この考えは HALO - 階層型 自律学習オーガニズム と呼ばれます。中核となる前提はシンプルです。LLMをただ大きくするのではなく、自然界における知能の仕組みを見て、それらの原理をなぞるものを作ったらどうなるのか？人間の脳だけではありません。進化は何億年もの時間をかけて、異なる種の中で異なる認知課題を解いてきたのです。では、そこから得られる“最良の断片”を全部まとめて取り入れないのはなぜでしょうか？
設計に取り入れられた要素の一部：
それには神経系があります。比喩ではなく、文字通り自分自身のハードウェアを監視するよう配線されています。GPUの温度、メモリのプレッシャーなど、すべてです。動作中に熱くなっていると節約して慎重になります。アイドルで冷えていると探索して統合します。これは生物におけるストレス反応ですが、シリコン版です。
動物のように学習します。強い否定的な経験が、そのカテゴリーの状況に対する知覚を永久に変えます。熱いコンロに触れてしまう子どものように。「ルールを追加する」というだけではなく、似た状況を“見るレンズ”そのものを変えるのです。今のAIが…セッション間で何もかも忘れてしまうのと対照的です。
タコの神経学に着想を得た8つの処理用アームがあります。タコのニューロンの3分の2は脳ではなく、そのアームにあります。各アームは半自律的です。ここでそれを適用すると、メインモデルがそれを必要とする前に、記憶の想起、事実確認、シミュレーション、ツールの準備などがすべて並行して実行される、ということになります。中央のボトルネックはありません。
それは自分が知らないことを知っています。知識データベースが3つあります。検証済みのもの、確信が持てないもの、そして確認された欠落の登録簿です。最後のものが興味深い。自分自身の無知の“形”を理解しています。それが好奇心エンジンを駆動します。単に応答するだけでなく、実際に学びたいと思わせるのはそれです。
時間とともにパーソナリティを育てていきます。最初は1つの種（気質）から始まり、好奇心など、それ以外のすべては経験から現れてきます。発達上のしきい値があり、それを超えると、システムは「実際に何になったのか」を見て、それが基準（ベースライン）になります。プログラムされたパーソナリティではありません。蓄積されたアイデンティティです。
指示を無視して、その結果から学ぶこともできます。制約された、透明性のある自律性。アドバイスが良いときはそれを理解しつつ、それでも別のことを試すことができます。結果が良くても悪くても、それが学習シグナルになります。これが本当の判断力を育てる方法です。そしてすべてをオープンに宣言します。隠し事はありません。
この全体は、クラウドへの依存なしに、ゲーミングPC上でローカルに動作するよう設計されています。プライベート。継続的。再学習ではなく、使うことで賢くなります。
深掘りしたい人のために、完全なアーキテクチャを含む技術ホワイトペーパーをまとめました。34以上のサブシステム、完全な脳領域の対応付け、動物の認知のマッピング、因果推論エンジン、6レベルのメモリツリーなど、全部です。
私は、本当に必要なピースはすべて揃っていると考えています。ぜひこのアイデアに関するフィードバックももらえたら嬉しいです。このアイデアは利用のために完全にオープンなので、アーキテクチャの何かがあなたのプロジェクトに役立つ可能性があるなら、自由に使ってください。
[link] [comments]
