[논문 리뷰] From Google Gemini to OpenAI Q* (Q-Star): A Survey of Reshaping the Generative Artificial Intelligence (AI) Research Landscape

Timothy R. McIntosh, Teo Sušnjak외 3명|arXiv (Cornell University)|2023. 12. 18.

Artificial Intelligence in Healthcare and Education인용 수 60

한 줄 요약

이 설문은 Mixture of Experts, 멀티모달성, 그리고 전망된 AGI가 생성형 AI 연구 풍경을 어떻게 재구성하는지 분석하고, Gemini와 추정적 Q* 프로젝트에 초점을 맞추며 연구 분류체계, 윤리, 학술 커뮤니케이션에 대한 시사점을 다룬다.

ABSTRACT

This comprehensive survey explored the evolving landscape of generative Artificial Intelligence (AI), with a specific focus on the transformative impacts of Mixture of Experts (MoE), multimodal learning, and the speculated advancements towards Artificial General Intelligence (AGI). It critically examined the current state and future trajectory of generative Artificial Intelligence (AI), exploring how innovations like Google's Gemini and the anticipated OpenAI Q* project are reshaping research priorities and applications across various domains, including an impact analysis on the generative AI research taxonomy. It assessed the computational challenges, scalability, and real-world implications of these technologies while highlighting their potential in driving significant progress in fields like healthcare, finance, and education. It also addressed the emerging academic challenges posed by the proliferation of both AI-themed and AI-generated preprints, examining their impact on the peer-review process and scholarly communication. The study highlighted the importance of incorporating ethical and human-centric methods in AI development, ensuring alignment with societal norms and welfare, and outlined a strategy for future AI research that focuses on a balanced and conscientious use of MoE, multimodality, and AGI in generative AI.

연구 동기 및 목표

• Mixture of Experts (MoE), 멀티모달성, 및 Artificial General Intelligence (AGI)가 생성형 AI를 어떻게 재구성하는지 조사.
• Google Gemini 및 추정적 OpenAI Q*가 연구 우선순위와 분류체계에 미치는 함의를 평가.
• 빠른 생성형 AI 개발에 수반되는 윤리적, 사회적, 기술적 도전 과제를 분석.
• AI 배포에 대한 거버넌스, 데이터 프라이버시 및 인간 중심 접근 방식 탐구.
• AI 주제 및 AI 생성 프리프린트와 관련된 학술적 도전 과제를 강조.

제안 방법

• IEEE Xplore, Scopus, ACM DL, ScienceDirect, Web of Science, 및 ProQuest Central에 걸친 구조화된 문헌 조사.
• 2017년(트랜스포머 출시)에서 2023년(원고 작성)까지의 시간적 범위.
• 생성형 AI의 현재 및 새로 나타나는 경향의 분류체계 개발과 종합.
• MoE, 멀티모달성, 및 AGI를 AI 연구 풍경의 원동력으로서 비판적으로 평가.
• 생성형 AI 발전과 관련된 윤리적, 사회적, 거버넌스 고려사항에 대한 논의.

실험 결과

연구 질문

• RQ1 MoE, 멀티모달 AI, 및 AGI가 생성형 AI 연구 풍경을 어떻게 재구성하는가?
• RQ2 Gemini 및 추정적 Q*가 연구 분류체계와 우선순위에 미치는 영향은 무엇인가?
• RQ3 빠른 생성형 AI 개발에 수반되는 윤리적, 사회적, 기술적 도전은 무엇인가?
• RQ4 AI 연구에서 프리프린트가 동료 심사와 학술 커뮤니케이션에 어떤 영향을 미치는가?

주요 결과

• MoE는 확장 가능하고 전문화된 모델링을 가능하게 하지만 동적 라우팅, 전문가 불균형, 정합성 도전에 직면한다.
• Gemini는 더 넓은 데이터 타입과 교차 모달 이해를 가진 멀티모달리티를 진전시키지만 실제 세계의 추론 통합은 추가 평가가 필요하다.
• 추정적 Q*는 학습, 창의성, 구조화된 문제 해결을 현재의 멀티모달 시스템을 넘어 결합하기 위해 LLM과 Q-learning 및 A*를 통합하는 것을 상상한다.
• AI 프리프린트의 급증은 검증에 대한 우려, 학술 커뮤니케이션에 대한 지침, 비심사된 결과의 확산 가능성에 대해 우려를 제기한다.
• 윤리적 정렬과 인간 중심 거버넌스는 빠른 AI 발전과 더 넓은 사회적 영향 속에서 여전히 필수적이다.