[論文レビュー] How does the AI understand what's going on

Dimiter Dobrev|arXiv (Cornell University)|Apr 27, 2018

Reinforcement Learning in Robotics参考文献 7被引用数 5

ひとこと要約

本稿では、時間的および文脈的変化を追跡する内部状態を維持することで、人工知能が『私はどこにいるか？』や『何が起こっているか？』といった根本的な問いに答えられるようにする、メモリ拡張型AIフレームワークを提案する。主な貢献は、AIを静的関数から文脈的認識および自己言及的推論が可能な装置へと変化させる、動的で記憶に基づくモデルの構築である。

ABSTRACT

Most researchers regard AI as a static function without memory. This is one of the few articles where AI is seen as a device with memory. When we have memory, we can ask ourselves: "Where am I?", and "What is going on?" When we have no memory, we have to assume that we are always in the same place and that the world is always in the same state.

研究の動機と目的

• AIを静的で記憶のない関数と見なす一般的な見方を挑戦すること。
• 記憶がAIが文脈的および自己言及的理解を発展させる仕組みを調査すること。
• AIが時間的および状況的変化を追跡できる内部状態を維持するフレームワークを提唱すること。
• 持続的記憶を通じて『私はどこにいるか？』や『何が起こっているか？』に答えられるようにAIを可能にすること。
• AIシステムが時間的および空間的文脈に位置づけられていると自己認識できる基盤を築くこと。

提案手法

• 時間経過に伴い内部状態を保存・更新する記憶拡張型AIモデルを導入する。
• AIの内部表現を、入力と時間の経過に応じて変化する動的関数としてモデル化する。
• 『自己位置』と『世界の状態』を記憶のコアな構成要素として用いる。
• AIの現在の状態を過去の入力と内部記憶の関数として扱い、文脈の連続性を実現する。
• AIの推論を、記憶を通じて『私はどこにいるか？』や『何が起こっているか？』に答えることのプロセスとしてフレームする。
• AIの行動を一時的な応答ではなく、自己認識的な状態の連鎖としてモデル化する。

実験結果

リサーチクエスチョン

• RQ1 AIシステムが自己位置および状況認識をどのように発展させられるか？
• RQ2 記憶がAIが時間的および文脈的変化を理解する上で果たす役割は何か？
• RQ3 記憶の欠如が、AIが世界の現在の状態について推論する能力をどのように制限するか？
• RQ4 AIを『何が起こっているか？』に答えられるように、内部状態を継続的に更新する装置としてモデル化できるか？
• RQ5 AIを静的関数ではなく記憶に基づくシステムとして扱う場合の意味は何か？

主な発見

• 本稿は、動的環境における連続性と文脈をAIが認識するために記憶が不可欠であることを確立している。
• 記憶がなければ、AIは静的状態を仮定せざるを得ず、変化や位置に関する推論能力が制限される。
• 本モデルは、持続的内部状態を維持することで、『私はどこにいるか？』や『何が起こっているか？』に答えられるようにする。
• このフレームワークにより、AIは関数ではなく、時間的および文脈的認識を持つ装置として再定義される。
• 自己言及的かつ文脈に敏感なAI行動の理論的基盤を提供する。
• 本研究は、人工知能における高次認知機能の前提として記憶を位置づけている。