General Purpose Artificial Intelligence Systems (GPAIS): Properties, Definition, Taxonomy, Societal Implications and Responsible Governance

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のために設計されている。しかし、特別に設計されなくても、幅広いタスクを解決できる、より汎用的なAIを必要とするシナリオも多く存在する。汎用人工知能システム（GPAIS）という用語は、このようなAIシステムを指すものとして定義されている。今日に至るまで、あらゆる知的タスクを人間のようにこなし、さらにはそれを向上させるのに十分な能力を持つ人工的な一般知能の可能性は、願望やフィクションにとどまり、私たちの社会にとってのリスクと考えられてきた。しかし、GPAISは現実のものとなり、AI研究の最前線に位置している。本研究では、GPAISの既存の定義について議論し、GPAISの種類をその特性や限界に応じて段階的に区別できるような新しい定義を提案する。我々は、クローズドワールド型GPAISとオープンワールド型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領域における能力、少ないデータから学習する能力、あるいは自身の限界を積極的に認識する能力など、いくつかの要因に基づいて自律性と能力の程度を特徴付ける。我々は、GPAISを実現するためのアプローチの分類法を提案し、別のAI（AI-powered AI）や（単一の）基礎モデルを改善するためのAI技術の使用などの研究動向を説明する。主要な例として、GenAIを掘り下げ、分類法で提示された概念と整合させる。GPAISの機能を拡張するために様々なタイプのデータソースを融合するマルチモダリティを探求する。提案する定義と分類法を通じて、汎用的なタスクに取り組む様々な分野の研究協力を促進することを目的とする。最後に、GPAISの現状、展望、社会的意味合い、規制とガバナンスの必要性について議論する。

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 propose a taxonomy of approaches to realise GPAIS, describing research trends such as the use of AI techniques to improve another AI (AI-powered AI) or (single) foundation models. As a prime example, we delve into GenAI, aligning them with the concepts presented in the taxonomy. We explore multi-modality, which involves fusing various types of data sources to expand the capabilities of GPAIS. 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 state of GPAIS, prospects, societal implications, and the need for regulation and governance.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL