「LLMsとメモリは間違いなく必要なものです：Googleはメモリを補完したLLMsが任意のチューリングマシンをシミュレートできることを示しています」

LLMs and memory are definitely necessary Google has shown that LLMs complemented with memory can simulate any Turing machine.

LLM研究における重大なブレークスルー。

最近、AIに特化した教育ニュースレターを始めました。既に16万人以上の購読者を持っています。TheSequenceは、5分で読める、ノン・ヒュープ（つまり、誇大広告やニュースなし）の機械学習に特化したニュースレターです。目標は、機械学習プロジェクト、研究論文、コンセプトについて最新の情報を提供することです。ぜひ、以下の購読ボタンから試してみてください：

TheSequence | Jesus Rodriguez | Substack

機械学習、人工知能、データの進展について最新情報を得るための最良の情報源

thesequence.substack.com

大規模言語モデル（LLM）は、一つのブレークスルーによって一度に計算モデルの限界を押し上げ続けています。これはどこまで進むことができるのでしょうか？さて、Google Brainとアルバータ大学のAI研究者が発表した最近の研究論文では、非常に進むことができることが示されています。大規模言語モデル（LLM）とメモリを組み合わせて、どのようなアルゴリズムでもシミュレートすることが可能でしょうか？LLMとメモリの組み合わせは、チューリング完全性を持つことができるのでしょうか？

計算の領域において、チューリングマシンの概念は、普遍的なコンピューターのアイデアを具現化しています。つまり、他のどのコンピューティングデバイスの実行をエミュレートすることができる素晴らしいマシンです。最近の調査では、大規模言語モデル（LLM）とチューリングマシンの複雑な関係を探っています。これらの調査では、ほとんどのLLMが単一の入力で計算を表現するための固有の制約を持っているかどうかを考えています。この問題に対処するために、新たな研究がLLMに外部フィードバックループを備えるという方向で進んでいます。つまり、モデルの出力を処理してそれを入力として再度与えるという手法です。このアプローチは、重要な疑問を投げかけます：LLMに外部フィードバックループを備えることは、単にユーティリティを提供するだけなのか、それとも実行できる計算の幅を根本的に拡大するのか？

• このAI論文では、ChatGPTに焦点を当て、テキスト注釈タスクにおける大規模言語モデル（LLM）のポテンシャルを探求しています
• GPT-4のようなモデルは、行動能力を与えられた場合に安全に振る舞うのか？：このAI論文では、「MACHIAVELLIベンチマーク」を導入して、マシン倫理を向上させ、より安全な適応エージェントを構築することを提案しています
• 「FreedomGPT」という名称のAI技術をご紹介しますこの技術はオープンソースであり、アルパカ上に構築され、倫理的な考慮事項を認識し優先するようにプログラムされています何の検閲フィルターもなく、自由な議論を可能にします

Google Brainとアルバータ大学の論文では、この問いについて詳しく探求しています。この研究では、LLMに連想読み書きメモリを付加することで達成可能な計算的普遍性を巧みに示しています。この研究は、以下の内容に焦点を当てています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!