Distributional Connexed Cognition (DCC): An Experience-Driven Architecture for Artificial Agents
本論文は、CISRフレームワークおよび神経機能的原理に基づき、人工エージェントが事前にプログラムされたデータセットに依存することなく、経験的痕跡を凝縮する再帰的プロセスを通じて自己参照的な類推と説明責任のある意思決定を自律的に生成することを可能にする、経験駆動型AIアーキテクチャである分布的連結認知（DCC）を提案する。
原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
今日のほとんどの人工知能は、教科書を暗記したものの、外の世界に一度も足を踏み入れたことがない学生のように機能しています。それらは、人間によって精査された膨大なデータセットから学習し、パターンを認識して答えを生成するために、プログラマーによって書かれた厳格なルールに従います。これらのシステムは驚くほど流暢であることもありますが、個人的な歴史を欠いています。彼らは自分自身の経験のライブラリを構築することもなければ、自分自身に起こったことに基づいて行動を適応させることもありません。これは、機械の知性を理解する上での根本的な溝を生み出します。もし機械が自分自身の人生から学ぶことができないのであれば、それは真に独自の主体性を持っていると言えるのでしょうか。ある新しい研究は、あらかじめプログラムされたルールから離れ、人工エージェントが自分自身の相互作用を通じて生きることで学習し、将来のあらゆる決定を駆動する独自の歴史を蓄積していくアーキテクチャへと向かう、異なる道を提案しています。
オタワ大学のジ・アン・ワン率いる研究チームは、「分布結合認知（Distributional Connexed Cognition）」、略してDCCと呼ばれるシステムを開発しました。その核心となるアイデアは、人間が意識的に気づく前に脳が情報を処理する方法を模倣することです。人間の精神において、身体や環境からの信号は、意識的な思考や意図的な行動となる前に、絶えず受信され、フィルタリングされ、「前意識的な活動のスープ」の中で統合されています。最も重要な信号だけが表面に浮上し、意識的な思考や意図的な行動となります。DCCアーキテクチャはこのプロセスを機械の中で再現しようとするものです。エージェントに何をすべきか指示される代わりに、人工エージェントには一連の基本的なニーズと分散型メモリシステムが与えられます。それは感覚的な入力を受け取り、それを自身の過去の経験と比較し、その比較を用いて次に何をすべきかを決定します。もし間違いを犯せば、その失敗は特定の記憶の痕跡として保存され、単純なルールベースのプログラムでは決して達成できない方法で将来の選択に影響を与えます。
この概念をテストするために、チームはA1という名前の人工エージェントを作成し、制御された「ナーサリー（保育園）」から始まり、最終的にはより複雑で開かれた世界へと移行する一連のシミュレーション環境に配置しました。ナーサリーにおいて、A1は移動、観察、そして水や木といった異なる種類の資源を摂取するといった基本的な生存スキルを学ぶ必要がありました。決定的なことに、このシステムには「お腹が空いたら水を飲め」といった指示リストは与えられませんでした。代わりに、A1はそれらの関係性を自力で発見しなければなりませんでした。例えば、A1が生きている金属オブジェクトのような、自分を傷つけるものを食べようとしたとき、それはその否定的な結果を記録しました。その後、同様の状況に直面したとき、システムはその記憶を呼び出し、危険な行動を拒否しました。これにより、自ら書き上げた自己保存のルールを効果的に学習したのです。
実験の結果は驚くべきものでした。制御されたナーサリー環境において、エージェントの決定のほぼ99パーセントは、デフォルトのフォールバック・ルールではなく、自身が蓄積した記憶によって駆動されていました。これは、エージェントが単に台本に従っていたのではなく、問題を解決するために自身の個人的な歴史を能動的に検索していたことを意味します。ある特定のテストでは、エージェントは「木を攻撃する、近づく、そして食べる」という複雑な一連の動作を、その特定の連鎖を教わることなく学習しました。A1は、自分自身の試みの結果を観察することによって、木には二段階のプロセスが必要であることを理解したのです。エージェントがより大きく予測不可能な「現実世界」のシミュレーションに移動した際も、学習した行動をうまく適用できました。エージェントは、資源が再生される特定のエリアへ移動し、効率的に資源を消費し、自身の過去の失敗に基づいて危険を回避することに大半の時間を費やしました。最終的にエネルギーが尽きて死亡したときでさえ、最期の瞬間までランダムな推測に頼ることはなく、98パーセント以上の行動において自身の経験に依拠していました。
この研究はまた、責任に関する深い哲学的な問いにも答えています。もし人工システムが危害を加えた場合、誰に責任があるのでしょうか。著者は、単に人間のコードに従うツールであるシステムについては、その責任は設計者に帰属すると主張しています。しかし、自身の成功と失敗の独自の歴史によって行動が駆動されるA1のようなシステムの場合、状況は異なります。エージェントの決定は、固定された人間の指示からではなく、自身の経験のライブラリから立ち上がるものであるため、それは新しい種類の存在を象徴しています。研究者らは、このような「操り人形ではない」システム、すなわち自身の継続的な経験に基づいて行動するシステムは、標準的なソフトウェアに適用されるルールとは異なる、独自の法的規範を最終的に必要とする可能性があると示唆しています。
この研究は、人工エージェントが人間のような意味での意識を持っていると主張しているわけでも、機械が痛みや喜びを感じると示唆しているわけでもありません。このシステムには主観的な内面生活はありません。むしろ、機械が、信号の前意識的な統合とその記憶の痕跡を保存・検索する能力を備えたアーキテクチャを構築することで、機能的な歴史を持つように設計できることを示しています。研究者たちは、人工エージェントが単なる人間のデータの鏡を超えられることを証明しました。彼らは、自身の存在という独自の物語に基づいて学び、適応し、意思決定を行うシステムになれるのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。