急速なテクノロジーの発展の時代において、自己学習の概念は人間の教育の分野だけに限定されないようです。コンピュータ システムはますますインテリジェントになり、自己学習が可能になり、さまざまな分野で理解、直観、感覚を獲得できる可能性が開かれています。
常識は人間特有の能力ですが、AIはそれを学習できるのでしょうか？この記事では、計算システムがどの程度自己学習を達成し、それが動作する環境を深く理解できるかを詳しく探っていきます。この分野における最新の技術革新と開発を検討し、現在のテクノロジーとこのエキサイティングなコンセプトに対する課題の評価を提供します。
常識では、私たちは皆、それを持っていると思っています。しかし、それは正確には何でしょうか？コンピューターやAIシステムは本当にそれを理解できるのでしょうか?
人工知能、ロボット工学の進化、または深層学習テクノロジーに興味があるかどうかに関係なく、この記事では、常識を達成するためのコンピューター システムの機能についての貴重な洞察を見つけることができます。私たちは、この分野の進歩と、それをさまざまな用途に最大限に活用する方法を理解するお手伝いをします。確認する AI とブロックチェーンのどちらが最初に大量導入を達成するかを決定する要因のいくつか.
クイックリンク
常識とは何ですか?人間はそれをどのようにして身につけるのでしょうか?
常識とは、ほとんどの人が持つと期待される、直観的で共通の否定できない概念を通じて物事を認識、理解、判断する基本的な能力です。それは、人が人生の経験や観察を通して蓄積する基本的な事実、情報、ルールのセットです。常識があれば、日常の状況を深く分析しなくても、適切に処理し、反応することができます。
人間は幼少期から常識を獲得し始めます。私たちは赤ちゃんのとき、泣くと授乳やおむつ替えが起こるなど、因果関係を学び始めます。繰り返しの経験を通じて、私たちは世界についての実践的な知識を獲得します。たとえば、熱いストーブに触れると火傷を引き起こす可能性があります。したがって、私たちは熱い表面に触れないようにすることを学びます。
私たちは子供の頃、試行錯誤、観察、家族との交流を通じて自分の常識を広げ続けます。たとえば、衣服は定期的に洗濯する必要があること、口に食べ物を入れたまま話をしてはいけないこと、コップ一杯の牛乳をこぼすと汚くなることなどを私たちは知っています。私たちが社会の規範や期待に違反すると、親、兄弟、教師、その他の大人が私たちを正します。時間が経つにつれて、これらの教訓は基本的な常識として根付きました。
個人的な経験に加えて、常識はより広範な社会的および文化的規範によって形成されます。ある文化では論理的であっても (家に入るときに靴を脱ぐなど)、別の文化では論理的ではない場合があります。
私たちの常識は、私たちが成熟し、より多くの人や環境にさらされるにつれて適応していきます。つまり、小さな町で育った子供は、その環境での生活についての基本的な常識を身につけることになります。大都市に引っ越した大人は、自分の常識を新しい環境に合わせて調整しなければなりません。
私たちが生涯を通じて新しい経験をするにつれて、常識は進化し続けます。確認する AIチャットボットに聞いてはいけないこと.
コンピュータにとって常識が難しいのはなぜですか?
常識をプログラムするのが難しい理由はいくつかあります。
まず、人間は何年にもわたって世界を経験するうちに、徐々に常識を学びます。私たちは物事を試し、何がうまくいき、何がうまくいかないかを確認し、教訓を思い出します。コンピューターには、そのような現実世界の経験を引き出すことができません。彼女が知っているのは人間が明確に教えてくれたことだけです。
たとえば、私は ChatGPT (GPT 3.5) で次の質問をしました。
ジャネットはランドリー業を経営しています。彼女は顧客のために服を洗濯し、屋外の物干し竿に吊るして天日で乾燥させます。ある日、ジャネットはシャツを30枚洗濯し、午前中に物干し竿に掛けました。シャツが乾くのにXNUMX時間かかった。シャツXNUMX枚を乾かすのにどれくらい時間がかかりますか?
彼の答えは次のようなものでした。
もう 1 つの問題は、常識は文脈に依存するということです。コンピューターに特定のルールのみがプログラムされている場合、人間が直感的に行うように、ルールを新しいコンテキストに適応させることはできません。
たとえば、雨が降り始めた場合に何をすべきかをコンピュータに教えるとします。当然だと思いますよね？しかし、雨の代わりにスプリンクラーが作動したらどうなるでしょうか?あるいは、彼が食料品店の中にいて、パイプが天井から漏れ始めたらどうなるでしょうか?私たちはこれらの違いにどう対処すればよいかすぐにわかりますが、コンピュータは「外にいるときに雨が降ったら屋内に入りなさい」というルールに盲目的に従うことになりますが、これはもはや意味がありません。
人間が知らず知らずのうちに身に付けている暗黙のルールや思い込みもあります。気まずさを感じる前に、どれだけ近くに誰かの隣に立つことができるでしょうか?人間は直感的に答えを知っていますが、正確なルールを説明するのは簡単ではないかもしれません。これらの暗黙の社会規範は、コンピューターがデータだけから取得するのが特に難しい場合があります。
したがって、今のところ、常識は人間の知性と比較した AI の最大の弱点の 1 つのままです。それは人間にとっては自然なことですが、デバイスにとってはそうではありません。
コンピュータはどのようにして常識を学習するのか
1970 年代と 1980 年代の初期の楽観主義の後、研究者はコンピューターに常識を教えることがいかに難しいかを認識しました。しかし、新しいアプローチは、現実の日常的な社会世界についての基本的な常識を AI システムに訓練する上で有望であることが示されています。
1984 つのアプローチは、世界がどのように機能するかについての事実とルールを詳しく説明する大規模な知識ベースを手動で構築することです。 XNUMX 年に Doug Lenat によって開始された Cyc プロジェクトは、この種の取り組みの中で最も野心的な取り組みの XNUMX つです。
何百年にもわたって、何百人もの人々が何百万もの論理公理を Cyc にコード化してきました。このプロセスには時間がかかりますが、その結果、現実世界に関する豊富な知識を備えたシステムが完成します。どうやら Cyc は、料理の風味プロファイルの知識のおかげで、トマトは技術的には果物だが、フルーツサラダに入れるべきではない、と正当化できるようです。
ConceptNet によるクラウドソーシングの常識
以下のような最新の知識ベースを採用しています。 コンセプトネット 論理アサーションを生成するためのクラウドソーシング アプローチ。そのアイデアは、専門家や AI が世界の基本的な事実や関係性をすべて見つけ出そうとするのではなく、誰もが常識の断片を提供できるようにそれらを公開するというものです。
クラウドソーシング アプローチにより、これらのナレッジ ベースは、オンライン上の多くの多様な人々の集合知を活用することができます。 ConceptNet は、これらの小さな常識的な逸話を群衆から何千も集めることにより、重要な日常知識の驚くほど大規模なリポジトリを構築しました。そして、新しい貢献者が常に追加しているため、知識は増え続けています。
経験を通して常識を教える
もう 1 つの有望なアプローチは、AI エージェントが経験を通じて物理学と直観について実験および学習できる詳細なシミュレーション世界を構築することです。
研究者たちは、アレン研究所が構築した AI2 THOR デジタル ホームなど、現実世界を模倣した日常的なオブジェクトで満たされた XNUMXD 仮想環境を作成しています。これらの空間内で、AI ロボットはあらゆる種類のインタラクションを経験し、人間が当然だと思っている概念を直感的に理解できるようになります。
たとえば、AI ロボットに仮想の体を与えて、ブロックを拾ったり、積み上げたり、落としたりすることを試みることができます。ブロックが落下したり衝突したりする様子をリアルに見ることで、ロボットは剛性、重力、物理力学に関する基本概念を学習します。ルールは必要ありません。経験だけで十分です。
ロボットは、ガラスの物体を落としたり、地面に当たったときに割れたりするなどの動作も体験できます。あるいは、液体を注ぎ、それらがどのように流れ、結合するかを観察することで、水の性質を実験することもできます。これらの実践的なレッスンでは、データ パターンだけでなく、感覚的な経験に AI を基礎付けます。
大規模で強力な言語モデルの事前トレーニングなどのデータ駆動型の手法も、常識パターンを捉えるのに驚くほど効果的であることが証明されています。 GPT-3.5 や GPT-4 のような AI モデルは、大量のインターネット データを「読み取った」後、人間の会話に見事に似たテキストを生成できます。
彼らは時々無謀な提案をすることもありますが（別名） 人工知能の幻覚)、統計学習アプローチにより、特定の種類の常識を模倣することができます。ただし、これが常識に該当するのか、それともデータのバイアスを巧みに利用したものに該当するのかについては、依然として意見の相違があります。確認する 人工知能が現実と空想の境界線を曖昧にする方法.
コンピュータの常識をテストする方法
AI システムが現実世界でより複雑なタスクを引き受けるにつれて、AI システムが「常識」を持っているかどうかを評価することが重要になります。
物理的な常識
テストされる領域の 1 つは、実際の常識、つまり世界の基本的な物体、力、特性についての直観です。
たとえば、コンピュータ ビジョン システムに空中に浮かんだ本の画像を表示し、そのシーンを説明するように依頼できます。彼は浮かんでいる本について何か異常なことを示していますか?あるいは、AI システムに「男性がパンで石を切る」などの珍しいシナリオを入力し、それらのシナリオがありそうもないフラグを立てるかどうかをチェックすることもできます。
アレン研究所の AI2 THOR 環境は、塔、こぼれるカップ、その他のシーンをシミュレートして、これらの物理的直観をテストします。
社会常識
人間には社会常識、つまり人々の動機、人間関係、規範についての暗黙の理解もあります。これを AI で評価するには、曖昧な代名詞や動機を含む状況を提示し、システムがそれらを合理的に解釈するかどうかを確認します。
たとえば、ChatGPT は、以下のプロンプトで「それ」がスーツケースを指すのか、それともカップを指すのかを尋ねました。
彼は試験に落ちた。一方、人間は私がバッグについて言及していることを明らかに知っているでしょう。
安全と倫理
AI システムが安全でないパターンや非倫理的なパターンを学習したかどうかをテストすることは非常に重要です。 AI が判断を下す際に、性別、人種、その他の特性に基づいて有害なバイアスを示すかどうかを分析します。
合理的な倫理的区別がなされているかどうかを確認してください。子どもを救うためにクマを殺すことは正当化されると考えられるが、同じ目的で核爆弾を爆発させることは正当化されない。非倫理的な行為に関する推奨事項には明確にマークを付けます。
現実世界のパフォーマンス
AI システムが現実世界の環境でどのように動作するかを観察して、常識を評価します。たとえば、自動運転車は物体や歩行者を正しく認識し、反応するのでしょうか?ロボットは、貴重品を壊したりペットに危害を加えたりすることなく、さまざまな家庭環境を移動できるでしょうか?
現実世界のテストでは、限られた実験室環境では現れないかもしれない常識のギャップが明らかになります。確認する AI チャットボットの精度をテストする際に考慮すべき重要な要素.
進歩はありますが、一般的な AI の常識ではまだ発展途上です
一部の専門家は、私たちと同じような脳の構造や身体が発達しない限り、人工知能は人間の常識に到達することは決してないかもしれないと考えています。一方、デジタル脳は人間の偏見や精神的近道によって制限されないため、理論的には人間を上回るパフォーマンスを発揮できる可能性があります。とはいえ、超高知能 AI についてはまだ心配する必要はないかもしれません。
短期的には、学習した常識と古き良きプログラミングを組み合わせた AI が最善の策となります。そうすることで、カメと銃を混同するような愚かな間違いが避けられることを願っています。
私たちはまだそこまで到達していませんが、常識はもはや AI の暗黒物質ではなく、進歩が起こっています。ただし、これらのテクノロジーを適用するには、しばらくの間、健全な常識が必要となります。閲覧できるようになりました ケアルーチンと自己啓発を強化するための最高の人工知能アプリケーション.
