人工知能の道のりは長い

人工知能の道のりは長い

「人工知能」は最近、特に資本市場で非常に人気があります。実は、これはすべて予想されたことです。物語を語る人がいれば、喜んで物語を聞く人々もいるでしょう。私はただ、語り手が現実的であり、紳士は利益追求ではなく、正しい方法でお金を稼ぐべきだと願っている。しかし、どうやら私の望みどおりにはならないようだ。人工知能の分野はさまざまな人が入り乱れ、混乱を招き、バブルはどんどん大きくなっている。時々、関係者とこの水について議論しますが、ほとんどの人は真剣に受け止めず、時代遅れだと言います。だから、今の自分の考えを記録しておき、将来の証拠として使いたいのです。

深い意味はなく、単純な例だけです。

AlphaGOは誰もが知っているので、それを例に挙げてみましょう。 AlphaGOは誕生以来、人間のチャンピオンを何度も破り、大人気を博しています。その強さに驚く人も多いですが、私はそれほど強いとは思いません。倒せるわけではないが、何度かバージョンアップを重ねることで、仮面の勇者が一人で外界に出て、その後は隠遁して修行し、戦闘中にすごい技を繰り出せるようになるような、質的な変化が生まれることを期待しているのだが、そうではない。

コンピュータも人間も計算できますが、コンピュータは計算するときに下書き用紙を必要としません。なぜでしょうか?コンピュータにはメモリがあり、言い換えれば、コンピュータには下書き用紙が付属していますが、人間の脳にはメモリがほとんどありません。複雑な計算の中間プロセスは覚えにくいため、下書きが必要になり、このプロセスにより人間の計算効率が大幅に低下します。しかし、これは知能に影響を与えるのでしょうか? 物事を記憶し、それを素早く思い出すこと、これが知能なのです!

知性とは一体何でしょう。同じ霊長類に属する人間とチンパンジーの違いは何でしょうか。チンパンジーは、人間が教える多くのタスクをこなせるように訓練することができます。人間はチンパンジーほど強くなく、木登りもチンパンジーほど上手ではありません。しかし、なぜチンパンジーは人間になれないのでしょうか。それは、チンパンジーには人間のような革新的な能力がないからです。

AlphaGO は、その強力な計算速度と計算メモリを頼りに、何度も人間のチャンピオンを破っており、今後も勝ち続けるでしょう。軍事的に言えば、この勝利は、人間が車を運転し、AlphaGO が恒星間艦隊をもたらすのと同じように、強力な兵站支援によるものです。しかし、艦隊は我々が予想したように次元兵器などを使って車を特異点に押し戻すことはせず、代わりに車と耐久性、積載量、走行速度を競い合いました。勝利したものの、驚くほどではありませんでした。

現在の AlphaGO は、呉清源、武宮正樹など、歴代の囲碁名人を全員倒せると私は信じています。同時に、歴史上「中国式」や「宇宙式」などの驚くべき囲碁の手を開発することは決してできないだろうとも確信しています。その理由は「知性」の欠如にあります!つまり、人間特有のイノベーション能力の欠如です。確かに、彼は他人に同じことを味わわせることができる達人中の達人ですが、これは彼の強力な学習能力と記憶力、そして素早い反応能力によるものです。彼のトラバーサルアルゴリズムは、各チェスの駒の価値と影響力を瞬時に計算できます。これは単純なように見えますが、人間の脳が完了するのが難しい膨大な計算と記憶です。この種のゲームは、知恵の衝突ではなく、疲れやすい人間の脳の弱点をつかんで攻撃することです。

人類が知能を進化させた理由は、その基礎が学習能力であり、その飛躍はイノベーションにあるからです。学ぶ能力はあっても革新性が欠けているなら、あなたはいつまでもチンパンジーのままです。 AlphaGOはデビューから復帰まで、対戦相手の手の動きを学習して分析する段階にとどまっており、時折クラッシュする以外は、人間のようなミスはほとんど起こさない。これはまさにディープラーニングの成果だ。しかし一方で、これは現在の人工知能の発展がイノベーションよりも学習に重点を置いていることを示しているのでしょうか。それとも、膨大な知識ベースを要約して結論付け、質的変化を達成するアルゴリズムがまだ見つかっていないということなのでしょうか。それとも、囲碁の本質を分析せずに、各動きに対抗するための計算だけなのかもしれません。

人工知能の目的は、チェスをプレイすることではないし、競技スポーツで次々と人間のチャンピオンに勝つことでもありません。人間の知識を学習して構築された知識ベースは、せいぜい図書館としてしか機能しません。たとえチャンピオンに勝ったとしても、何の役に立つのでしょうか。私たちに必要なのは、真の知性、つまり人類の発展の過程で飛躍的な発展を達成するのに役立つ技術であり、そのためにはイノベーション能力が必要です。 AlphaGO やその他のいわゆる人工知能の学習および分析機能がすべての人に実証された今、技術的な考え方を変え、革新的なアルゴリズムを開発する時が来ています。外国語を話す人が必ずしも外国人ではないのと同じように、盲目的な模倣では知性は生まれません。表面的な作業だけでは本質的な変化は達成できません。いつか、AlphaGOがゲームの中で「アルファスタイル」を突破したとき、それは歴史を驚かせる本当に素晴らしい武器になるでしょう!その日を楽しみにしています。

したがって、私は「人工知能」の現在の成果を祝福すると同時に、科学チームの科学者たちが人工知能ソフトウェアのアルゴリズムの革新を続けられることを願っています。AlphaGOがスーパー「学習マシン」ではなく、真の人工知能になることを心から願っています。

これを例で説明するには、これが私の思いつくすべてです。これで明確にできたと思います。


<<:  5Gが企業に与える影響

>>:  AIの限界を理解することがその可能性を実現する鍵となる

ブログ    
ブログ    
ブログ    

推薦する

Cloudera は研究から実稼働までエンタープライズ機械学習を加速します

クラウド向けに最適化された機械学習および分析のための最新プラットフォームを提供する Cloudera...

複雑な課題に対するスマートなソリューション: 自動化の成功への道

マッキンゼーの「2022年世界産業用ロボット調査」によると、産業企業は世界的な労働力不足に対処するた...

社会的関心の強化に基づくビデオ推奨アルゴリズム

1. 推奨ステータスまず、レコメンデーションシステムの現状について簡単に紹介します。推薦システムは、...

AmodalSynthDrive: 自動運転のための合成アモーダル知覚データセット

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

「天宮2.0」MoE大型モデル発売

2月6日、崑崙万為はMoE大規模言語モデルの新バージョン「天宮2.0」と「天宮AIスマートアシスタン...

宝くじに当たるのは雷に打たれるより難しいですか?確率を向上させるためにアルゴリズムを使ってみる

宝くじで生計を立てる可能性はどれくらいありますか? 2005年、MITの学生グループが集まり、ギャン...

ロボットを活用する3つの革新的な方法

ロボットは、高齢の両親を助けたり、子供を教育したり、料理をしたりすることができます。ロボット産業は創...

トップ 10 のディープラーニング フレームワークの比較分析

2016 年が過ぎ、BEEVA Labs のデータ アナリスト Ricardo Guerrero G...

...

この記事では、インテリジェントな注釈の原理について説明します。人工知能が注釈の問題を解決する方法を学びます。

従来の機械学習の分野でも、今日注目されているディープラーニングの分野でも、明確なラベルや結果を持つト...

openKylinオペレーティングシステムが正式に発表され、ビッグモデルに接続し、音声アシスタントとデスクトッププラグインを提供します

9月21日、openKylinオペレーティングシステムは今晩、ビッグモデルへのアクセスを正式に発表し...

...

TensorFlow 2.0「開発者プレビュー」が利用可能になりました

TensorFlow 2.0 プレビューが利用可能になりました。最近、Google AI チームのメ...

次元削減アルゴリズムについて: PCA主成分分析

機械学習の分野では、生データから特徴を抽出する際に、高次元の特徴ベクトルが得られることが多いです。こ...