Artificial Intelligence

新しいニューラルモデルにより AI 間の言語コミュニケーションが可能に

公開済み

3ヶ月前

2024 年 3 月 24 日

人工知能 (AI) の大きな進歩において、ジュネーブ大学 (UNIGE) のチームはモデルの開発に成功したこれは、口頭または書面による指示に基づいてタスクを実行し、その後それを他の人に伝えるという、人間特有の特性をエミュレートします。この成果は AI における長年の課題に対処し、この分野の進化におけるマイルストーンを示します。

歴史的に、AI システムは膨大な量のデータの処理と複雑な計算の実行に優れてきました。しかし、人間が直感的に実行するタスク、つまり簡単な指示から新しいタスクを学習し、そのプロセスを他の人が再現できるように明確にするという点では、彼らは常に及ばないのです。複雑な指示を理解するだけでなく伝達する能力は、これまで人間の知性の特徴であった高度な認知機能の証拠です。

UNIGE チームの躍進は、単なるタスクの実行を超えて、高度な領域にまで及びます人間のような言語の一般化。これには、指示を吸収し、記述されたタスクを実行し、「姉妹」AI と会話してプロセスを言語用語で中継し、複製を可能にする AI モデルが含まれます。この開発は、AI、特に効果的なコミュニケーションが重要である人間と AI の相互作用やロボット工学の領域において、前例のない可能性を切り開きます。

人間の認知能力を AI で再現するという課題

人間の認知スキルは、複雑なタスクを学習し、伝達する際に優れた能力を発揮します。私たちの神経認知システムに深く根ざしたこれらの能力により、私たちは指示を迅速に理解し、自分の理解を一貫した方法で他の人に伝えることができます。 AI における学習と言語表現の間のこの複雑な相互作用を再現することは、大きな課題でした。人間とは異なり、従来の AI システムでは特定のタスクに関する広範なトレーニングが必要であり、多くの場合、大規模なデータセットと反復強化学習に依存していました。 AI が最小限の指示からタスクを直観的に把握し、その理解を明確に表現する能力は、依然としてとらえどころのないものです。

AI 機能におけるこのギャップは、既存のモデルの限界を浮き彫りにしています。ほとんどの AI システムは、プログラムされたアルゴリズムとデータセットの範囲内で動作し、トレーニングを超えて外挿したり推論したりする機能がありません。その結果、AI が新しいシナリオに適応したり、人間のような方法で洞察を伝達したりする可能性は大幅に制限されます。

UNIGE 研究は、これらの限界を克服する上での大きな進歩を表しています。 UNIGE のチームは、指示に基づいてタスクを実行するだけでなく、これらのタスクを別の AI エンティティに伝達する AI モデルを設計することにより、AI の認知能力と言語能力の重要な進歩を実証しました。この開発は、AI が人間のような学習とコミュニケーションをより忠実に模倣し、そのような動的な対話性と適応性を必要とするアプリケーションへの扉を開く未来を示唆しています。

自然言語処理でギャップを埋める

自然言語処理（NLP）人間の言語と AI の理解の間のギャップを埋める最前線に立っています。 NLP により、機械は人間の言語を意味のある方法で理解、解釈し、応答できるようになります。 AI のこのサブ分野は、自然言語を使用したコンピューターと人間の間の対話に焦点を当てており、貴重な方法で人間の言語を読み取り、解読し、理解することを目的としています。

NLP の基礎となる原理は、大量の自然言語データを処理および分析できる機能にあります。この分析は、文字通りの意味で単語を理解することに限定されるものではなく、文脈、感情、さらには言語内の暗黙のニュアンスの把握にまで及びます。 NLP を活用することで、AI システムは、翻訳や感情分析から、会話エージェントのようなより複雑なインタラクションに至るまで、さまざまなタスクを実行できます。

NLP の進歩の中心となるのは、人間の脳の生物学的ニューロンからインスピレーションを得た人工ニューラルネットワークの開発です。これらのネットワークは、人間のニューロンが電気信号を送信し、相互接続されたノードを通じて情報を処理する方法をエミュレートします。このアーキテクチャにより、人間の脳が経験から学習するのと同じように、ニューラルネットワークは入力データから学習し、時間の経過とともに改善することができます。

これらの人工ニューラルネットワークと生物学的ニューロンの間の接続は、AI の言語能力を進歩させる上で重要な要素です。 AI 研究者は、人間の言語の理解と生成に関わる神経プロセスをモデル化することで、人間の認知機能を反映する方法で言語を処理できるシステムの基礎を築いています。 UNIGE の研究は、高度なニューラルネットワークモデルを使用して、人間の認知に固有の言語理解とタスク実行の間の複雑な相互作用をシミュレートおよび再現することで、このアプローチを例示しています。

AI コミュニケーションに対する UNIGE のアプローチ

ジュネーブ大学のチームは、人間の認知能力を反映する人工ニューラルネットワークの作成を目指しました。重要なのは、言語を理解するだけでなく、学習したタスクを伝えるために言語を使用できるシステムを開発することでした。彼らのアプローチは、言語理解能力で知られる既存の人工ニューロンモデル S-Bert から始まりました。

UNIGE チームの戦略には、言語理解について事前にトレーニングされた 300 億個のニューロンで構成される S-Bert を、より小規模で単純なニューラルネットワークに接続することが含まれていました。この小さなネットワークは、言語処理と言語生成に関与する人間の脳の特定の領域 (それぞれウェルニッケ野とブローカ野) を複製する任務を負っていました。脳のウェルニッケ野は言語理解に重要であり、ブローカ野は音声生成と言語処理において極めて重要な役割を果たします。

これら 2 つのネットワークの融合は、これら 2 つの脳領域間の複雑な相互作用をエミュレートすることを目的としていました。当初、統合ネットワークはウェルニッケ野をシミュレートするように訓練され、言語を知覚し解釈する能力を磨きました。その後、ブローカ野の機能を再現するための訓練を受け、言語の生成と構音を可能にしました。注目すべきことに、このプロセス全体は従来のラップトップコンピューターを使用して実行され、モデルのアクセシビリティとスケーラビリティが実証されました。

実験とその意味

この実験では、AI に英語で書かれた指示を入力し、指示されたタスクを実行する必要がありました。これらのタスクは、刺激に応じて場所を指すなどの単純なアクションから、視覚刺激の微妙なコントラストを識別してそれに反応するなどのより複雑なものまで、複雑さによって異なります。

モデルは動きや指差しの意図をシミュレートし、これらのタスクに対する人間の反応を模倣しました。注目すべきことに、これらのタスクを習得した後、AI は、最初のネットワークの複製である 2 番目のネットワークにそれらのタスクを言語的に説明できるようになりました。この 2 番目のネットワークは、指示を受信すると、タスクを正常に複製しました。

この成果は、2 つの AI システムが純粋に言語を通じて相互に通信した最初の例であり、AI 開発におけるマイルストーンとなります。ある AI が言語コミュニケーションのみを通じて別の AI にタスクの完了を指示できる機能は、AI の対話性とコラボレーションに新たな境地を開きます。

この開発の影響は学術的な関心を超えて広がり、ロボット工学や自動化システムなど、高度な AI 通信に依存する分野での大幅な進歩が期待されます。

ロボット工学とその先への展望

この革新はロボット工学の分野に大きな影響を与え、他のさまざまな分野にも広がります。この技術のロボット工学への応用の可能性は特に有望です。これらの高度なニューラルネットワークを備えたヒューマノイドロボットは、複雑な命令を理解して実行し、機能と自律性を強化できます。この機能は、医療、製造、個人支援など、適応性と学習が必要なタスク用に設計されたロボットにとって非常に重要です。

さらに、このテクノロジーの影響はロボット工学を超えて広がります。顧客サービス、教育、ヘルスケアなどの分野では、コミュニケーション能力と学習能力が強化された AI システムにより、よりパーソナライズされた効果的なサービスを提供できる可能性があります。 UNIGE モデルに基づいたより複雑なネットワークの開発は、人間の言語を理解するだけでなく、人間の認知プロセスを模倣した方法で対話する AI システムを作成する機会をもたらし、より自然で直観的なユーザーエクスペリエンスにつながります。

AI コミュニケーションにおけるこの進歩は、人間と機械の知能の間のギャップが縮まり、テクノロジーと私たちの相互作用を再定義する可能性のある進歩につながる未来を示唆しています。したがって、UNIGE の研究は、AI の能力が進化していることを証明するだけでなく、人工認知とコミュニケーションの領域における将来の探求への標識でもあります。