[📪정보] VERSES AI 백서

[익명(211.189)]

https://arxiv.org/pdf/2212.01354.pdf


https://www.verses.ai/research-development

Research and Development | VERSES

VERSES AI의 핵심: 능동적 추론
우리는 정보 물리학을 기반으로 지능을 모델링하는 접근 방식인 능동 추론을 사용하여 이 가설을 조사하고 있습니다.  능동 추론을 통해 우리는 들어오는 데이터를 기반으로 결정을 내리고 실시간 조치를 취할 수 있는 소프트웨어 프로그램이나 에이전트를 설계하고 만들 수 있습니다.  이러한 에이전트는 새로운 데이터를 받을 때 실시간으로 자신의 신념을 업데이트하고, 세상에 대한 이해를 활용하여 미리 계획하고 그 안에서 적절하게 행동합니다.

우리의 접근 방식은 에이전트의 신념에 대한 명시적인 접근을 허용합니다. 즉, 에이전트가 세상에 대해 믿는 것과 새로운 정보에 비추어 에이전트의 신념이 어떻게 변하는지 발견하기 위한 일련의 도구를 제공합니다.  우리의 모델은 근본적으로 베이지안이므로 안전하고 안정적인 환경을 유지하기 위해 최적의 에이전트가 무엇을 믿어야 하는지, 어떻게 행동해야 하는지 알려줍니다.

정렬 달성과 보상 극대화: 항상성 목표
능동 추론은 물리학 및 정보 이론을 기반으로 목적 함수 선택을 위한 방법을 제공합니다.  능동 추론 에이전트는 단순히 보상 기능을 최대화하는 것만을 추구하지 않습니다.  대신 Active Inference는 자동으로 탐색과 활용의 균형을 유지하여 호기심이 많고 정보를 찾는 에이전트를 설계할 수 있습니다.  결정적으로 Active Inference는 정보를 공유하고 함께 작동하여 지속 가능한 생태계를 만드는 다중 에이전트 시스템으로 자연스럽게 확장됩니다.  이는 본질적으로 보다 안전한 상호 작용을 촉진합니다. 에이전트는 서로를 이해하고 모델링하며 주변 엔터티와 식별하여 집단 지능을 형성합니다.


베이지안 AI의 다루기 쉬운 문제 해결
대부분의 최첨단 기계 학습 연구의 현재 생각은 기계 지능에 대한 순전히 베이지안 접근 방식이 이론적으로는 최선의 접근 방식으로 널리 받아들여지지만 계산 복잡성으로 인해 확장될 수 없다는 것입니다.  이러한 믿음은 정교한 베이지안 모델이 현대의 깊은 믿음 네트워크의 구조를 모방하고 학습을 위해 시간과 에너지를 소모하는 경사하강법 기반 방법을 사용해야 한다는 암묵적인 가정에 기초합니다.  우리는 빠르고 경사 없는 학습을 가능하게 하는 신경망 아키텍처에 보다 뇌와 유사한 모듈식 접근 방식을 채택하여 이러한 문제를 극복하고 있습니다.

이를 해결하는 것이 우리의 핵심 연구 분야 중 하나로 부상했습니다.  우리는 autograd가 딥 러닝을 위해 했던 것처럼 베이지안 기계 지능에도 도움이 될 것으로 기대하는 업계에 최적화되고 확장 가능한 새로운 베이지안 추론 프레임워크를 개발하고 있습니다.

우리의 초기 결과는 유망하며 더 넓은 기계 학습 커뮤니티에 우리의 기술을 선보이기 위해 Atari 100k 벤치마크 챌린지와 같은 벤치마크에서 최첨단 AI에 대한 우리의 기술을 시연할 것입니다.  우리는 이 기술을 계속 개발하면서 우리의 연구 결과를 동료 검토 저널과 컨퍼런스를 통해 전파할 것입니다.  계속 지켜봐 주시기 바랍니다.