独立した研究、 公開される成果

現在の AI システムは、一度学習されると固定され、そのまま展開されます。会話から学ぶことも、セッションをまたいで知識を保持することも、自らの経験を積み重ねることもありません。本論文は、これが計算能力の問題ではなくアーキテクチャの問題であると論じています。どれだけスケールさせても、静的なモデルが成長する能力を得ることはありません。

DKA は根本的に異なるパラダイムを提案します。大規模な事前学習で完成された知能を組み立てるのではなく、知能を孵化させるのです。システムは小さな言語カーネル（言語は理解するが世界については何も知らない 3-7B パラメーターのモデル）から出発し、構造化された対話、練習、検証、永続メモリを通じて能力を獲得します。各スキルは次のスキルの足場となり、生物の知能が生得的な能力から学習による能力へと発達していく過程を反映しています。

このアーキテクチャは、相互に接続された 5 つのサブシステムで構成されます。基礎的な理解を担う言語カーネル、学習した知識をセッションをまたいで保存する永続メモリ基盤、不足を特定して練習を通じて学習するスキル獲得エンジン、獲得したスキルを正解データに照らして検証する検証フレームワーク、そしてシステム自身の知識状態を監視して学習の優先順位を決めるメタ認知コントローラーです。

本論文には、メモリ構造、データフローのパターン、擬似コード、ハードウェア要件を含む具体的な実装仕様が含まれており、汎用ハードウェアと既存のオープンソースコンポーネントを用いて $100K 未満で実現可能な段階的な概念実証の概要を示しています。DKA に必要なすべてのコンポーネントは、本番環境レベルの技術として現在すでに存在しています。DKA の新規性は新たな発明を必要とする点にあるのではなく、実績ある既存のコンポーネントを、誰もまだ組み立てたことのないアーキテクチャへと構成する点にあります。