松尾豊「意味理解と想像」ー深層学習の先にあるもの – 記号推論との融合を目指して（２）
Summary
TLDRこの講演では、深層学習と記号処理を融合する上で、想像力と現実世界の知覚運動系との関係が重要であると説かれています。講師は人間が2つの予測問題(近く予測と言葉予測)を同時に学習していることが、効率的な学習につながっていると考えています。また、記号系が知覚運動系を駆動できるようになったことが、人間の創造性の源泉であると論じています。このモデルを数理的に捉え、言語や意識、深層学習の融合を明らかにしていくことが目標とされています。
Takeaways
- 😀 人間の知性には、パターン認識的な「知覚運動系」と記号処理的な「言語系」の2層構造がある。
- 🧠 この2つの系がマルチタスク学習しながら相互作用することで、人間の高度な学習能力が生まれている可能性がある。
- 🌍 人間は仮想世界を想像し、そこからゴールを設定することで意志を持つようになった。これは集団生存に有利に働いた。
- 🤖 機械学習モデルも同様の2層構造を持つことで人間並みの能力を発揮できるかもしれない。
- 📐 数学や物理の概念は、3次元世界の知覚運動系をシミュレーターとして使っている。高次元世界をシミュレートすれば新しい数理が生まれるかもしれない。
- 🔍 AIシステムが説明不可能になるのは、少数の要素で表せない複雑な構造を持つためである。
- 🧭 人間の知性は、ありうべき知性の一部にすぎない。AIの研究が進めば人間知性の強みと弱みが見えてくる。
- ✍️ 言語の離散性と創造性は、エラー耐性と組み合わせの自由度を与えている。
- 🧠 注意機構は意識を実現している可能性がある。つまり、知覚運動系へのアテンションが意識なのかもしれない。
- 🌍 人間は言語で仮想世界を想像し、それを現実世界のモデルとしてマルチタスク学習することで高度な知性を身につけた。
Q & A
この講演の主要なテーマは何でしたか?
-講演の主要なテーマは、意味理解と創造においてパターン認識とシンボル処理の融合が重要であるということでした。特に人間の知性には、現実世界を認識する知覚運動系と記号を操る言語系の2つのモードが同時に作用していると説明されました。
為何人間は物語や映画が好きなのでしょうか?
-人間が物語や映画を好むのは、言葉から場面を想像する能力(言語予測)に報酬が与えられているためだと説明されました。この言語予測という上位の過程が、人間の想像力や創造性の源泉となっているのです。
GQNとはどのようなモデルでしょうか?
-GQN(Generative Query Network)は、複数視点からの画像データから3次元の物体や空間を再構成できるニューラルネットワークモデルです。これは明示的な3次元構造を仮定せずに、潜在的に3次元表現を学習できる点が重要です。
自閉症の子供と言語予測能力の関係について説明されましたか?
-はい、講演では自閉症の子供が人の発話に興味を示さないのは、言葉から場面を想像する上位の言語予測過程に何らかの障害があるためかもしれないと示唆されました。
チューリングテストとサールの議論はどのように解釈されましたか?
-講演者はサールの立場を支持し、言葉の意味理解とは記号処理システムが知覚運動系を駆動し、場面を想像することだと解釈しました。つまり、言葉を理解するには単なる記号操作ではなく、実世界の表象が必要だと主張しています。
記号表現と創造性の関係について説明してください。
-講演では、言語の記号表現がエンタングル(絡み合い)された成分から成ることで、個別に成分を操作することが可能になり、通常では想像しにくい組み合わせを作り出せるため、創造性につながると説明されました。
人工知能研究における過去のパターン認識派とシンボル派の対立はどう解釈されましたか?
-講演者は、パターン認識とシンボル処理の両方が人間の知性に不可欠であり、これらを統合することが重要だと主張しました。つまり、過去の対立を超えた新たな融合アプローチが必要だと指摘しています。
四次元や五次元の空間に関する人間の知覚はどのように拡張できるでしょうか?
-講演者は、知覚運動系のシミュレーターを四次元や五次元の空間上で学習させることで、そうした高次元空間の直感的な理解が可能になるのではないかと示唆しました。
講演者は人工知能システムの説明不可能性にどのように対処する必要があると述べましたか?
-講演者は、複雑な人工知能システムの内部動作を単純な要素の相互作用で完全に説明することは難しいと認めました。そのため、システムの予測性能と有用性を重視し、内部メカニズムの完全な理解を求めない新しいアプローチが必要だと主張しました。
人間の知性を見る新しい視点について説明されましたか?
-はい、講演の終盤で人間の知性を全知能の集合の一部として捉える視点が提示されました。これにより、人間の長所や短所、思考のバイアスなどを客観的に認識できると説明されました。さらに、人間は神であると表現することもできると述べられました。
Outlines
🧠 ディープラーニングと創造性の関係
この段落では、ディープラーニングと創造性の関係について説明しています。ディープラーニングの最近の進展を紹介しながら、創造的な想像力が非常に重要であることを強調しています。そして、ゲームの世界を再現するWorldモデルや、視点から写真を予測するGenerative Query Network (GQN)などの研究事例を挙げています。これらの研究は、3次元の世界構造を潜在的に学習できることを示唆しています。
🔀 シンボル処理とパターン処理の融合
この段落では、人工知能の歴史におけるシンボル処理とパターン処理の長年の議論について触れています。ディープラーニングはパターン処理の領域に当てはまりますが、この2つのアプローチを融合する必要があると主張しています。そして、人間の知性は動物的な知覚運動系と記号処理系の2層構造になっていると仮説を立てています。さらに、FergusonとLakoffの研究を引用し、下位の知覚運動系と上位の記号系が相互作用することの重要性を説明しています。
🌐 記号処理の特徴と想像力
この段落では、記号処理の特徴と人間の想像力の関係について述べています。言語の離散化された性質や、記号を自由に操作できる創造性について説明しています。また、チョムスキーの『色のない緑のアイディアが熟睡する』という有名な例を引用し、言語的な無意味さと想像力の関係を示しています。さらに、意識や自由意志が記号処理系と知覚運動系の相互作用から生まれると考えられていることを説明しています。
⚡ 記号処理と知覚運動系の相互作用
この段落では、記号処理系と知覚運動系の相互作用について詳しく説明しています。人間は記号処理系を使って知覚運動系をシミュレーターとして活用していると述べています。数学や物理学における空間的な直感は、この相互作用の結果だと考えられています。さらに、高次元の空間でシミュレーターを学習させれば、人間が知らない新しい数学や物理学的な知見が得られる可能性があると示唆しています。最後に、AIシステムの説明不可能性について触れ、従来の科学は少数の要素に還元できるものを中心としていたが、今後はそうでないものも多く出てくると予想しています。
🔭 人間とAIの関係性
最後の段落では、人間とAIの関係性について考察しています。人間は動物の一種であり、AIも知能の一形態にすぎないことを指摘しています。また、AIの研究が進むにつれ、人間の知能の強みと弱みがより明確になり、人間とは何かを理解することができると述べています。さらに、人間は神の一種であると言うセンセーショナルな見方を紹介しながら、人間とAIの関係をより深く理解する必要性を強調しています。
Mindmap
Keywords
💡意味理解と創造
💡ディープラーニング
💡記号処理
💡世界モデル
💡マルチタスク学習
💡潜在構造
💡想像力
💡意識
💡自由意志
💡人工知能と人間の関係
Highlights
意味理解と創造が、記号とディープラーニングをつなぐ最も重要な要素である。
人間は動物のOSの上に言語アプリ、記号処理アプリを載せている。
人間は近く予測と髪は予測の2つの問題を同時に学習することで、学習効率が上がっている。
言語による想像と答えは、非常に多岐にわたるため、マルチタスク学習でタスクの幅が広い。
人間は上側の記号系が下側の知覚運動系を駆動することができる。これが他の動物との大きな違いである。
人間が虚構を信じるようになったのは、集団の生存確率を上げるためだったのかもしれない。
自閉症の子が人と会話できないのは、上側の学習の報酬系が適切でないためかもしれない。
チューリングとサールの議論は、意味理解とは2階部分(記号系)が1階部分(知覚運動系)を駆動することであると解釈できる。
人間の自由意志には、知覚運動系から見た意志と、記号的に作られた想像から来る意志の2つがある。
意識とは、記号系がアテンションを向ける対象のことを指す。
記号系は空間的なイメージを使って知覚運動系をシミュレーターとして使っている。
知覚運動系のモデルを高次元空間でトレーニングすれば、人間が知っていなかった数学や物理を発見できるかもしれない。
人工知能システムが説明不可能であるのは、脳の働きを説明せずに社会を作ってきたのと同様である。
これからは予測性が高く実用的でも、要素の少数で説明できない現象が増えてくる。
人間の知能はAIの研究が進めば、あり得べき知能の一部でしかないことがわかるだろう。
Transcripts
00:04ああああああああ
00:10ん
00:16ん
00:23はいでは同25分ということでお話しさせていただきます
00:30あの意味理解と創造というふうに書きましたけれども
00:34あの
00:35なぜかというとですねまあ記号とディープラーニングをつなぐ
00:40一番重要な要素が言っと想像だというふうに思っていまして
00:45であのそういったあの話重心にしていこうと思いますねあの本当はですね
00:51あの最近のディープらーリングの進展
00:54特に
00:55昨年もですねあの婆ととかですねトランスフォーマーという技術がすごく
01:01イケてるということがわかってきたりあと
01:05new rod なるあのネットワークというの言うんですけども
01:10あの層の数を
01:22here ですけども喋ってるといつも時間がなくなるので
01:26purity 我慢してあの本題の方からいきたいとおもいます
01:33であので水遊びさーんディファインとの
01:37ceo の音ムササビさんは想像とプラーニングっていうのはですねあの機能において
01:42非常に重要だということを言ってますで2005年くらいからずっとその脳の研究をさ
01:48れているんですけれどもその脳の研究の中でもこの創造イマジネーションっていうのが
01:52非常に重要だということを言っていて私もあの遠い
01:56可能します
01:57あの創造にあの近い研究としてはあのここ数年いろいろあるんですけども
02:04あのひとつはこういうふうにですねまあビリボビリヤードの球が動くような様子を
02:10cmn rna モデル化しますよであの直感物理学という風にも言われますけどこう
02:16いった技術とか
02:17例えば
02:17煙がどういうふうに広がっていくかっていうのを
02:21これもディープラーニングで学習してシュミレートできますよと
02:25有用な技術もありますでもう少し直接的なのは昨年
02:30たくさん研究が出てきましたけどもワールドモデルっていうものであの
02:35杭 ae と rna を使ってあのこのゲームの空間なんですけども
02:41それのですねまぁ次元を圧縮し次に何が起こっているかっていうのですね
02:45予測できるようなものですさらにリーフマインドからですね昨年の夏ぐらいに
02:53この gqn というのが出てきまして h ネイティブクエリーネットはまあ
02:58せいぜいクエリーネットワークと言います
03:01これはどういうものかっていうとあの
03:04あるヘアのですね
03:07まあ写真を撮るとここの場所から撮るとこういう写真ここの場所から撮るとこういう
03:12写真というのを組み合わせるとそこのですね
03:15場所の空間的なあの表現が得られて2位の視点から見たときの
03:22その写真を想像することができるというものです
03:26でこれのぽ
03:27ヒントはですねあの従来まあそういうのもできる
03:30水たくさんあったんですけれども明示的にですね3次元空間を仮定していたですね
03:35で空間が3次元の形状であるということを仮定するとすることできたんですけれども
03:40この生成クエリネットワークがすごいのはそういう過程を一切置かずに
03:45あの
03:46シーンを
03:48復元できるとつまりそのまこの世界が3次元
03:52の構造しているということを潜在構造も含めて学習できているということになります
04:00であのこういうふうにですねちょっと見にくいですけどもまぁ視点と観察画像っていう
04:04のを与えるんですけども
04:06ここから見るとこうぢめましたここから見るとこうみえましたっていうデータが
04:09たくさんあった時にあるところから見るとまぁドッド見えましたかって言うんですね
04:13まぁあの学習していくと
04:15まああの予測するということができるようになります
04:19でですねあの
04:21このあの
04:24と
04:26gqn っていうのは原理的に言うとそのメタ学習っていうのとすごく近くてあの
04:32学習の学習ですねそのメタに学習するというのと近くて実はメタ学習っていう見方をし
04:39たほうがこの問題の構造をよりきれいなあの
04:45漫画なんて言いますね素直なモデルで表すことができてそうすると再編の精度が上がる
04:51っていうのをあの松尾健のまあでは研究しています
04:57そうするとまぁあのこういうふうにシーンを見るとですがいろんな画像が生成できると
05:01いう
05:02いうことになりますっていうのがですねまぁここまでが前段でしてこういう研究があの
05:07どんどん進んできていますよと
05:10いうことですであのここからですねあのシンボルの話に入っていくわけですけれども
05:16元々あの人工知能の歴史の中であのシンボルが重要なのかパターンが重要なのかという
05:23議論は長らく続いてきました
05:26であの
05:27まああのシンボル派として非常に有名なの3月
05:31さんとかですねであの a パターンとかまぁ新体制とかですね
05:36まあそういうのを言ったのがブルックスさんなわけですけどもまぁあの時代ごとにです
05:40ねまぁ色々揺れ動いてきて
05:43第3 ji 部分このディープラーニングはまあパターンのあの領域に該当するわけ
05:48です
05:49これの関係がどうなっているかというと僕
05:51がこれ昔からというかもう
05:54後6年前からずっと言ってるんですけどもまぁ基本をシンプルで現実世界の中に
06:01ですね我々人間も動物なんで動物の os が入っていると動物の os は何をやっ
06:08ているかと言うと
06:09現実世界の
06:11情報を知覚して適用的に動くということをやってやると
06:15で餌があったら食べる指摘があったら逃げるということをやるわけですね
06:19結構ここの領域がパターンの世界ですよ一方で
06:24人間はですね動物 os の上に言語アプリ
06:27記号処理アプリを載せていてでここがですねまぁあの2階建ての2階の部分になってい
06:32て
06:33あのまあ聞くとか話すとかそういう音員をベースにしたば処理をやっていますとこの2
06:38つのですねモデルがどう同時に動いてますよというのが僕の仮説です
06:44でまぁあの事務所の研究としてはこの間ですね揺れ動いてきたという歴史なのかなと
06:49いうふうに思っています
06:50これとあの近いモデル化をしているのがえっ飛んジョー先生
06:552017年に感謝スペースプライヤーっていうあの論文を出していますけれどもこれも
07:012つのですね rn を使って
07:04エイ
07:05今僕の説明ではその近く運動系って言っていたものとその上がの記号系って言っていた
07:12ものをそれぞれ
07:13モデルかあするまあそういうえまあ研究が出ています
07:17でこういう2つのですね rna のが下側と上側があっていましたがは先ほどで言う
07:23と世界モデルに近いね
07:25あのいろんなものを
07:28見たり聞いたりして次に何を見るか聞くかというのを予測するという意味で室外戻りに
07:34近いんですけどもこれに対してあの上側のですねまぁ勉強先生この意識ハール
07:39エネループ感謝っ
07:41メスある重ねって言ってますけども上側が下側にアテンションをあてるというような
07:46気候によって実現できるんじゃないかと
07:48いうことを言っていますでしかもですね感謝制すプライヤーっていうなんでプライヤー
07:53っていうかというとあの基本的には次に何を見るかという近くを予測するような問題を
07:58解いているんですけどもたまにですね他社が発話すると自分が発動するだけじゃなくて
08:03他社が発芽するとこの他社の髪はも表紙データとして使うことができるのでそれによっ
08:08て学
08:08主が早くなるとだからプライヤーとマーセ生息彼のあの働きをしているんだということ
08:14を言っていますでここまでがですね基本的に弁城先生が言ってることなんですけども僕
08:18はですね
08:19あのもう一個非常に重要な要素があると思ってましてそれはですね
08:24この図でいうと思うこの矢印なんですね
08:27上から下に降りて上にを上がるという矢印が便所先生のモデルが欠けていて僕はこの
08:33矢印がですに交錯していること自体に非常に意味があるんじゃないかというふうに思っ
08:39ています
08:40コレっていうのはですね言い方を変えると人間は2つの予測問題を同時に磨いている
08:45ってひとつはですねこの従って書いている
08:47近く予測ですね次に何を見るのか聞くのかということを常に予測しているとこれは他の
08:52動物もやっていることです
08:53でもう一個人間に非常に特徴的なのが髪は予測っていうことだと思っていて相手の言葉
08:59を聞いて
09:00シーンを想像しそれで次に何を言うかっていうのを予測しているとってここのです
09:07二つの問題を同時に学習することがこれがある種のマルチタスク学習
09:12マート家庭学習になっていてそれで学習がの効率が非常に加速されているということが
09:17起こってるんじゃないかと
09:19これでもう少しあのまあ大雑把ですけどもまグラフィカルモデル的に書くとですね
09:25あの2つ問題があってあの
09:28この下側のやつはですねこの世界モデルう
09:32の研究と同じでまあ今近くしているものから手術兄弟近くするものを予測するという
09:37問題です
09:38一方で相手が言ったことからシーンを過ごすをしてこうしたまで行くとシーンを想像
09:43できるんですけどもシーンを想像し次何があの起きるかっていうのを予測すると
09:48でこの2つの問題のですね潜在構造が今日
09:52普通しているということだろうというふうに思います
09:57でですのでまぁシンプル者シンプルなんですよねえっとこのですね2つの
10:05の問題があることによって特にですねこのしたがは割とまああの犬10世界の構造なん
10:11でそんなに
10:12複雑じゃないんですけども上側は言葉によるですね
10:16あの想像と
10:18それによるあの答えですから非常に多岐にわたっていてこのマルチタスク学習でいうと
10:25まあなんかタスクの幅は非常に広いわけです
10:29なのでまぁ結局ですねこの上川が非常に進展する形でこの中の中間構造ってかせ潜在
10:36構造も非常に豊かになりそれによって
10:38結果的にこの近くのところもですね非常に影響を受けているということなんじゃないか
10:43というふうに思っています
10:45でこれはですねちょっと別の書き方で書くとさっきの書き方に戻りますけれども
10:51したがのループと上側のループがありますとで普通の動物はですね下側のループ
10:56口の下が上を駆動する構造してるんだけども
10:59人間はですね上が下を駆動することもあると
11:02ってここがまあ他の動物と一番大きな
11:05ところち違う所ってあの
11:09でそもそもですねこれ上が下を駆動するというのはある文を聞いて
11:13まあそれを創造するところですね大きなリンゴの木がありましたって言うと大きな
11:18リンゴの木の憎悪
11:20頭の中に皆さん思い浮かべられるとっていうことなんですけども
11:24それ全然普通やんないほうがいい理由ですよねあの進化的にはそんなことはやらない方
11:29が良くて
11:30そんなことしてる間に後ろにトラがいてあの
11:33食べられると意味がないですから普通やらない方がいいんだけどもなんでそんなことを
11:38やるようになったのかというのを進化的に説明してみるとおそらくこれはあの
11:44サピエンス前島はらりに書かれているように虚構を信じるということが集団としての
11:49生存確率を上げたというような効果があったんだろうと
11:53でつまりこのリンゴの木をとったのは奴らだとだから団結して戦おうということによっ
11:59て生存確率が上がったということがたまたま起こったためにその2階部分記号部分
12:04がですね1階部分知覚運動系をですね駆動するような構造がたまたまできてしまって
12:09それがマルチタスク学習として非常にですね
12:12学習速度を上げる効果があったということなんじゃないかというふうに思います
12:17でですねあの
12:20実は仕組みとしてはあの上側のですね髪は予測を
12:24嬉しいと思うかどうかそこに報酬型を設定するかどうかだけの差なのでおそらくその
12:31正体としてはあんまり機構大きく変えなくてよくて
12:35でそこの報酬系をちょっといじればいいということなんじゃないかな
12:39よくですね自閉症の子がですね人がやっていることに興味を持たないで人と会話をしな
12:45いっていうのがありますけどあればもしかしたらここのですね上側の学習をさせるため
12:51にわざと報酬型
12:52人の話を聞く人の言葉を予測
12:55いうのが嬉しくできていると思うんですけどもそこの部分がちょっとおかしくなっ
12:59ちゃうとそういうことになるっていうことと解釈できるのかなと
13:04あとですね小説とか映画とかやたら人間好きなんですねでそれもやっぱりその物語西
13:09真上がの髪は予測をあの時たいっていうことに非常に強くが癒されてるんじゃないかと
13:14いうふうに思っています
13:152
13:16でですねこの2段階の構造していると潜在構造を共有しながら
13:23した川の近く予測と上側の初開発は予測っていうのがあるという風な家庭を撮るだけで
13:29実はいろんな事が凄く
13:31成功的に説明できまして例えばですねあのソシュールが正氏にフィッシュ
13:36不安って言ったのはこれ上側がした花を挿すことを言ってますよねということだし
13:40チューリングテストでですねあのまああらチューリングがあの人間の家の
13:46の定義をまああるし外敵にしたわけですけどもそれに対して中国の部屋でサールがまあ
13:52それに反応したわけですね
13:53このチューリングとサールの議論でいう
13:56を僕は完全に注意あのサールの方が正しいというふうに思っていましてそれはなぜかと
14:01いうと意味を理解するということは2階部分が1階部分を駆動することであると
14:06つまりそのシーンを創造することであるのでシーンを想像させない
14:11あの記号処理っていうのは意味が理解したこのにならないと
14:16だからそのまあサールのようですね中国語の処理をしているだけでは
14:21これはまぁ微妙しているとは言えないというふうにあの解釈することができます
14:26それからですねちょ6月はこういう文を言いますよ
14:30colorless green アイディアず3月が安いね
14:33こういう文を言ってこれはですね色のない緑のアイディアが激しく眠るっていうことな
14:38んですね
14:39でこれは何でこういうことを言ったかっていうとなぜこういうふうに文法的に正しいの
14:43にナンセンスな部分が存在しうるのかということを問うたわけですけどもこれもですね
14:48あの簡単で上側のですね季語部分はあの処理できるんだけどもいい
14:53階部分近くの時計学童できないですね想像がさせられないというふうにそういうデータ
14:58を持ってなかったから想像が出来ないという文の例を言っていて
15:04まあそりゃそうですよね
15:06で日常生活で考えても我々ですねぼーっと話を聞いていて耳の中に入っていくんだけど
15:10も全然聞いてなかったっていうことありますよね
15:13それはですね2階部分が1階部分を駆動してない状態なわけですしそれからあの人の
15:18名前なんだっけうんうんと一生懸命思い出そうとする
15:21そういう時ってですね思い出せないからいろんな場面を想像してみたりその人の
15:25なんか所属の名前を言ってみたりいろいろやるんだけどもう
15:29くっていうのはですので1階から2階にコントですね情報が戻ってこないということを
15:33現象だという風に考えてませんまあいろいろあのあのまああの
15:39簡単に説明ができるであのそういう意味では今後の機械学習機会が来ちゃったら機械
15:45翻訳はですね
15:47あの子の2階部分と1階部分が連合した形になってきますから相当ですねあの
15:53精度は上がってくるはずだとでまぁ今の何回でもまあディープラーニング
15:57いろんな4オーバーととかですねあのの
15:59色々使うと制度があの人間並みかそれ以上の所まで来てますけどい逆に言うとですね
16:06あれだけ膨大なデータ使って人間並みくらいしか行かないっていうのはやっぱり
16:09アルゴリズム的にまだおかしいですね
16:11原理的に何か変なことをやっちゃってるかそうなっている僕はそれはですね要するに
16:15こういう風な1階部分をちゃんと作っていないからだと
16:18そこができるといいですねまあ
16:19大きく変わっていくんじゃないかというふうに思います
16:22でですねあの
16:242階部分の記号ケーっていうのは僕が考えてみると色々
16:28まあ面白い特徴があってひとつはですね
16:31離散化してるんですよね言葉ってやっぱり音ま音素からあの人参加していておそらく
16:37これっていうのはあの狭いバンド母はパパで通信するからあの
16:43しょうがなくそういうふうに
16:44誤り訂正しやすいためにそういう風になったんじゃないかというふうに思いますけれど
16:49も
16:49それが故に堪えないでも非常に保存性が高まったと
16:53いうことがありますそれからですねあのもう一個
16:56創造ということでまああのニューラルネットワークのですね
17:00まあインフラネットワーク作る最初にそうはですねだいたい this エンタングル
17:04されていて最後1000形の変換だけであのもう行けるようになるんですけれどもそう
17:09いう意味ですねこの this エンタングルされた成分がちゃんとで
17:13てくるということは逆にあの
17:16普通相姦しちゃっているものをですねこうやって紐解いているわけですから
17:20これをですね全然しらその別個に動かすことができるわけですね
17:25れそうすると初めて例えばめちゃくちゃ背が高いのに
17:29細い人って普通ですね背の高さと
17:33大きさはあの創刊したというので背が高い人を想像すると大きい人を想像しちゃうこと
17:38になるんですけども
17:39トロが背の高いのに痩せてる人みたいなを創造できるわけですね
17:42逆にのめちゃくちゃデブなのに背が低い人
17:46rolo 操作できるそうそうですなんかめちゃくちゃ背が低い
17:50って長い犬を作ってみようみたいなことがで
17:53きたり年が出てきた意義を建てようとか今22のことを要するに目標として設定
17:59思い浮かべることができるのでそうすると目標として設定できるという
18:03これがですねまぁ想像力につながるわけですけれども
18:08そうそうですね僕はそのまあ自由意志っていうのも実は2つあるはずで一つはこの知覚
18:14運動系から見た
18:15まあ獣医師資格に時計が駆動する様子にゴール状態を想像してそこに向かっていくんだ
18:20というような普通の動物でもやるような話ともう1個は機合計額通して記号的に作られ
18:26たあり得ないものを想像してしまって
18:28それを目標にしようという場合でこのに2番目の方がやっぱり人間らしいですよね
18:33であの子の
18:36盗んで2番目とですね市場一場面とか要するに2番目の子の木合計額駆動する場合の
18:42目標状態を設定するとそれって近く後に憧憬と半ば
18:47独立に設定しますから知覚運動系にとって無理なこととかも想像しちゃうわけですよね
18:54そうするとですねなんか勉強
18:56をしてしないといけないと思っているあそこの大学に入ろうと思っているのにへ
19:01なんか眠くて寝ちゃうとかですねそういうことがいろいろ発生して
19:05でここのギャップを持ってですねそのまあ
19:08gu 石っていうような感覚になるんじゃないかと
19:12いうふうに思います
19:14で後意識っていうのをのあの
19:17議論をよくありますけども
19:19僕はまあ今のそのモデルでいうと結局その記号系の毛システムが動いていることを言う
19:27か舞四季というふうにへ言ってるんじゃないかでき合計の姿勢は基本的にその
19:33知覚運動件も含めて兄の場所にアテンション当てることができるのでねこれを意識って
19:37言ってるんじゃないかと
19:38あっ
19:39いうふうに思いますが知覚運動系だけ動いている場合は意識がないというふうには我々
19:44よく言うわけですよね
19:46あとまああの自分自身にアテンションを向けることもできるので自分というものを
19:50シミュレートするとば無限交代が起こるということもあるという
19:55でですねえっとあとちょっとですけれども
19:58あの今のようにまあに団の構成を考えると1段目の近くん時計っていうのを上側のです
20:092階部分の記号系っていうのがうまく活用していることになるわけですね
20:15あの特に数学とか物理みたいなものとか
20:20我々の日常的な言語もそうですけどかかなり空間的なイメージっていうのを使っている
20:24と
20:25つまりその近く運動系をある種のシミュレーターとして使っているわけですけれども
20:29このシミュレーターはどこでトレーニングされているかと言うと
20:33まあ我々が住むこの三次元の世界なわけですね
20:36ですから直感的に4次元と五次元の世界を創造するというのを我々には難しいわけです
20:41ところが今ですねこの知覚運動系回るのモデルを
20:44あの四次元空間5次元空間シミュレータ上でですね学習させることができますので原理
20:50的にはですね四次元5人えんじゅう次元100事件
20:53いろんな空間で学習させることができるわけです
20:56そうするとですねこの直感的に100人園構造が分かるような知覚運動系を駆動する機
21:03合計見たなら作れるわけなので
21:05そうした時にはどういう風なですね数学とか物理の体験を生み出すのかというのは僕が
21:10非常に興味深いし何ですね
21:13なんか人間が知っていたことってごくごくわずかだったよねという風になるんじゃない
21:18かなというふうに思っています
21:21でも今でもですねできでできつつありますけれども
21:24レッド我々がですね我々人間がわかるということに対してもうちょっとわかる必要が
21:28あるんじゃないかなというふうにあの思っていましてよくま
21:32ai のシステムがですね説明不可能であるとか言うんですけどそりゃそうでしょう
21:36っていうような感じでだって今までやって我々の脳の働き動きをですね説明せずに我々
21:42社会作ってきたわけですからというふうに思うわけですが
21:45結局ですねそのモデルとして
21:48その現象をうまく近似できるし予測もできると
21:52ただしそれを少数の要素のインタラクションで表すことができないために我々には何が
21:57起こっているのか理解できないということはこれからもっと増えてくるはずだという
22:01ふうに思います
22:02で今までですねこれに近いもとして複雑系ってなりましている複座助っ人の挙動が
22:05難しいだけであの何
22:08というか予測性が高いとかそういうわけじゃなかったですねでもこれからは予測背も
22:11高いし
22:12実用的にも使えるんだけどもそこの中の要素っていうのが少数のもので説明できないと
22:18いうことが増えてくるって結局ですね我々が科学技術をして作ってきたものっていうの
22:22はやっぱりいつの少数の様子に還元できるものっていうのを中心にしていたわけなので
22:28そういう意味からするとまああのそっちのあり方っていうのもですねこれからまた
22:32変わってくるんじゃないかなというふうに思っています
22:36というわけであの
22:38僕はですねあの今日お話ししたようなことっているのをできるだけ数理的なモデルとし
22:43て
22:44a
22:44そのまあ示していきたいなというふうに思っていまして
22:49少なくともその世界モデルのところというの研究がだいぶ進んできていますしてから
22:53その2回のですマルチタスクの
22:56この髪は予測と近く予測っていうのが
23:00この絡み合った構造してるっていうところもおそらく
23:04な中の実験によって示せるはずじゃないかというふうに思っていましてまぁそういう
23:08ところからですね
23:09あのこういう言葉言語とか意識とか
23:12記号処理へとディープラーニングの融合という当たりをですねまぁ明らかにしていき
23:17たいなというふうに思っていますあと左右左右
23:20後にですねこれあの
23:22ちょっと最近僕と線
23:26人間は ai だっていうですね
23:29あの言い方を考える考えまして
23:32これなぜかということですね
23:34今昔はですね人間は動物じゃなかったですね
23:38人間は動物と敵対するものでだったんだけど色々わかってきて
23:43人間も動物のあのう
23:45異種ですと
23:46集合で言うと動物の中人間が含まれると
23:50いうことがわかってきたようですね今ですねよくまあ ai た人間ということを言い
23:54ますけれども
23:56他ですね知能のまあありうべき全体集合っていうのを考えてそれを係に描いと呼ぶこと
24:03にすると人間の知能っていう人間がたちのですが動く一部なんだということだと思って
24:09ましてそうじゃないタイプの知能っていうのも世の中たくさんあるそれがですまた
24:14例えばアルファ事がパ少しずつ見えてきている理由
24:16ですけれどもこれがまあますますこの ai の研究が進むとまぁ見えてくるんじゃ
24:21ないかなというふうに思いますしまーそうして初めてですね
24:24あの人間は自分の知能をある習甦の総体化して見えるわけですね
24:29ね何が強くて何があの不得意なのかと
24:33でどういう思考のバイアスがあるのかということにも築けるわけなので
24:38こういう見方っていうのがあの今後重要になっているんじゃないかまぁこれをすごく
24:42そのセンセーショナルにいうと人間は神5人であるということになるということかなと
24:47いうふうに思っていますちょっと時間ですので終わりたいと思いますけどもありがとう
24:51ございました
24:52ん
24:53[拍手]
5.0 / 5 (0 votes)
