RUSAGI汎用人工知能研究所 (Home)

RUSAGI 解明された知能の定義に従う汎用AI。2030 coming soon

RUSAGI汎用人工知能研究所とは?

 2019年起業予定のスタートアップ。一般的な汎用人工知能(AGI)研究では、知能とは何なのかはっきり定義できないまま、人間へ近づけることを目標としてますが、当社では、解明した知能の定義に従うAGIであるRUSAGIの研究に取り組んでおります。

特化型AIと汎用人工知能RUSAGI

お知らせ(News) 公式ツイッター

◆2018/10/25矢野経済研究所Yano E Plus2019年1月号 汎用人工知能(AGI)特集記事掲載予定
◆2018/09/06ウェブサイト開設

汎用人工知能とは?

特化型AIと汎用AI

 ディープラーニングや強化学習といった、従来の人工知能は、特化型AIです。狭いAIともいいます。映像を認識したりといったことに特化した狭い範囲でしか知能を発揮しません。一方、人間の脳のように様々なことができるものが汎用AIと呼ばれます。ただし、人間も万能ではないので、人間と同等でさえあれば、汎用AIと呼ばれます。

弱いAIと強いAI

 心や意識を持ったものが強いAIと呼ばれます。強いAIなら汎用AIでもあります。逆に、汎用AIなら強いAIかといえば、そうではありません。特化型AIを組み合わせて汎用性を高めただけで、意識を持ちません。

AGI(Artificial General Intelligence)

 人工一般知能という意味ですが、汎用人工知能と訳されます。どんなことにも対応できれば一般的といえます。例えば、大量のIF文、知識、ビッグデータ、アルゴリズムを詰め込んで必要なことは何でも出来るAIでさえ、AGIではありません。いくら多くても全てではないため、うまく対応できない場合があります。人間もまた厳密にはAGIではありません。

超AI

 AGIは究極の人工知能ではありません。どんな問題でも解けたとしても、精度や効率には改良の余地があります。脳は、物理的制約があるため仕方なくそうしてるだけであって、最適な処理をしている根拠はありません。人間をも超える、理想的なAIが超AIです。技術的特異点(シンギュラリティ)といって、AGIができれば、自己改良によって超AIになるという予想もあります。RUSAGI(再帰普遍選択汎用人工知能)は、AGIかつ超AIです。
ai

知能の定義と従来のAI

 RUSAGIでは、知能を「目的に沿って規則的に選択肢を絞り込む能力」と定義します。例えば一般的な映像認識AIは、学習済みの最も似ている写真の名前を選択して回答しますが、常に最適解を規則的に選択しているとはいえません。外観は全く同じで、ある日を境に、製品名が「エビフライ」から「海老フライ」へ変更されたものがあるとして、写真の撮影日時を考慮しないAIは、2択までは規則的に絞り込めますが、どちらかはランダムに選択するしかありません(図1)。撮影日時まで考慮して、規則的に1択まで絞り込むことができれば、より知能が優れるといえます。しかし、考慮すべきことが増すほど計算量が増え、あらゆる状況に対応できる汎用性を持たせようとすれば、計算に無限に時間が掛かってしまいます。いわゆるフレーム問題です。一般的なニューラルネットワークでは、ハイパーパラメータによって決まるどこまで考慮するべきかという範囲(フレーム)内でのみ映像と名称の関係を学習するので有限時間で計算できます。しかし、あらゆる問題に答えられるAGIであるためには、考慮する範囲をあらかじめ限定できません。
従来のAIの映像認識例
【図1.従来のAIの映像認識例】

RUSAGIとフレーム問題解決

 そこで、RUSAGIでは、事前に規則性の学習はせず、問題が提示されてから、規則性を探ります。例えば、映像が提示されてから、ある特徴と名称の相関性を調べ、特徴の異なる写真の名称を選択肢から除外します。様々な特徴量について順次、規則性を調べて、徐々に選択肢を絞り込みます(図2)。従来のAIは、決められたフレーム内での最適解を即座に回答するのに対して、RUSAGIは、時間と共にフレームを拡げ、徐々に回答の精度を上げていきます。仮に、無限の計算能力があれば、全ての特徴を考慮するので、どんな問題でも最適解が得られます。有限の計算能力であっても、回答を迫られた時点で残っている選択肢からランダムに選択すれば、停止することなく、フレーム問題をうまく回避できます。厳密解ではなく、計算能力が許す範囲での最適解を回答するといえます。しかし、関連性の弱い特徴ばかり先に考慮していたら効率が悪い。過去の似た事例を参考に、関連性の強い特徴から先に選択して処理する必要があります。ここで、「似た映像を選択する」という問題から、「次に考慮する特徴を選択する」という(子)問題が生じたといえます。フレームをどう拡げていくかという選択ともいえます。(子)問題もまた選択問題であるため、同じアルゴリズムを再帰的に適用できます。選択に必要な選択を再帰的に繰り返すことで、計算能力が許す限り、どこまでも高度な処理が可能になると考えられます。再帰的に普遍的な選択をする汎用人工知能であることから、Recursive Universal Selective Artificial General Intelligenceの頭文字をとってRUSAGIと呼びます。
汎用人工知能RUSAGIの映像認識例
【図2.汎用人工知能RUSAGIの映像認識例】

知能と量子力学の一致

 RUSAGIでは、計算時間0の時点では選択肢が∞にありますが、計算時間が∞なら選択肢数は1に収束します。それゆえ、知能の水準は、選択肢数×時間の単位を持つ定数によって表現され、この定数が大きいほどランダムであり知能は劣ります。量子力学におけるプランク定数と比較したとき、素粒子はエネルギーがいくつであるかを選択していると仮定すると、二つの定数の単位は一致します(図3)。古典力学による規則的な状態の選択は知能であり、量子力学によるランダムな挙動は非知能であると解釈できます。また、観測され、どの状態を取るか選択を迫られるまで重なった状態を保持する現象は、人間の意識と対応します。意識下では、反射的に行動を決めずに、候補の選択肢を保持し、時間が許す限り選択肢を規則的に絞り込み、選択を迫られたときに残った選択肢からランダムに決めます。出来るだけ規則的な選択をするために、選択肢を保持する仕組みこそが意識の役割であり、知能と物理学を繋ぐ共通原理ではないかと考えられます。
知能と量子力学の対比
【図3.知能と量子力学の対比】

今後の取り組み

 今後の取り組みとしては、まずは単純な時系列データの推測をするソフトウェアの近年中の製品化を目指しています。限られたデータを元に、マシンの性能が許す限り、限界なく精度を上げられるため、為替変動の推測等に適します。事前学習のためのビッグデータが不要なため、従来のAIでは対応できなかった用途への応用が見込まれます。また、フレーム問題のようなAGIの障壁となる問題は解決されつつあり、2030年頃には、真のAGIの完成を見込んでいます。