[論文レビュー] A system of different layers of abstraction for artificial intelligence

Alexander Serb, Themis Prodromakis|arXiv (Cornell University)|Jul 22, 2019

Advanced Memory and Neural Computing参考文献 69被引用数 6

ひとこと要約

本稿は、人工知能の開発をハードウェア、アルゴリズム、認知、社会、倫理の5層に分ける抽象化のためのフレームワークを提案する。このフレームワークは、各層間の相互依存関係をマッピングし、複雑さと性能のトレードオフ、制御と複雑さのトレードオフを強調することで、AIシステムにおけるイノベーション、安全性、社会的経済的応用を支援する。

ABSTRACT

The field of artificial intelligence (AI) represents an enormous endeavour of humankind that is currently transforming our societies down to their very foundations. Its task, building truly intelligent systems, is underpinned by a vast array of subfields ranging from the development of new electronic components to mathematical formulations of highly abstract and complex reasoning. This breadth of subfields renders it often difficult to understand how they all fit together into a bigger picture and hides the multi-faceted, multi-layered conceptual structure that in a sense can be said to be what AI truly is. In this perspective we propose a system of five levels/layers of abstraction that underpin many AI implementations. We further posit that each layer is subject to a complexity-performance trade-off whilst different layers are interlocked with one another in a control-complexity trade-off. This overview provides a conceptual map that can help to identify how and where innovation should be targeted in order to achieve different levels of functionality, assure them for safety, optimise performance under various operating constraints and map the opportunity space for social and economic exploitation.

研究の動機と目的

• AIの理解が散逸しているのを是正するため、多様な分野を統合する包括的な概念的枠組みを提示すること。
• 電子的ハードウェアから倫理的配慮に至るまで、AIのさまざまな要素が抽象化レベルを通じてどのように関連しているかを明確にすること。
• 各層における性能、安全性、運用制約をマッピングすることで、戦略的イノベーションの的を絞ったターゲットを特定すること。
• 層間の相互依存関係を通じて、AIシステムにおける制御と複雑さの相互作用を明らかにすること。
• 技術的および社会的分野におけるAI技術の異なる抽象化レベルでの社会的経済的・技術的活用のためのロードマップを提供すること。

提案手法

• 物理的（ハードウェア）、アルゴリズム的（計算）、認知的（推論）、社会的（相互作用）、倫理的（価値の整合性）の5層抽象化モデルを提案する。
• 各層を特定の機能的役割と制約を持つ、独立した抽象化レベルとして定義する。
• 各層内で、抽象化の向上が性能を低下させるが管理性を向上させる可能性がある、複雑さと性能のトレードオフを導入する。
• 層間をまたいで、制御と複雑さのトレードオフを特定する。ここで、あるレベルでの高い制御は、隣接するレベルでの複雑さを増加させる。
• 概念的マッピングを用いて、層間のねじれ合う依存関係を図示し、全体的な一貫性を強調する。
• フレームワークを、運用制約下での開発、安全性の保証、最適化を支援する応用に用いる。

実験結果

リサーチクエスチョン

• RQ1 AIの多様な分野を、一貫性があり多層的な概念的枠組みに体系的に統合する方法は何か？
• RQ2 AIシステムの個々の層内における、複雑さと性能の固有のトレードオフは何か？
• RQ3 抽象化レベルの1つで実施される制御メカニズムが、隣接するレベルでの複雑さにどのように影響を与えるか？
• RQ4 この多層抽象化モデルは、AI開発におけるイノベーションと安全性の保証をどのように支援できるか？
• RQ5 このフレームワークは、異なる抽象化レベルでのAI技術の社会的経済的・技術的活用をどのように支援できるか？

主な発見

• 5層抽象化モデルは、AIの物理的、アルゴリズム的、認知的、社会的、倫理的側面を統合する包括的な概念的地図を提供する。
• 各層は、抽象化の向上が計算効率を低下させるが、設計のスケーラビリティを向上させる可能性がある、内生的な複雑さと性能のトレードオフを示す。
• 層間の依存関係は、制御と複雑さのトレードオフを生じさせ、あるレベルでのきめ細やかな制御は、隣接するレベルでの複雑さを増幅させる。
• フレームワークは、機能性、安全性、性能の向上が最も効果的な場所を特定することで、的を絞ったイノベーションを可能にする。
• このモデルは、AI技術の社会的・経済的活用の機会を体系的に特定するのを支援する。
• 提示されたシステムは、技術的および社会的分野におけるAI開発の多面的性質を管理するための構造的アプローチを提供する。