General Purpose Artificial Intelligence Systems (GPAIS): Properties, Definition, Taxonomy, Open Challenges and Implications

要約

人工知能 (AI) のアプリケーションのほとんどは、限定された特定のタスク向けに設計されています。
ただし、特別に設計されていなくても、幅広いタスクを解決できる、より汎用的な AI が必要なシナリオは数多くあります。
汎用人工知能システム (GPAIS) という用語は、これらの AI システムを指すように定義されています。
これまでのところ、人間であるかのようにあらゆる知的作業を実行したり、それを改善したりするほど強力な汎用人工知能の可能性は、依然として願望やフィクションであり、私たちの社会にとってリスクであると考えられてきました。
その達成にはまだ遠いかもしれませんが、GPAIS は現実のものであり、AI 研究の最前線に立っています。
この研究では、GPAIS の既存の定義について議論し、その特性と制限に応じて GPAIS のタイプを段階的に区別できる新しい定義を提案します。
私たちは、クローズドワールド GPAIS とオープンワールド GPAIS を区別し、新しいタスクへの適応、意図的に訓練されていない分野での能力、少数のデータから学習する能力、または彼らの積極的な認識などのいくつかの要素に基づいて、彼らの自主性と能力の程度を特徴付けます。
自分自身の限界。
次に、GPAIS を実現するためのアプローチの分類を提案し、別の AI または基礎モデルを改善するための AI 技術の使用などの研究傾向を説明します。
代表的な例として、分類学で提示されている用語や概念と照らし合わせながら、生成 AI を詳しく掘り下げます。
提案された定義と分類法を通じて、私たちの目的は、多くの共通点を共有する汎用タスクに取り組むさまざまな分野にわたる研究協力を促進することです。
最後に、GPAIS の全体像を提供することを目的として、GPAIS の現状、その課題と展望、私たちの社会への影響、責任ある信頼できる AI システムと規制の必要性について議論します。

要約(オリジナル)

Most applications of Artificial Intelligence (AI) are designed for a confined and specific task. However, there are many scenarios that call for a more general AI, capable of solving a wide array of tasks without being specifically designed for them. The term General-Purpose Artificial Intelligence Systems (GPAIS) has been defined to refer to these AI systems. To date, the possibility of an Artificial General Intelligence, powerful enough to perform any intellectual task as if it were human, or even improve it, has remained an aspiration, fiction, and considered a risk for our society. Whilst we might still be far from achieving that, GPAIS is a reality and sitting at the forefront of AI research. This work discusses existing definitions for GPAIS and proposes a new definition that allows for a gradual differentiation among types of GPAIS according to their properties and limitations. We distinguish between closed-world and open-world GPAIS, characterising their degree of autonomy and ability based on several factors such as adaptation to new tasks, competence in domains not intentionally trained for, ability to learn from few data, or proactive acknowledgment of their own limitations. We then propose a taxonomy of approaches to realise GPAIS, describing research trends such as the use of AI techniques to improve another AI or foundation models. As a prime example, we delve into generative AI, aligning them with the terms and concepts presented in the taxonomy. Through the proposed definition and taxonomy, our aim is to facilitate research collaboration across different areas that are tackling general-purpose tasks, as they share many common aspects. Finally, we discuss the current state of GPAIS, its challenges and prospects, implications for our society, and the need for responsible and trustworthy AI systems and regulation, with the goal of providing a holistic view of GPAIS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google