新着Pick
285Picks
Pick に失敗しました

人気 Picker
ここでの「強い」とか「弱い」とかの分類は、あまり意味のない分類だ考えます。
 もっと大事なことがあります。それは、「未来の不確実性」をどう捉えるかです。
 未来は、予測不能です。どんなにデータを集めようとも、これは変わりません。データは所詮過去のものだからです。
 過去のデータで、未来が予測可能だと期待するのは、一種の現代の「錬金術」です。決して、実現することはありません。
 この意味で、少ないデータで予測できるようになった、とか汎化できる、という言葉は、よほど注意しないと誤解を与える主張です。
 しかし、この予測不能な未来に的確に立ち向かうための普遍的な方法はあります。これは過去のデータでの予測性能を高めることではありません。
 むしろ過去のデータからの予測と現実との乖離に注意を向けることから始まります。
 この乖離を大事にし、そこに起きている新たな変化、既に起きた未来、を機会に変えることこと、我々がすべきことです。そこには、正解はありません。しかし、正しく注意を向けることはできます。これを、データとAIは支援することができます。それ以上のことは原理的にできません。
 そろそろ「錬金術」の呪縛から解放される時です。
人間の知能と比較するから駄目なんだと思います。そういう意味では「人工知能」と言ってしまったことがそもそもの間違い。

そもそもの話しをすると、人間の脳は消費電力もそんなに多くないし、ニューロンの数だけを切り取ってみると驚くほど大したことはない。では、何がすごいのか。個人的には3次元に自由自在・縦横無尽に張り巡らされる配線だと思っています。人間の脳の容積のほとんどはこの「配線」で埋め尽くされています。配線のおばけと言って良い。なので、実は大事なのは演算処理機能のほうではなく、それをつなぐ配線の自由度なのではないかと思っています。

計算機は現時点では2次元の配線です。「3次元空間に自由に配線できるじゃないか」と思われるかもしれませんが、集積化ができていません。

また、単純に計算機は計算が得意とか、最近のAIの画像認識能力は人間を超えたと言いますが、それも注意が必要です。計算機が得意なのは数値計算であって、解析的計算ではありません。また、AIの画像認識が人間を超えたと多くのひとが言う根拠はILSVRCというコンテストのことを指していますが、そもそもあれは1000種類の物体を、候補5つまで挙げたときに正解が含まれていることというルールの中での話です。いまのAIには「わかりません」「初めてみました」がなかなか言えません。それだけでも難しい。
ブーム後もAIの意義を認識してもらえるよう、太くてわかりやすいプロモーションが必要と考えます。理研AIPで取り組みたい。
いわゆる「ノーフリーランチ定理」(No Free Lunch theorem).
昔の分類
もはや区別できても意味はない
「理想の AI は人間並みの知能を持つプログラム」ではない

人間の知能は非合理的に出来ているので人間並みの知能しか持っていない AI は出来損ないである

「人間と同等のタスクをこなせる AI を汎用型人工知能と呼ぶ」は説明不足

「人間の様に複数のタスクをこなせる AI を汎用人工知能と呼ぶ」の方が正しい

「汎用」の定義は人によって違う

例えば AlphaZero の様にゲーム部分のモジュールを交換するだけで複数のゲームを学習出来る AI は極めて限定的ではあるが汎用性を持つと言える

一方で Yann LeCun の様にそもそも人間の知能は汎用ではないと言う研究者も居る

参考:

新型コロナとシンギュラリティー(松田 卓也)
https://t.co/EwQVEk23Z3

「汎用人工知能なんて出来っこない」LeCun 教授
https://t.co/RWzUYo6HND