汎用人工知能（AGI）は、人工知能開発における次の主要なマイルストーンであり、機械が幅広いタスクを理解し、推論する可能性を秘めています。これはAIコミュニティで大きな関心を集めている目標であり、多くの専門家がその実現に向けて取り組んでいます。AGIの達成は、人間の進歩とAIイノベーションの両方にとって新たな可能性を解き放つための重要なステップと見なされています。ARCでは、ゲームがこの追求において不可欠なツールとして機能し、AIシステムが複雑さと適応性に対処するためのテストベッドを提供すると考えています。これらはAGIに到達するための両方にとって重要な要素です。
Generic AI Image
ゲームとAGI
ゲームは長年にわたりAI開発の重要な要素として認識されており、イーロン・マスク氏やデミス・ハサビス氏といった業界のリーダーもこれを認めています。マスク氏は、自身のxAIイニシアチブを通じて、AIシステムのトレーニングにおけるゲームの役割を強調し、ゲームが現実世界の複雑さをシミュレートするためにどのように利用できるかを示しています。
同様に、DeepMindのデミス・ハサビス氏は、AlphaZeroで使用されているようなゲーム環境は、ゲームをマスターするだけでなく、より広範な現実世界の問題に応用できるAIアルゴリズムを開発するためのものであるというビジョンを共有しています。目標は、推論し、適応し、最終的には最初にトレーニングされた以上の課題を解決できる汎用AIを作成することです。
ARCのアプローチは、構造化されたフレームワークを使用して、ゲームを通じてAGIの進歩を加速させることです。モデル、インフラストラクチャ、環境（E(N)vironments）、データを統合するM.I.N.D.を通じて、ARCはAGI開発に必要なコンポーネントを結集するエコシステムを構築することを目指しています。組織は、ゲームの動的な性質、つまり絶えず変化するルールと予測不可能な環境が、AGIに必要な中核的な能力を開発できるAIシステムをトレーニングするための理想的なプラットフォームであると信じています。
Human Skills. Amplified by AI.
AGI達成のための中核能力
ARCにとって、AGIは複数のドメインで機能し、いくつかの主要な能力を発揮することによって定義されます。主要な能力の1つはマルチモダリティであり、これは視覚、テキスト、音声など、異なる種類のデータを統合して一貫した理解を形成することを含みます。現実世界のタスクでは多様な入力タイプの解釈が必要となることが多いため、AIが世界と有意義に相互作用するためにはこれが不可欠です。
もう1つの重要な能力は継続的な改善です。AGIシステムは、以前に学習した情報を失うことなく、新しい相互作用ごとに知識を段階的に洗練できる必要があります。これにより、AIは変化する状況に適応し、異なる状況に遭遇するたびに新しいスキルを習得することができます。
適応性もまた不可欠な特性です。AGIシステムは、新しい環境や既存の環境における予期せぬ変化に効果的に対応できる必要があります。これは、ルールやシナリオが急速に進化し、AIがアプローチを切り替える必要があるゲームのような動的な設定では特に重要です。
最後に、推論はAGIの基本的な要件です。パターン認識は重要なスキルですが、真の知能はこれを超えており、因果関係を理解し、予測を行い、推論に基づいて問題の解決策を考案するためにAIシステムが必要です。AGIは、異なる情報間の点と点をつなぎ、この理解を新しい課題に応用できる必要があります。
ARC’s New Partnership with Eliza Labs
多様なコンテキストでのAGIテスト
適切な能力を示すだけでなく、AGIは様々な環境で機能できる必要があります。これらの環境は、AIが異なる種類の課題でどれだけうまく機能するかをテストします。例えば、マルチエージェントコラボレーションは、AGIが人間とAIエージェントの両方と協力したり競争したりする必要があるコンテキストです。これは、AIのコラボレーション、戦略立案、効果的なコミュニケーション能力をテストします。
環境の非定常性もまた重要なコンテキストです。AGIシステムは、ルールやタスクが常に進化する世界をナビゲートできる必要があります。このような環境では、AIは単に事前に定義されたソリューションに頼ることはできません。その場で調整し、戦略を開発することを学ぶ必要があります。
オープンワールドの複雑さは、複数の目的を探索し管理することを要求することで、AGIにさらなる課題を投げかけます。オープンワールドの設定では、AIはタスクに優先順位を付け、予期せぬイベントに対処しながら新しい目標を発見する必要があります。これらの種類の環境は、現実世界のシナリオの予測不可能性と複雑さをシミュレートするのに役立ちます。
最後に、長期計画もまた不可欠なテストです。AGIは、単に即時の報酬を最適化するのではなく、長期的な成功につながる意思決定ができる必要があります。このスキルには、フィードバックがまばらであるか遅延している場合でも、多段階の計画を策定し実行する能力が必要です。
Neuron Token ($NRN)
ARCの進捗とロードマップ
ARCは、M.I.N.D.フレームワークを通じて基盤を構築し、AGIに必要なコンポーネントの開発において大きな進歩を遂げてきました。このフレームワークには、継続的な学習、不確実性モデリング、適応性をサポートする高度なモデルが含まれています。ARCのインフラストラクチャは、データの収集と利用も促進し、AIシステムが時間とともに継続的に改善し適応できるようにします。シングルプレイヤーからマルチプレイヤー設定までの環境の統合は、これらの能力のための多様なテストグラウンドを提供します。
これらの進歩にもかかわらず、AGIの達成には依然として主要なギャップに対処する必要があります。これには、推論、階層的機械学習（HML）、および不確実性の処理におけるさらなる開発が含まれます。特にHMLは、AI学習を異なる抽象度で動作できるモジュールに整理するための有望な手段であり、システムが複雑さをより適切に管理し、より微妙な意思決定を行うことを可能にします。
ARCのロードマップには、これらのギャップに対処するために設計されたいくつかのイニシアチブが含まれています。そのようなイニシアチブの1つは、推論、適応性、汎化などの分野での研究開発を奨励するために2025年に開始されるモデルイノベーションコンペティションです。組織はまた、AGI開発の増大する計算需要を満たすためにインフラストラクチャプロバイダーと協力しています。さらに、ARCは、AIのコラボレーション、計画、予期せぬ課題の管理能力を試すゲーム環境を作成するとともに、ビジョン、オーディオ、言語などの異なるモダリティを統合するために他のプロジェクトと提携しています。
AGI開発における$NRNの役割
ARCのビジョンの中心にあるのは、ARCが構築している分散型エコシステム内の基盤要素として機能するNeuronトークン（$NRN）です。このトークンは、研究者、開発者、プラットフォーム、組織のコラボレーションを促進し、ゲームを通じてAGI開発を加速するのに役立ちます。$NRNを活用することで、ARCはAGI研究へのオープンソースでコミュニティ主導のアプローチを育成し、多様な参加者の貢献によって進歩が共有され加速されることを確実にすることを目指しています。ARCのイニシアチブの詳細については、Xのこの投稿をご覧ください。
