新しいニューラルモデルがAIとAIの言語コミュニケーションを可能にした

人工知能（AI）の分野で大きな進歩を遂げた、ジュネーブ大学（UNIGE）のチームは、モデルを開発し、人間独自の特徴である、口頭または書面の指示に基づいてタスクを実行し、それを他の人に伝えることができるようにしました。この成果は、AIの長年の課題に対する大きな進歩であり、この分野の進化における重要な里程標です。

歴史的に、AIシステムは大量のデータを処理し、複雑な計算を実行する能力が高かった。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び、それを他の人に伝えることは、AIシステムが常に苦手としてきた分野でした。複雑な指示を理解し、伝える能力は、高度な認知機能の証拠であり、人間の知能の独自の特徴でした。

UNIGEチームのブレークスルーは、単なるタスクの実行を超えて、人間のような言語の一般化に達しています。AIモデルは指示を吸収し、記述されたタスクを実行し、そして「姉妹」AIと会話して、言語的にプロセスを伝えることができます。これにより、AI、特に人間とAIの相互作用やロボティクスなどの分野で、前例のない可能性が開けられます。

AIにおける人間の認知能力の複製の課題

人間の認知能力は、学習し、複雑なタスクを伝える能力を示しています。これらの能力は、私たちの神経認知システムに深く根ざしており、迅速に指示を理解し、それを他の人に伝えることができます。AIにおけるこの複雑な学習と言語的表現の相互作用の複製は、大きな課題でした。人間と違って、従来のAIシステムは、特定のタスクに対する大量のトレーニングと、繰り返しの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感的に理解し、それを伝える能力は、未解決のままでした。

AIの能力のこのギャップは、既存のモデルの限界を強調しています。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た推論や、人間のようなコミュニケーション能力は持っていません。

UNIGEの研究は、これらの限界を克服する大きな一歩です。AIモデルを開発し、指示に基づいてタスクを実行し、そしてそれを別のAIエンティティに伝えることで、UNIGEのチームは、AIの認知的および言語的能力の重要な進歩を示しています。この進歩は、AIが人間のような学習とコミュニケーションをより近づける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）は、人間の言語とAIの理解のギャップを埋めるために重要な役割を果たしています。NLPにより、コンピューターが人間の言語を理解し、解釈し、有意義な方法で応答することができます。このAIのサブフィールドは、コンピューターと人間の間の自然言語の相互作用に焦点を当て、人間の言語を読み、解釈し、有意義な方法で理解することを目的としています。

NLPの基本原理は、大量の自然言語データを処理し、分析する能力に基づいています。この分析は、単に言葉を字義通りに理解することだけに限定されず、言葉の背景、感情、さらには言葉の中に含まれるニュアンスを理解することも含みます。NLPを利用することで、AIシステムは、翻訳、感情分析、会話エージェントなどの複雑なタスクを実行することができます。

この進歩の中心にあるのは、生物学的ニューロンにインスパイアされ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伝達する方法を模倣し、相互接続されたノードを介して情報を処理します。このアーキテクチャにより、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。

UNIGEのAIコミュニケーションアプローチ

ジュネーブ大学のチームは、人間の認知能力を模倣した人工ニューラルネットワークを開発しようとしました。鍵は、言語を理解するだけでなく、言語を使用してタスクを伝えることが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、既存の人工ニューロンモデル、S-Bertから始まりました。これは、言語理解能力で知られていました。

UNIGEチームの戦略は、300万のニューロンで構成されるS-Bertを、小さくてシンプルなニューラルネットワークに接続することでした。この小さなネットワークは、言語処理と生成に関与する人間の脳の特定の領域、ウェルニケ野とブロッカ野を模倣するように設計されました。ウェルニケ野は言語理解に重要であり、ブロッカ野は言語生成と処理に重要です。

これらの2つのネットワークの融合は、これらの2つの脳領域の複雑な相互作用を模倣することを目的としました。初期段階では、結合されたネットワークはウェルニケ野を模倣するようにトレーニングされ、言語を理解する能力を磨かれました。その後、ブロッカ野を模倣するようにトレーニングされ、言語を生成し、伝える能力が与えられました。注目すべきは、このプロセスが従来のラップトップコンピューターで実行されたことです。これは、このモデルのアクセシビリティとスケーラビリティを示しています。

実験とその意味

実験では、AIに英語の書面指示が与えられ、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、単純な動作、たとえば、刺激に反応して特定の場所を指すことから、視覚的な刺激の微妙な違いを認識して反応するようなより複雑なタスクまで、幅広いものでした。

モデルは、人間の動作や指示を模倣し、タスクを実行しました。注目すべきは、タスクをマスターした後、AIはこれらのタスクを言語的に説明し、2番目のネットワーク、最初のネットワークの複製に伝えることができたことです。この2番目のネットワークは、指示を受け取ると、タスクを成功的に複製しました。

この成果は、2つのAIシステムが言語のみを使用してコミュニケーションをとり、タスクを実行した最初の例であり、AI開発の重要な里程標です。AIが言語を使用して別のAIにタスクを指示する能力は、AIの相互作用とコラボレーションの新しい境界を開きます。

ロボティクスと先の展望

この革新は、ロボティクスを含むさまざまな分野に大きな影響を与えます。この技術のロボティクスへの応用は特に有望です。人間型ロボットは、これらの高度なニューラルネットワークを搭載し、複雑な指示を理解し、実行することができます。これにより、ロボットの機能性と自律性が向上します。この能力は、学習と適応が必要なタスク、たとえばヘルスケア、製造、パーソナルアシスタンスなどの分野で設計されたロボットにとって不可欠です。

さらに、この技術の影響はロボティクスを超えて、カスタマーサービス、教育、ヘルスケアなどの分野にも及びます。コミュニケーションと学習能力が向上したAIシステムは、よりパーソナライズされたサービスを提供できます。UNIGEモデルに基づくより複雑なネットワークの開発は、人間の言語を理解し、人間の認知プロセスを模倣するAIシステムの創出の機会を提供します。これにより、より自然で直感的なユーザーエクスペリエンスが可能になります。

AIコミュニケーションのこの進歩は、人間と機械の知能のギャップが狭まる未来を示唆しています。UNIGEの研究は、AIの進化する能力の証拠であり、人工的認知とコミュニケーションの分野における将来の探究のための道標です。