逆説的なことに、人工知能はテトリスなどの古典的なビデオゲームをプレイするよりも、現実世界で車両を運転することを学習する方が容易である。ニューヨーク大学のジュリアン・トゲリウスなどの専門家によると、その鍵はルールの性質にある。物理世界は一貫性があり予測可能な法則に従う一方、ビデオゲームのルールは恣意的であり、その行動空間はより抽象的で、機械がモデル化するには複雑である。
予測可能な物理学 vs コードの恣意性 🤖
自動運転は、ニュートン物理学に支配された連続的な領域で動作し、行動には予測可能な結果が伴う。ニューラルネットワークは、現実世界のデータからこれらの一貫したパターンを学習できる。一方、テトリスのようなゲームは、離散的で膨大な状態空間を持ち、駒の回転やライン消去など、物理的な対応物を持たない人間が作った抽象的なルールを持つ。この恣意性は、抽象的なルールの一種の記号的推論と理解を必要とし、皮肉なことに、それがより困難である。実際、明確な論理ルールと即時フィードバックを持つプログラミングのようなタスクは、現在の言語モデルがすでに優れている領域である。
含意：機械にとっての「複雑さ」の再定義 🤔
この視点は、AIにとっての難しさに関する私たちの直感を覆す。感覚運動経験と常識に基づく人間の複雑さと、抽象的な計算上の複雑さを区別することを私たちに強いる。これを理解することは、堅牢なAIの開発と一般の認識を調整するために極めて重要である。自動運転車は私たちのように交通を理解しているわけではないが、予測可能な世界に依存している。将来の真の課題は、人間の知性が依然として君臨する領域である、恣意的なルールの柔軟な理解を機械に与えることにある。
抽象的なルールの複雑さと物理世界の予測可能性の対比は、人工知能にとっての問題の実際の難しさをどのように決定づけるのだろうか？
(追記：インターネット上のあだ名を禁止しようとするのは、指で太陽を隠そうとするようなものだ...ただしデジタル版だが)