エージェントモデル批判：自律性の本質とGICアーキテクチャの提案

- 本論文は、AIエージェントの現状を調査し、エージェント性の境界を明確化することを目的とする。 - LLMシステムが「コーディングエージェント」や「AI共同科学者」として宣伝される中、自動化とエージェント性の区別が重要と主張。 - デカルトの独立した思考に基づくエージェント性の定義とSFの自律存在の描写を参照。 - エージェントアーキテクチャを目標、アイデンティティ、意思決定、自己調整、学習の5次元で分析。 - 真のエージェント性には構造がシステム内に内在化される必要があると論じる。 - エンジニアリングされたワークフローに基づく「agentic」システムと、内生的能力を持つ「agentive」システムを区別。 - 汎用エージェントモデル向けにGoal-Identity-Configurator (GIC) アーキテクチャを提案。 - 監査性、制御性、安全性に関する洞察を共有。

- 先行研究と比べて、エージェント性の定義をデカルトの哲学とSFの描写に基づいて明確化。 - 従来のAIエージェント研究では曖昧だった自動化とエージェント性の境界を5次元で分析。 - 外部スキャフォールディングによる「agentic」システムと、内部構造を持つ「agentive」システムを区別する新たな視点を提供。 - 汎用エージェントモデルとしてGICアーキテクチャを提案し、階層的目標分解やアイデンティティ進化などを統合。 - 安全性と制御性に関する議論をエージェント性の文脈で展開。

- エージェントアーキテクチャを目標、アイデンティティ、意思決定、自己調整、学習の5次元で分析。 - 真のエージェント性にはこれらの構造がシステム内に内在化される必要があると主張。 - GICアーキテクチャは、階層的目標分解、アイデンティティ進化、別途訓練された世界モデルに基づくシミュレーティブ推論、学習された自己調整、実経験とシミュレーション経験からの自己指向学習を組み合わせる。 - これにより、オープンワールドで真の自律性を持つシステムを目指す。

- 要旨からは不明。具体的な検証方法や実験結果については記述されていない。

- エージェント性を持つシステムの監査性、制御性、安全性について議論。 - より大きな自律性と「エージェント性」を持つシステムが人間の監督下に留まることの重要性を指摘。 - 自動化とエージェント性の境界を明確にすることの意義を強調。

- 要旨で参照されている研究：Descartesのエージェント性に関する哲学、SFにおける自律存在の描写。 - 関連手法：Large Language Model (LLM) システム、Goal-Identity-Configurator (GIC) アーキテクチャ。 - 同分野の定番：強化学習、認知アーキテクチャ、自律エージェントに関する研究。