Metaの人工知能部門のディレクターであるYann LeCunは、Turing賞を受賞した人物であり、全体的な知性は実際には存在しないと考えています。彼によると、AGIという概念は通常、人間のレベルでの知性を指すために使用されますが、人間の知性は全体的な知性よりも超専門的な性質を持っています。
LeCunは、人間は現実世界に適応し、社会交流をし、曖昧な状況に対処するのが非常に得意ですが、チェスや最適な問題などの複雑な構造を持つタスクでは優れていないと主張しています。
「私たちはしばしば包括的な視点を持っていると思っていますが、それは幻想です。私たちは脳が私たちに想像させる問題をうまく解決するだけです」と、ヤン・レクン氏は最近のポッドキャストで語りました。
これに対し、Google DeepMindのディレクターであるデミス・ハサビス氏は、LeCunは「全体的な知性」と「普遍的な知性」を混同したと述べました。
Xのソーシャルネットワークへの投稿で、彼は人間の脳はこれまでに知られてきた中で最も複雑で洗練された現象であり、同時に驚くべき普遍性を持っていると断言しました。
ハサビスはまた、すべての問題に最適化できる単一のアルゴリズムは存在しないと考える機械学習における「無料の昼食がない」という定理を引用しました。
それは、有限システムでは常に一定の専門化レベルが必要であることを意味します。しかし、彼は、全体像はすべてのタスクが最も優れていることにあるのではなく、十分なデータ、時間、リソースがあれば、何でも計算できる能力にあると強調しました。
Hassabisによると、人間の脳と現代のプラットフォームAIモデルの両方は、理論的にはすべての計算問題を学習できる「ほぼTuring Machine」と見なすことができます。
彼はまた、人々をチェスプレーヤーと比較する際のLeCunの主張を否定し、人々がチェス、科学、ジェット機を発明できたことは、知性の全体像の強力な証拠であると述べました。
この議論は、AI競争における2つの異なるアプローチを反映しています。ハサビス氏は、現在の大規模言語モデル(LLM)の規模を拡大するだけでは不十分であり、AI分野は依然としてさらなるプラットフォームブレークスルーが必要であると信じています。
一方、LeCunは、LLMは継続的に学習し、現実世界を理解する能力が不足しているため、「行き詰まり」であると考えています。
代わりに、LeCunは、物理法則、因果関係、および時間経過による運動を理解およびシミュレートできるAIシステムである「世界モデル」の開発に焦点を当てる必要があると述べました。彼によると、「高度な機械知性」という概念は、依然として議論の的となっているAGIという用語よりも、研究の目的を正確に反映しています。
