AGI/ASIロードマップ

AGI/ASI目標とロードマップ

当組織はAGI/ASIを研究開発しております。
以下の図で、目標を明確に示します。

当組織ではアルゴリズムのみ開発します。
学習データやハードウェアは所持しません。
効率(速度)は目標に含めません。
精度と汎用性は、理論的限界を目指します。
人間は基準にしません。

当組織のAGI/ASIロードマップを図示します。

2024年時点で帰納理論が完成しております。
これにより、精度と汎用性の理論的限界が保証されます。
自然科学ではないため、実証実験は存在しません。
人間と同じであることを目的としていません。
あらゆる問題の合理的な最適解と解法を定義しています。

2026～2029年頃までに、AGI/ASIが完成予定です。
そのために必要な、付随理論を研究します。
付随理論は出来が悪くても問題ありません。
精度と汎用性は保証されており、効率が落ちるだけです。
効率は自己改良ができます。
当組織にはフルタイム勤務者がいないため数年要します。

2035～2045年頃までに、学習が完了します。
人間の赤ちゃんと同様の方法で学習します。
ハードウェアや環境整備に5年程度は要します。
学習期間としては5～10年ほどは必要です。

AGIを目指す他の組織との比較

当組織以外でもAGIを目標としている組織があります。
簡単な比較表を示します。

最大の違いは、手法の違いです。
大手テック企業やOpenAIなどは、ボトムアップ手法で、試験結果が良くなるように改良を繰り返します。
当組織は、トップダウン手法で、最適解を理論的に決め、計算可能な解法を探求します。

理論的にモデルの良さを評価できるなら、ベンチマーク試験の必要がありません。
学習データもハードウェアも必要ありません。
それらを揃えるための資金も必要ありません。

AGIへの超えられない人間の壁

ボトムアップ手法では、手探りで試験結果が良い方向を目指すため、迷走する可能性があります。
ある特定の試験をするだけでは汎用性の評価は困難です。
その試験結果が良くなるように、特化してしまいます。
知能とは何かを解明しないまま、人間に近づけていきます。
人間を超えた知能が何なのか分からないため、人間を超えた先に進むべき方向が分かりません。
この手法には、超えられない「人間」の壁があります。
完成までにどんなブレイクスルーが足りないかは明確ではありません。
完成時期の予測は感覚的な希望的観測です。

一方、トップダウン手法では、最適解をスタートとして計算可能というゴールを目指すため、迷いません。
初めから、「人間」の壁の先に居ます。
手探りではないため、完成までに何が足りないかが明確になります。
完成までの道のりの予測は、感覚的な予測ではありません。

AGIへの第三の手法

ボトムアップでもトップダウンでもない手法があります。
両方向から進む手法です。

ボトムアップ手法と同様に、従来のプログラムを少しずつ改良します。
ただし、試験結果が良くなるようにではなく、理論的な最適解に適合させることを目指して改良します。
これなら、トップダウン手法と同様に、迷走することなくゴールを目指せます。
人間を目標にしないため、人間の壁に近づいたところで停滞することはありません。
壁を突き抜けて、ASIを目指すことができます。

ASIを目指すのなら、この手法が最速かもしれません。
必要な情報は当ウェブサイトで公開します。
このコンパスを手にした者がAGI/ASIへ最速で到達することをお祈りします。

当組織は究極のAIのみを目指すため、トップダウンアプローチを続行します。
AGI/ASIを目指す他の組織とは競合しないため、情報はオープンにしていきます。