一般的なAIを開発するのに十分なほど複雑なシミュレーション環境はどのようなものですか？

「一般的なAI」（私は自己認識AIと定義します）を作成するのに十分複雑でありながら、できるだけ単純なシミュレートされた仮想環境を作成しようとしていると想像してください。この最小限の環境はどのようなものでしょうか？

すなわち、単なるチェスゲームであった環境は単純すぎるでしょう。チェスプログラムは一般的なAIにはなりません。

複数のエージェントがチェスをプレイし、結果を相互に伝達する環境。これは一般的なAIを構成しますか？（もしあなたが一日中チェスについて考えているチェスのグランドマスターが「一般的なAI」を持っていると言うことができますか？彼の時間の間にチェスについて考えている間、彼はチェスコンピュータとは異なりますか？）。

3Dシムのような世界はどうですか？複雑すぎるようです。結局、なぜ一般的なAIが2Dの世界に存在できないのでしょう。

単純な環境の例は何ですか？AIが自己認識を持つことができるほど単純ではありませんか？

これは、このフォーラムで私が目にしたAGI関連の質問の中で最も良いものの1つだと思います。

「AGIとは」、「シミュレーションゲーム」などのテーマはすべてスキップします。これらのトピックは何十年もの間議論されてきましたが、今日では、私の意見では行き止まりになっています。

したがって、私は私の個人的な経験でのみ答えることができます：

これは、有限サイズの空間で、一時的な次元を含む任意の数の次元を1Dに削減できるという計算の基本定理です。

ただし、実際の例では、1D表現の分析と視覚化が困難になります。1Dと2Dの中間として見ることができる、グラフを使用したより実際的な作業です。グラフでは、必要なすべての事実と関係を表すことができます。

たとえば、数学の分野で機能するAGIを開発しようとすると、任意の式（有理数、下付き文字、積分などを使用して2D表現で書く人間）を1Dとして表すことができます（式としてプログラムソースで記述されています）が、分析または実行可能なグラフに到達するには、この1Dを解析する必要があります。したがって、式の解析後に得られるグラフが最も実用的な表現です。

別の例として、3Dの世界を移動するエージェントが必要な場合、この世界は、いくつかのプロパティを持つオブジェクトのある空のスペースと見なすことができます。ここでも、シーン分析とオブジェクト認識の初期段階（前の例のパーサーに相当）の後で、グラフに到達します。

したがって、AGIの領域で実際に作業するには、シーン分析、オブジェクト認識、音声認識（狭いAI）の問題をスキップして、代表的なグラフで直接作業することをお勧めします。

最も重要なことは、何らかの形で時間をシミュレートする必要があるということです。自己認識チャットボットを考えてください。次に、「自己認識」であるためには、環境は、「自己」と「その他」であると区別できる、時を経て供給されるデータである可能性があります。つまり、「自己」とは直接影響する部分であり、「その他」とは間接的に影響を受けるかまったく影響を受けない部分です。それ以外はおそらくかなり抽象的な環境の中に住むことができます。時間が非常に重要である理由は、認知アルゴリズムが数学の問題を解いているだけではありません。

一般的なAIは絶対にこの文脈で（ここでは「問題のセット全体で一貫性の強さ」として定義された）一般AIはまだ全く異なるだろうだけという、2Dの世界に存在することができます人工一般知能アルゴリズムその缶」と定義し、人間ができるあらゆる知的タスクを実行します。」

そこでも、AGIの定義はあいまいです。（ヒューマンインテリジェンスはスペクトルであり、個人はさまざまな状況でさまざまな程度の問題解決能力を持っています。）

人工的な意識：残念ながら、自己認識 / 意識は非常に形而上学的な問題であり、問​​題解決能力（インテリジェンス）とは異なります。

あなたは間違いなく「中国の部屋」と反論を見たいです。

おそらく、ホログラフィックの原理を検討する価値があります。「空間をn-1次元のホログラムと見なす物理学の概念」確かに、モデルとゲームはこのように構成できます。

探検する別の場所は、無限のコンウェイの人生ゲームのスーパーインテリジェンスの出現の理論です。（一言で言えば、私の理解では、研究者がセルオートマトン内で任意の数を生成する方法を見つけたら、十分なサイズのゲームボードを与えられた緊急事態の可能性は、少なくとも理論的には健全であるということです。）

これまでの回答のうち、@ DukeZhouからの回答が最も挑発的でした。たとえば、チャイニーズルームの批評への言及は、何らかの形の意図性が人工環境でのサポートを必要とする可能性があるというサールの主張を引き起こします。これは、価値システムまたは苦痛システムの必要性、つまり、良い結果が「経験」されるか、積極的に求められ、悪い結果を回避できる何かを意味するかもしれません。あるいは、個々の絶滅（死亡または終了）の可能性を認識する必要があるかもしれません。「自我死」の可能性高い負の値が必要になる場合があります。それは、人工世界が「他の心」または他のエージェントを含む必要があることを意味するかもしれません。この意味で、デカルトの三段論法「私はそれ故に私はそう思う」が次のように変換されます。これらの「その他」は、他の学習システム（AGI）または人工環境によって媒介される人間からの離散入力との何らかの接触のいずれかである可能性があります。「逆チューリングテスト」に関するウィキペディアのディスカッション

次元の言及は、AIの外部にある世界の「物理学」を表現するために必要な深さについての議論を引き起こすはずです。時間と空間のいくつかの表現が必要と思われる、つまり、目標達成への進展のためのいくつかの次元の下部構造。Blocks Worldは初期のおもちゃの問題であり、その解決策により、前世紀の60年代と70年代に大幅な進歩が見られたという楽観的な見方が生まれました。私はその時代のSHRDLUプログラムの苦痛や喜びをプログラムするためのどんな努力も知らない（プログラムのつま先にブロックを落とさない）現実世界では"。

編集：私は、この環境で、「AGIと相互作用している「その他」のいずれかによって）知覚される可能性のある「機能を持つエンティティ」のニーズを、誘導、識別の取り組みへのデータ入力として追加します、関係についての推論。これは、共有された「経験」の基礎を作ります。

@pasaba por aquiによる良い答えですが、グラフが単純すぎると@zoobyに同意します。人間がオプションが溺死する環境にあったか、ボートを構築するために5000の無関係な手順を実行した場合、海を渡ったことはありませんでした。手作業で作成したグラフは、一般的なAIとしてエージェントを呼び出すほど複雑ではないと思います。世界は、それがもはやグラフとして説明されるのではなく、少なくとも多次元空間である十分な中間状態を必要とするでしょう。

考慮すべき点が2つあると思います。「シンプル」とは何ですか。いつ「一般的なAI」と認識しますか。意識と呼ばれるものを測定できないため、自己認識AIは満足できるものではありません。その状態と環境との相互作用のみを確認できます。

1.については、私たちが住んでいる世界は実際にはかなり単純だと思います。自然の4つの力、いくつかの保存則、およびすべてのほとんどを説明する粒子タイプの束があります。これらの粒子がたくさんあるだけで、これはかなり複雑な世界をもたらしました。もちろん、これをシミュレートするにはコストがかかりますが、いくつかのショートカットを取ることもできます。200年前の人々は、世界を説明するのに量子力学のすべてを必要としなかったでしょう。陽子、中性子、強い力を周期表の原子に置き換えれば、ほとんど問題はありません。問題は、3つのより一般的な法律を100の特定のインスタンスに置き換えたことです。シミュレートされた環境が十分に複雑になるためには、この傾向が維持される必要があると思います。

これは私を2に導きます。私は、意図的に環境を邪魔するような方法で環境と相互作用し、明らかにそれから恩恵を受けている（偶然ではない）場合にのみ、一般的なAIを表現するエージェントに本当に満足すると思います。これは非常に難しいか、非常に時間がかかる可能性があるため、よりリラックスした状態は、私たちが構築すると予想されるツールを構築し、それによって独自の環境の習得を示すことです。たとえば、船の形跡は 10万年から9万年前のどこかで見つかりました。これは、初期の人間が発達したときとほぼ同じ時間スケールです。。しかし、私たちは自分自身を知的だと考えていますが、かなり単純な発明のように思われるため、ボート製造エージェントが一般的な知能を持っていると考えるかどうかはわかりません。しかし、私はそのようないくつかの発明の後で満足すると思います。

だから私たちは世界のようなSimが必要だと思います。それは実際にはゲームよりもはるかに複雑です。数千のアイテムタイプ、各アイテムの多くのインスタンス、すべてと対話するのに十分な自由度。また、どのエージェントもインテリジェントであると認めるには、なじみのあるものが必要だと思います。したがって、3Dの複雑なMinecraftのような世界は、私たちが一般的な知性の出現を認識する最も単純な世界でしょう。

「人工一般情報」は、環境内でインテリジェントに動作するエージェントとは異なるものです。文献によると、そのようなエージェントは「ナローAI」と呼ばれているためです。AGIシステムは環境です。つまり、最新のマイクロマウスの課題は、ナローAIシステムの開発を目的としたAGIシステムです。

AGIを開発することは、ロボット工学コンテストを開発することと同じです。ルールブックで形式化され、学習、ソフトウェアのプログラミング、結果の議論を行う環境として機能します。いずれにせよ、AGIシステムは社会的な競争です。つまり、チームが競争に参加することは魅力的です。AGIは知性を実現する方法に答えません、それはそれを測定するためのテストです。いわゆる人間の脳、認知アーキテクチャ、および一般的な問題ソルバーは、インテリジェントに機能する狭いAIとして開発されたのではなく、インテリジェントなマシンのチューリングテストとして開発されました。

別のコンピュータープログラムがインテリジェントな場合、コンピュータープログラムでどのように測定できますか？1つの可能性は、人間シミュレーション理論です。つまり、コンピュータプログラムが人間のように動作するかどうかをテストしており、チューリングテストには、短期記憶、長期記憶、および新しいものを学習する能力をテストする義務があります。最も簡単な形式では、人間が記入する必要がある単純な形式でチューリングテストを実行できますが、人間をループから外して、コンピューターを使用して別のコンピューターの知能をテストすることもできます。 。それが目的であり、SOAR、OpenCog、およびAIXIが開発されました。