人工知能の研究における最新のブレークスルーについての一般的で繰り返される見方は、知性のあるインテリジェントな機械がまさに地平線上にあるというものです。機械は、言葉によるコマンドを理解し、写真を区別し、車を運転し、ゲームを私たちよりもうまくプレイします。彼らが私たちの間を歩く前にどれくらい長くなることができますか？
人工知能に関する新しいホワイトハウスのレポートは、その夢について適切に懐疑的な見方をしています。今後20年間は、「人間の能力に匹敵するか、それを超える広範に適用可能なインテリジェンスを示す」とは考えられないだろうと述べています。その他のタスク。」しかし、それらの機能がどのように開発されるかについてのその仮定は、いくつかの重要なポイントを逃しました。
AI研究者として、私は自分の分野をアメリカ政府の最高レベルで強調することができて良かったと認めますが、レポートはほとんど私が「退屈な種類のAI」と呼ぶものに焦点を当てていました。私のAI研究の分岐を半文で解き放ち、進化がどのように進化し続けるAIシステムの開発に役立つか、および計算モデルが人間の知性の進化の仕方を理解するのにどのように役立つかについて説明しました。
レポートでは、機械学習とディープラーニングなど、主流のAIツールと呼ばれるものに焦点を当てています。これらは「Jeopardy！」をプレイすることができた種類のテクノロジーです。さて、これまでに発明された最も複雑なゲームで人間のGoマスターを倒しました。これらの現在のインテリジェントシステムは、大量のデータを処理し、複雑な計算を非常に迅速に行うことができます。しかし、将来的に私たちが想像する知能機械を構築するための鍵となる要素が欠けています。
機械を教えるだけでは不十分です。 4つの異なるタイプの人工知能を定義する境界、つまりマシンを私たちから、そして私たちをマシンから分離する障壁を克服する必要があります。
タイプI AI：リアクティブマシン
最も基本的なタイプのAIシステムは純粋にリアクティブであり、記憶を形成したり、過去の経験を使用して現在の決定を通知したりすることはできません。 1990年代後半に国際的なグランドマスターのギャリーカスパロフ氏を倒したIBMのチェスプレイスーパーコンピューターであるディープブルーは、このタイプのマシンの完璧な例です。
ディープブルーは、チェス盤の駒を識別し、それぞれの動きを知ることができます。それは、その動きとその対戦相手の次の動きを予測することができます。そして、可能性の中から最適な動きを選ぶことができます。
しかし、それには過去の概念も、以前に起こったことの記憶もありません。同じ動きを3回繰り返すことに対して、めったに使用されないチェス固有のルールを除いて、ディープブルーは現在より前のすべてを無視します。それがしているのは、現在立っているチェス盤の駒を見て、可能な次の動きから選ぶことだけです。
このタイプのインテリジェンスには、コンピューターが世界を直接認識し、それが見ているものに作用することが含まれます。それは世界の内部概念に依存していません。独創的な論文で、AI研究者のロドニーブルックスは、このようなマシンだけを構築するべきだと主張しました。彼の主な理由は、コンピューターが使用する正確なシミュレートされた世界、つまりAI奨学金では世界の「表現」と呼ばれるものをプログラミングするのがあまり上手ではないためです。
私たちが驚嘆する現在のインテリジェントマシンには、そのような世界の概念がないか、その特定の職務に対して非常に限定された専門的な機械があります。ディープブルーのデザインにおける革新は、コンピュータが検討する可能な映画の範囲を広げることではありませんでした。むしろ、開発者たちはその結果をどのように評価したかに基づいて、将来の動きの可能性を追求するのをやめるために、視野を狭める方法を見つけました。この能力がなければ、ディープブルーは実際にカスパロフを倒すためにさらに強力なコンピューターである必要があったでしょう。
同様に、人間のトップGoエキスパートを打ち負かしたGoogleのAlphaGoも、将来のすべての潜在的な動きを評価することはできません。その分析方法は、ディープブルーよりも洗練されており、ニューラルネットワークを使用してゲーム開発を評価します。
これらの方法は、特定のゲームをよりよくプレイするAIシステムの能力を向上させますが、簡単に変更したり、他の状況に適用したりすることはできません。これらのコンピュータ化された想像力には、より広い世界という概念はありません。つまり、割り当てられた特定のタスクを超えて機能することはできず、簡単にだまされます。
彼らはインタラクティブに世界に参加することはできません。これは、ある日AIシステムを想像するような方法です。代わりに、これらのマシンは、同じ状況に遭遇するたびにまったく同じように動作します。これは、AIシステムの信頼性を確保するのに非常に役立ちます。自動運転車を信頼できるドライバーにしたいと考えています。しかし、マシンが真に世界と関わり、それに反応することを望んでいるのは悪いことです。これらの最も単純なAIシステムは、退屈したり、興味を持ったり、悲しいことはありません。
Type II AI：限られたメモリ
このタイプIIクラスには、過去を調査できるマシンが含まれています。自動運転車はすでにこれのいくつかを行っています。たとえば、他の車の速度と方向を監視します。これは一瞬で行うことはできませんが、特定のオブジェクトを識別して、時間をかけて監視する必要があります。
これらの観察結果は、自動運転車のあらかじめプログラムされた世界の表現に追加されます。これには、車線のマーキング、信号機、道路のカーブなどのその他の重要な要素も含まれます。車が車線を変更するタイミングを決定するとき、別のドライバーを遮断したり、近くの車にぶつからないようにするために含まれています。
しかし、過去に関するこれらの簡単な情報は一時的なものです。それらは、車の学習ライブラリーの一部としては保存されません。人間のドライバーが何年にもわたって経験を積み上げていく方法です。
では、どのようにして完全な表現を構築し、その経験を思い出し、新しい状況を処理する方法を学ぶAIシステムを構築できるでしょうか。これを行うのが非常に難しいという点で、ブルックスは正しかった。ダーウィンの進化に触発された方法に関する私自身の研究は、機械にそれら自身の表現を構築させることによって、人間の欠点を補い始めることができます。
タイプIII AI：心の理論
ここで止めて、この時点を、私たちが所有しているマシンと将来構築するマシンとの間の重要な隔たりと呼ぶかもしれません。ただし、マシンが形成する必要のある表現のタイプと、それらが何である必要があるかについて説明する方が具体的である方が良いです。
次のより高度なクラスのマシンは、世界に関する表現だけでなく、世界の他のエージェントまたはエンティティに関する表現も形成します。心理学では、これを「心の理論」と呼びます。つまり、世界中の人、生き物、物体は、自分の行動に影響を与える思考や感情を持つことができるという理解です。
これは、私たち人間が社会を形成する方法にとって非常に重要です。お互いの動機や意図を理解せず、また誰かが私や環境について知っていることを考慮に入れなければ、協力することはせいぜい困難で、最悪の場合は不可能です。
AIシステムが実際に私たちの間を歩き回るのであれば、彼らは私たち一人一人が私たちがどのように扱われるかについての考えと感情と期待を持っていることを理解できなければなりません。そして、それに応じて行動を調整する必要があります。
タイプIV AI：自己認識
AI開発の最後のステップは、自分自身に関する表現を形成できるシステムを構築することです。最終的に、AI研究者は意識を理解するだけでなく、意識を備えたマシンを構築する必要があります。
これは、ある意味では、タイプIIIの人工知能が持っている「心の理論」を拡張したものです。意識は、理由のために「自己認識」とも呼ばれます。 （「私はそのアイテムが欲しい」は「私はそのアイテムが欲しいのを知っている」とはまったく異なる発言です。）意識的な存在は自分自身を認識し、内部の状態を知り、他人の感情を予測することができます。交通渋滞で私たちの後ろを警戒している誰かが怒っている、または焦っていると思います。心の理論がなければ、そのような類推はできませんでした。
私たちはおそらく自己認識型のマシンを作成することにはほど遠いですが、記憶、学習、および過去の経験に基づいて意思決定を行う能力の理解に向けて努力を集中する必要があります。これは、人間の知性をそれ自体で理解するための重要なステップです。また、目の前にあるものを分類するのに並外れた機械を設計または進化させることが重要です。
Arend Hintze、統合生物学およびコンピュータサイエンスおよびエンジニアリングの助教授、 ミシガン州立大学
