Visual Abstraction and Reasoning through Language

要約

人工知能 (AI) モデルは、狭義の用途では人間、あるいは超人的なパフォーマンスを達成しましたが、より広範でより柔軟な知能の兆候を示すには依然として苦労しています。
Fran\cois Chollet によって導入された抽象推論コーパス (ARC) は、AI システムが人間のような認知能力にどの程度近づいているかを評価することを目的としています。
現在のアプローチのほとんどは、注意深く手作りされたドメイン固有言語 (DSL) に依存しており、ARC に存在するタスクに対する総当たりの解決策に使用されます。
この研究では、タスクの自然言語記述に基づいて ARC を解決するための一般的なフレームワークを提案します。
ARC 上の最先端の DSL モデルにはまだ勝てませんが、これまで未解決のタスクを解決する能力によって示唆される、私たちのアプローチの計り知れない可能性を実証しています。

要約(オリジナル)

While Artificial Intelligence (AI) models have achieved human or even superhuman performance in narrowly defined applications, they still struggle to show signs of broader and more flexible intelligence. The Abstraction and Reasoning Corpus (ARC), introduced by Fran\c{c}ois Chollet, aims to assess how close AI systems are to human-like cognitive abilities. Most current approaches rely on carefully handcrafted domain-specific languages (DSLs), which are used to brute-force solutions to the tasks present in ARC. In this work, we propose a general framework for solving ARC based on natural language descriptions of the tasks. While not yet beating state-of-the-art DSL models on ARC, we demonstrate the immense potential of our approach hinted at by the ability to solve previously unsolved tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google