ARC-NCA: Towards Developmental Solutions to the Abstraction and Reasoning Corpus

要約

後に改名されたARC-AGIと改名された抽象化と推論コーパス（ARC）は、人工的な一般情報（AGI）に根本的な課題を提起し、多様なタスク全体で堅牢な抽象化と推論能力を示すソリューションを必要としますが、正しい例を示すわずかな（中央値）正しい例が提示されます。
ARC-AGIは人工知能システムにとって非常に挑戦的なままですが、人間にとってはかなり簡単です。
このペーパーでは、ARC-NCAを紹介します。ARC-NCAは、ARC-AGIベンチマークに取り組むために隠された記憶（Engramnca）で強化された標準的な神経細胞オートマトン（NCA）を活用し、NCAを強化します。
NCAは、複雑なダイナミクスと緊急パターンをシミュレートする固有の能力に採用されており、生物系で観察される発達プロセスを模倣しています。
開発ソリューションは、単なるトレーニングデータの外挿を超えて、AIの問題解決機能を強化するための有望な手段を提供する可能性があります。
ARC-NCAは、発達原理を計算モデルに統合することが適応的な推論と抽象化をどのように促進できるかを示しています。
ARC-NCAの概念実証結果が、ChatGPT 4.5のそれに匹敵し、時には上を上回ることができることを示します。

要約(オリジナル)

The Abstraction and Reasoning Corpus (ARC), later renamed ARC-AGI, poses a fundamental challenge in artificial general intelligence (AGI), requiring solutions that exhibit robust abstraction and reasoning capabilities across diverse tasks, while only few (with median count of three) correct examples are presented. While ARC-AGI remains very challenging for artificial intelligence systems, it is rather easy for humans. This paper introduces ARC-NCA, a developmental approach leveraging standard Neural Cellular Automata (NCA) and NCA enhanced with hidden memories (EngramNCA) to tackle the ARC-AGI benchmark. NCAs are employed for their inherent ability to simulate complex dynamics and emergent patterns, mimicking developmental processes observed in biological systems. Developmental solutions may offer a promising avenue for enhancing AI’s problem-solving capabilities beyond mere training data extrapolation. ARC-NCA demonstrates how integrating developmental principles into computational models can foster adaptive reasoning and abstraction. We show that our ARC-NCA proof-of-concept results may be comparable to, and sometimes surpass, that of ChatGPT 4.5, at a fraction of the cost.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google