- ジョンズ・ホプキンス大学の新しい研究によると、AIはいかなるデータによる学習も行わずに、人間の脳のような振る舞いを示し始める可能性があることが明らかになりました。
- この発見は、巨大なデータセット、数ヶ月に及ぶ学習時間、そして数千億ドルの計算インフラに依存する現在の主流なアプローチに疑問を投げかけるものです。
- 科学者たちは、データを「詰め込む」のではなく、AIのアーキテクチャを生物学的な脳に近づけることに注力しています。
- 『Nature Machine Intelligence』に掲載されたこの研究は、システムの構造が入力データ量と同じくらい重要であることを強調しています。
- 研究チームは、トランスフォーマー、全結合ネットワーク、畳み込みニューラルネットワーク（CNN）の3つの主要なAIアーキテクチャを比較しました。
- 事前学習を行わない数十のモデルを作成し、物体、人間、動物の画像を見せました。
- これらのモデルの内部活動を、同じ画像を見たときの人や霊長類の脳の反応と比較しました。
- トランスフォーマーや全結合ネットワークのニューロン数を増やしても、大きな違いは見られませんでした。
- 対照的に、未学習のCNNは、人間の脳に非常に近い活動パターンを示しました。
- これらのモデルの効率は、数百万から数十億の画像を学習させる従来のAIに匹敵するものでした。
- この結果は、AIのアーキテクチャがデータ以上に「脳のような」挙動を決定づける強力な要因になり得ることを示唆しています。
- 研究チームは、より効率的な新しいディープラーニング・フレームワークを構築するため、生物学にヒントを得たシンプルな学習方法の探索を続けています。
📌 結論： ジョンズ・ホプキンス大学の研究は、AIが学習データなしでも脳に近い挙動を示し得ることを証明しました。科学者は膨大なデータ注入よりも、生体模倣型のアーキテクチャ構築に軸足を移しています。これはAIの新たな方向性を示すとともに、膨大なデータに依存する現在の生成AIモデルに大きな一石を投じています。
