シミュレート都市で暮らすことによって学ぶAIを想像してください - トラフィックをナビゲーションし、仮想災害に反応し、デジタル市民と対話します。 これらのシナリオは、単純な予測アルゴリズムから浸透するデジタル世界に進化するにつれて、AIモデルが複雑な環境を理解し、予測し、ナビゲートするために使用できる内部シミュレーションである高度な「世界モデル」の例です。 世界モデルって何? 世界モデルは、AIが将来の結果をシミュレーションし、仮説をテストし、戦略的に行動を計画することを可能にする内部表現である。このコンセプトは、人間と動物が自分の経験に基づいて結果を予測する方法によってインスピレーションを得て、神経科学に深い根拠を持ち、AIは将来の記憶やシナリオを処理することを夢見るように、AIは行動を計画し、予測を改善することを「夢見る」。例えば、人が一日をコンピュータについて読んで過ごすと、彼らの夢は、これらの経験を混ぜて抽象化し、脳が将来のタスクや相互作用を予測するのを助けるコンパクトな表現を作り出す可能性がある。同様に、AIシステムは学習したシミュレーションを使用 2018年には、タイトルは「Innovative Paper これらのモデルは単純な統計的予測を超え、AIが精神世界と積極的に関わり、複雑な因果関係を予測することを可能にし、このような能力は強化学習、ロボットナビゲーション、および不確実な環境における高度な計画に不可欠です。 「World Models」 David Ha & Jürgen Schmidhuber 「World Models」 David Ha & Jürgen Schmidhuber このアプローチの最も先進的な例は、DeepMindによって開発されたDreamerエージェントです。DreamerV2は、AIがシミュレーションと計画を手助けする外部世界の単純な抽象化である環境の圧縮された内部モデルを学ぶという考えを導入しました。この内部モデルを使用して、エージェントは、常に迷路の交差点で右折するなど、一般的な意思決定戦略であるポリシーを開発することができます。これらのポリシーは直接の相互作用を通じてではなく、隠れた空間内の可能な未来を想像することによって訓練されています。 これにより、さまざまなタスクや環境で強力なパフォーマンスを示すことで、ハイパーパラメーターの単一セットを用いて、学習アルゴリズムの行動を制御するコアの調節設定を拡張しました。 ドリーム3 ドリーム3 テストベッドとしてのビデオゲーム ビデオゲームは、これらの世界モデルを洗練するための理想的な環境を提供します。ゲームは、実世界の課題をシミュレートするのに十分に複雑で、厳格な実験を可能にするのに十分に管理可能な構造化された、しかしオープンエンドのデジタル風景を提供します。 , has become a crucial platform for training agents. Its block-based universe allows AIs to learn tasks ranging from resource gathering to advanced construction, developing generalized problem-solving skills that translate surprisingly well to real-world scenarios. ミネラル ミネラル もう一つの顕著な例は、 OpenAIによって開発されたこのシステムは、競合するAIエージェントによって完全に住まわれた巨大なマルチプレイヤー世界を生成します。これらのエージェントは、複雑なエコシステムの中で生き残り、協力し、競争する必要があります。  (MARL), a subfield that studies how agents learn not in isolation, but in response to and alongside other agents. ニューラルムー 学習強化 ニューラルムー 学習強化 MARLの最も顕著な研究の1つは、 基本的なツールと移動可能なオブジェクトを備えたシンプルな仮想環境で、エージェントはハイダーと探求者に分かれていました。最初は、ハイダーは基本的な避難所を構築するために壁やボックスを使用することを学びました。その応答として、探求者はランプーを使用してこれらの避難所に侵入する能力を開発しました。その後、ハイダーは、ランプーを隠したりロックしたりすることを学び、探求者は「ボックスサーフィン」のような完全に新しい戦術を発見し、障害を乗り越えるためにボックスの上を乗り越えました。これらの行動は事前にプログラムされていませんでした。彼らは、エージェント間の適応と反応のサイクルを通じて数百万のトレーニングエ OpenAIのHide-and-Seek実験 OpenAIのHide-and-Seek実験 この出現する複雑さは、ダイナミックな世界モデルと組み合わせたMARLの力を示す:エージェントが豊富な、インタラクティブな環境に埋め込まれて、対立するまたは補完的な目標を持つ他の人に暴露されたとき、驚くほど創造的な戦略が現れる可能性があります。同様に、ニューラルMMOでは、エージェントは記憶、戦略的計画、領土性、さらには初期的な社会的行動を開発します。 シミュレーションハイスタックシナリオ:Digital Epidemiology ゲームはAI訓練のためのエキサイティングな環境を提供する一方で、世界モデルの力は、流行病学的シミュレーションなどの重要な現実世界のアプリケーションに広がります。COVID-19大流行の間、コンピュータモデリングは、ウイルスの拡散を予測し、介入戦略をテストする上で貴重なものとなりました。 EpiSim などのツールと すでに詳細な流行病学モデルの作成を可能にしているが、これらのシミュレーションをリアルタイムの相互作用を可能にする高度なAIシステムと組み合わせると、より豊富な分析ツールが生まれる。研究者は、加速したシナリオを実行し、ロックドーン、ワクチン、または社会的距離化ガイドラインなどの介入をテストすることができる。世界モデルトレーニングによって駆動されたとき、AIシステムは、通常大規模なシミュレーションに関連する計算負荷を減らすだけでなく、計画を加速するだけでなく、時間と人口をカスカディングする効果を予測することによって最適な応答を特定し、驚くべき効率でこれらの介入を内部でシミュレーションすることができます。 ネット ネット 世界モデルなしの伝統的なシミュレーションは、しばしば膨大な処理力と時間を必要とし、緊急のリアルタイムの意思決定の文脈での使用を制限します。世界モデルベースのシステムの効率性と適応性は、医学、天体物理学、計算生物学などのハイスタックドメインにとって特に有望であり、複雑なダイナミクスをモデリングすることは不可欠ですが、しばしば非常に高価です。 AI Living Inside Worlds: From Passive Observers to Active Inhabitants(インサイダー・ワールド) 世界モデルは、AIがどのように環境を認識し、相互作用するかを根本的に変えています。伝統的に、AIシステムは静的データセットを解釈したり、事前定義された刺激に反応したりします。世界モデルベースのシステムは、内部で生成された現実の中でアクティブな参加者となり、文脈を推定し、行動をダイナミックに適応することができます。 AIは、独自のシミュレート世界内の積極的な実験を通じて学ぶ代わりに、ルールを明示的に教えられずにゲームをマスターする。 ミュージアム ミュージアム これらのシステムは、AIを使用して単にツールを構築するのではなく、AIの訓練と開発に特化した洗練されたシミュレーションされた世界を構築する未来を示唆しています。このようなデジタル生息地は、AIシステムが現実世界のアプリケーションに展開する前に、複雑な行動、戦略、相互作用を安全に学ぶことを可能にします - 例えば、AI医師がシミュレーションされた医療危機に訓練し、AI交渉者が複雑な外交を実践するか、または予測不可能なシナリオに満ちた仮想都市環境をナビゲーションする自動車。 
 
 この記事は、学生が設立し、学生が率いるAI倫理団体であるOur AIが、現代のメディアで一般的に議論されているものを超えてAIの視点を多様化することを目指しています。 この記事は、学生が設立し、学生が率いるAI倫理団体であるOur AIが、現代のメディアで一般的に議論されているものを超えてAIの視点を多様化することを目指しています。 現実研究室としてのゲーム しかし、これらのシミュレーションがより豊かになり、私たちは哲学的および倫理的な境界に近づいています。 十分に進歩した文明は必然的に現実的なシミュレーションを生み出し、もしかしたら私たち自身もその中に存在するのかもしれません。 哲学者ニック・ボストロムの「シミュレーション論点」 哲学者ニック・ボストロムの「シミュレーション論点」 同様に、人工知能の安全性についての研究者兼著者であるEliezer Yudkowsky氏は、高度に詳細なシミュレーションが現実自体から区別がつかないことができ、潜在的に真の意識を収容する可能性があることを示唆している。もし私たちがAIのために構築しているシミュレート世界が十分に複雑になれば、それらは最終的に生物学的生物から区別がつかない意識や知性の形態を生み出すことができるだろうか?これは、AIトレーニングの問題を純粋に実用的な問題から深い倫理的考慮に変える。 「メタベース」の概念はしばしば人間の経験に焦点を当てている:社会的相互作用と貿易のための仮想空間であるが、そのより深い潜在力は、人間の脱出ではなく、AIの培養にあるかもしれない。 結論:シミュレーションの限界 革新的な貢献にもかかわらず、世界モデルと複数のエージェントの強化学習の研究は、近年、主要なラボからの投資が減少していることがわかっています。大規模な言語モデルへの関心の高まりは、これらの複雑な、システムレベルのプロジェクトから注意と資金調達を遠ざけています - その多くは、OpenAIのニューラルMMOやタグベースのMARL実験のように、新興情報の最も説得力のあるデモの一部を提供しました。 これらの種類の研究は直接収益を生み出すことはないかもしれませんが、人工知能が何になるのかについての最も深く、最も感動的な洞察を明らかにします。OpenAIの隠し探求実験は、5年前に実施され、AI研究の観点では永遠です。今日の膨大なコンピューティングリソース、より大きなモデル、より豊かな環境を考慮して、この研究の境界が平等なコミットメントで追求されれば、戦略的行動や合成社会性の形態がどのようなものかを想像するしかありません。 世界モデルは抽象的な理論的構造から、ゲーム、科学、さらには他のAIモデルについて考える方法を再構築する実用的なツールへと急速に進化しています。それらは、高度に制御されながらもダイナミックに複雑な環境で詳細なシナリオテスト、戦略計画、リスクのない実験を可能にします。これらのシミュレーションがより浸透的で現実的になるにつれて、内部に居住するAIモデルは、単なるコードの代わりに有機的な生命に似て、知性と創造の私たちの感知のための未知の領域になるかもしれません。 結局のところ、世界モデルは、現実とシミュレーション、テクノロジーと人生の境界線を再考するように私たちに挑戦します。 脚本:Liv Skeete

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Read My Stories

このオーディオは、ストーリーの元の言語で制作されています。

How World Models Laid the Foundations for Artificial General Intelligence(世界モデルが人工一般知能の基礎を築いた方法)

About Author

コメント

ラベル

この記事は

Related Stories

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

暗号通貨の成長: 効果的なユーザーペルソナの作成

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

ユニークなエコシステムを支えるビットコインUTXOのモデル

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

暗号通貨の成長: 効果的なユーザーペルソナの作成

HackerNoon Coded: HackerNoonが最も活発に活動している上位10カ国

ユニークなエコシステムを支えるビットコインUTXOのモデル

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps