toward Ultra-Long-Horizon Agentic Science: Cognitive Accumulation for Machine Learning Engineering [59.18634614089481]
超長距離機械学習工学(MLE)を習得する自律エージェントML-Master 2.0を提案する。文脈管理を認知的蓄積のプロセスとして考えることで、階層的認知キャッシング(HCC)を導入する。 HCCは、エージェントが短期的な実験戦略から即時実行を分離することを可能にする。オープンAIのMLE-Benchを24時間予算で評価すると、ML-Master 2.0は56.44%の最先端のメダルを獲得した。
論文参考訳（メタデータ） (2026-01-15T13:52:04Z)
AI Needs Physics More Than Physics Needs AI [0.0]
2024年のノーベル化学物理学賞はAIの可能性を認めているが、より広範な評価は、現在の影響が技術よりもしばしば促進されていることを示している。私たちは、現在のAIは物理学に影響を与えるかもしれないが、物理学は、この世代のAIを提供するために、はるかに多くのものを提供していると論じている。
論文参考訳（メタデータ） (2025-12-18T09:31:05Z)
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)
Less is More: some Computational Principles based on Parcimony, and Limitations of Natural Intelligence [39.89179121430488]
自然知性は、より少ないことで一貫して達成される。今日のAIは、ほぼ無制限の計算能力、エネルギー、データに依存して、高いパフォーマンスを実現している。本稿では, NIの制約は, 効率, 適応性, クリエイティビティのパラドックス触媒であると主張している。
論文参考訳（メタデータ） (2025-06-08T09:42:29Z)
The Generative AI Paradox: "What It Can Create, It May Not Understand" [81.89252713236746]
生成AIの最近の波は、潜在的に超人的な人工知能レベルに対する興奮と懸念を引き起こしている。同時に、モデルは、専門家でない人でも期待できないような理解の基本的な誤りを示している。一見超人的な能力と、ごく少数の人間が起こすエラーの持続性を、どうやって再現すればよいのか?
論文参考訳（メタデータ） (2023-10-31T18:07:07Z)
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)
Neurocompositional computing: From the Central Paradox of Cognition to a new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文参考訳（メタデータ） (2022-05-02T18:00:10Z)
Abstract Spatial-Temporal Reasoning via Probabilistic Abduction and Execution [97.50813120600026]
時空間推論は人工知能(AI)の課題である最近の研究は、この種の抽象的推論タスクに焦点を当てている -- Raven's Progressive Matrices (RPM) ニューロシンボリックな確率的アブダクションと実行学習者(PrAE)を提案する。
論文参考訳（メタデータ） (2021-03-26T02:42:18Z)
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)

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。