賢くなる方法: 神経科学にヒントを得た人工知能

[[201067]]

私はデイビッド・マーが「神経科学のチューリング」のような存在だといつも感じていました。

1976 年に、マーは非常に有名な概念を提唱しました。

複雑な生物システムを理解するには、次の 3 つのレベルの分析が必要です。

• 計算レベル: このシステムの目標は何ですか?
• アルゴリズムレベル：この目標を実現するプロセスと計算
• 実装レベル: この一連の「アルゴリズム」が体内でどのように実装されるか (つまり、アルゴリズムが生物学的基質に物理的に実装される正確なメカニズム)

今日、特に誰もがコンピューターを知っていると思われる Zhihu では、この概念は非常に理解しやすいです。

しかし、これは「脳は機械のようなものだ」ということを意味するものではありません。

機械と脳には根本的な違いがあります。機械の使命は、問題を最良、最速、そして最も経済的な方法で解決することです。一方、脳の使命は、生まれる前に 1 つの答えで無数の未知の問題に立ち向かうことです。前者の鍵は「答え」にあり、後者の鍵は「質問」にあります。

「脳の知覚機能はベイジアンマシンのようなものだ」という概念は、カール・フリストンの予測コーディングのおかげで脳の知覚に関する研究を支配してきましたが（私は「脳は常に世界を「予測」している」で、業界における@Fristonの過剰現象について言及しました）、しかし、この文は「脳は機械である」という意味ではなく、「アルゴリズムのレベルでは、脳の知覚機能はベイズ統計に似ている可能性がある」という意味です。

コンピュータ科学者と神経科学者は異なる方向に向かっているものの、同じ道を歩んでいます。

ある程度、私たちは皆、知的な知覚と認知がどのように機能するかという同じ疑問を研究しています。しかし、もう一度言いますが、一方は疑問を持っていて答えを必要としており、もう一方はすでに「答え」を持っていて適切な質問をする必要があります。

現状では、その疑問とその答えを見つけるまでには、私たち全員がまだ長い道のりを歩む必要があります。もしスーパーAIがAIの特異点であるならば、それは間違いなく神経科学の特異点より先に来ることはないでしょう。残念ながら、私たちは神経科学の特異点が何であるかさえ明確にしていません。

神経科学の発展は AI と切り離せないものであり、AI の進歩は神経科学と切り離せないものです。

神経科学（または「生物学的知能」または「脳知能」）は、人工知能（以下、AI）の開発に 2 つの大きな利点をもたらします。

まず、神経科学は「どうすれば知的になれるか」についてすでに多くのことを語っています。言い換えれば、神経科学は人工知能にインスピレーションを与え、まったく新しいアルゴリズムや構造をもたらすことができます。これらのアルゴリズムや構造は、従来の、現在主流となっている数学的論理に基づく方法とは独立している場合もあれば、それらを補完する場合もあります。たとえば、人間の脳はどのようにして新しい言語を理解することを学ぶのでしょうか。この認知機能がわかれば、そのアルゴリズムを AI に移植することができます。あるいは、このアルゴリズムは少なくとも AI の言語理解を解決するための優れた候補となります。

この側面は非常に理解しやすいです。初期の段階では、ディープラーニングと強化学習がその良い例です。しかし、神経科学が AI に与える影響は、AI の初期開発に限定されるものではなく、今後も限定されることはないだろう。現在、注意、エピソード記憶、作業記憶、継続学習に関する神経科学の研究も、現在の AI 研究に実用的な影響を与えています。

詳細は、7月19日に「ニューロン」誌に掲載されたデミス・ハサビス氏（アルファ犬の実父）による評論「神経科学にヒントを得た人工知能」を参照してほしい。興味があれば、この評論の内容をコラムにゆっくりまとめることもできるが、実は、この評論は内容が非常に豊富であるにもかかわらず、構成が明確で、言語も分かりやすい。言語の壁がなければ、他人に整理してもらう必要はなく、そのまま読んでも問題ないはずだ。ぜひお勧めしたい。

先月、多くのテクノロジー系メディアがこのレビューを報道したが、その論調はいつも少し奇妙に感じられた。また、Sina News が関連記事 (タイトル:「脳を理解することによってのみ、より強力な AI を開発できる」) を「スポーツ -> チェスとカード」のカテゴリに配置していることもわかりました。そうですね、Alpha Dog は囲碁をプレイしますが、チェスとカードゲームだけを行う AI ではありません。

人工知能は奇跡だと大々的に宣伝されているが、天才ハサビスはそれに深く関わっている。ハサビス氏について考えるとき、ほとんどの人が最初に思い浮かべるのは、おそらく彼が人工知能の専門家であり、コンピューター科学者だということだろう。しかし、彼が記憶と想像力に焦点を当てた認知神経科学の博士号を持っていることも忘れてはならない。彼はまた、その年の世界​​で最も影響力のある研究のトップ10にランクインした論文をサイエンス誌に発表した。

最近、Google はロンドンで認知神経科学の博士号取得者を募集しており、給与は信じられないほど高額です。ケンブリッジ大学とロンドン大学ロンドン校はハサビス氏の母校であり、人工知能や認知神経科学の分野で働く人々はハサビス氏によって徹底的に批判されてきた。 （私もその傷と穴の一つになってください！）

咳咳。

第二に、「どうすれば賢くなるか」という質問に関しては、脳が高得点の答えとして知られています。既存の AI 技術については、脳内に類似の構造やアルゴリズムを見つけることができれば、「汎用人工知能システム」の構築におけるこの技術の位置づけを認識することができます。

それは、神経科学が特定の優れた人工知能アルゴリズムや構造に対して「脳承認」の証明書を発行できると言っているようなものです。では、この認定資格の実際の価値は何でしょうか? 人間の持つ知能を超えるものがあるはずです。脳は知能に対する唯一かつ最良の答えではないことは確かです。

しかし、「汎用人工知能」（略して「強いAI」、愛称で「阿強」とも呼ぶ）は、まず人間の脳のレベルに到達する必要があります。 （Aqiangを知らない方は、私が今日投稿した別の記事「AIブームに飲み込まれそうだけど、何を言っているのかわからない私へ：「技術的特異点」とは何ですか？」を参照してください。）

強力な AI の実現にはまだ程遠い現在、学術界には長期的な研究計画が必要であり、研究の方向性をどのように選別するかは複雑な問題です。現在、多くのアルゴリズムと構造が存在しますが、それらはすべて強力な AI のプロトタイプの一部である可能性があります。アルゴリズムが、現段階では最適ではないとしても、脳のあらゆるスペースが価値を持つコアな位置にあることが判明した場合、それは少なくとも本質的には強いAIに適していることを意味し（こう言うと少し奇妙に聞こえるかもしれませんが）、その最適化と深い理解を優先することが迂回を減らす戦略になります。

もちろん、強力な AI には必ずしも生物のような知的なシステムは必要ありません。すべての道はローマに通じる。しかし、脳は良いガイドです。映画の冒頭で触れたマー氏の「システムの仕組みを理解するための 3 つのステップ」に戻りましょう。 AIには、最初の2つの層、つまり、これ（脳の認知機能）の目的は何か？アルゴリズムは何か？（ほとんどの認知機能を研究する分野では、まだ第2層に入るのに苦労しています）

脳と機械のつながりに戻りましょう。私は脳が機械とは異なると固く信じていますが、神経科学の研究を始めた当初から、この質問に答えることはますます困難になってきました。

生命とは何でしょうか？生命と非生命の間には何があるのでしょうか？

知能とは何でしょうか? 運転できることは知能があるということでしょうか?

どうすれば賢くなるのか？脳知能と人工知能の違いはレベルと物質だけなのか？

「最後から3番目の文はダジャレです。」