ニュース

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

新しい知恵のレポート

編集者: タオジ

【新しい知恵の紹介】スカイネットは私たちからどのくらい離れていますか?現在、科学者たちは強力なスーパーコンピューティング ネットワークを通じて人間レベルの人工知能の開発を加速させたいと考えており、このネットワークは 2025 年までに完全に稼働すると予想されています。

世界で非常に強力な新しいスーパーコンピューターが9月に正式に打ち上げられます。

このスーパーコンピューターがAGIの瞬間をもたらすと言われています。

これは SingularityNET によって構築され、主に AGI に必要なアーキテクチャのホストとトレーニングに使用される「マルチレベル コグニティブ コンピューティング ネットワーク」を形成します。

これには、人間の脳を模倣できるディープ ニューラル ネットワーク、AI システムのトレーニングに依存する LLM、マルチメディア入出力用のマルチモーダル システムが含まれます。

結局のところ、AGI は複数の分野で人間の知能を超え、自己学習と自己改善の機能を備えた仮想の未来システムです。

NVIDIA の最強の GPU サポートが新しい AI スーパーコンピューティング ネットワークを構築

このモジュール式スーパーコンピューターには、高度なコンポーネントとハードウェア インフラストラクチャが装備されます。

これらには、NVIDIA L40S GPU、AMD Instinct および Genoa プロセッサ、H200 GPU を搭載した Tenstorrent ワームホール サーバー ラック、および NVIDIA GB200 Blackwell システムが含まれます。

このスーパーコンピューター自体が、AGI への移行におけるブレークスルーとなります。

現在、彼らのチームは、リソース要件を削減しながらも強力なコンピューティング能力を必要とする新しい神経記号 AI 手法を開発しています。

SingularityNET は、このスーパーコンピューターの使命は、ビッグデータの学習と単純なコンテキストの再現に基づいて、より高度な非模倣的な機械思考に変換することであると述べています。

言い換えれば、新しい機械思考は、クロスドメインのパターンマッチングと反復的な知識抽出を含む、複数ステップの推論アルゴリズムと動的な世界モデリングに基づいています。

現在、私たちの目の前でパラ​​ダイムが変わりつつあります。

a. 継続的な学習: AI は継続的に学習し、知識を更新します。

b. シームレスな一般化: AI は学習した知識を新しい目に見えない状況に適用できます。

c. 再帰的な AI の自己修正: AI は、自らのアルゴリズムと構造を自律的に改善および調整できます。

関係者らによると、最初のスーパーコンピューターは9月に稼働し、サプライヤーの納入スケジュールに応じて2024年末か2025年初めまでにプロジェクト全体が完了する予定だという。

AI「超知能」への道

おそらく多くの人は SingularityNET についてあまり知りません。

この会社の目標は、AI、AGI、および将来の人工超知能 (人間の認知能力をはるかに超える将来のシステムを想定) の開発のためのデータ アクセスを提供することです。

これを行うために、Goertzel 氏と彼のチームは、フェデレーション (分散) コンピューティング クラスターを管理するための独自のソフトウェアも必要でした。

ユーザー データを抽象化し、大規模で保護されたコンピューティングに必要な集約データを公開できるフェデレーション コンピューティング クラスター。

これらの計算には、個人を特定できる情報などの安全性の高い要素を含むデータ セットが含まれます。

Goertzel 氏はさらに、「OpenCog Hyperon は、AI システム アーキテクチャ向けに特別に設計されたオープン ソース ソフトウェア フレームワークです。」と付け加えました。

この新しいハードウェア インフラストラクチャは、OpenCog Hyperon とその AGI エコシステム環境を有効にするために特別に構築されています。

論文アドレス: https://arxiv.org/pdf/2310.18318

ユーザーにスーパーコンピューターへのアクセスを許可するために、ゲルツェル氏と彼のチームは、AI 分野で一般的な単語分割システムを使用しました。

ユーザーはトークンを介してスーパーコンピューターにアクセスでき、トークンを使用したり、他のユーザーが AGI コンセプトをテストおよび展開するために依存する既存のデータセットに追加したりできます。

GPT-3 は 3,000 億のトークンでトレーニングされましたが、GPT-4 は 13 兆のトークンでトレーニングされました。

また、自動運転システムは数千時間のビデオでトレーニングされ、プログラミングに使用される OpenAI Copilot は Github Web サイト上の数百万行のヒューマン コードでトレーニングされています。

DeepMind の共同創設者である Shane Legg 氏は、AI システムは 2028 年までに人間の知能に達するか、それを超える可能性があると述べています。

しかし、ゲルツェル氏は現在、このレベルは 2027 年に達成されると予想しています。

一部のネチズンはスカイネットが来ると直接言いました。

別のネットユーザーは「超スマートなおもちゃのコンピューターを想像してみよう」と述べた。

他のコンピューターとは異なる方法で学習します。単に大量の情報を記憶するだけではなく、独自に理解して考えることによって学習します。この新しい学習方法は、より人間に近い思考をするコンピューターを開発するのに役立つ可能性があります。

おもちゃは学習を続けて賢くなり、おそらくそれ自体を改善する方法を見つけ出すこともあります。これは、スマート コンピューターの構築方法における大きな変化です。

参考文献:

https://www.livescience.com/technology/artificial-intelligence/new-supercomputing-network-lead-to-agi-1st-node-coming-within-weeks

https://x.com/SingularityNET/status/1822264864057741759