『認知科学第28巻第2号(2021)』解説特集「深層学習と認知科学」 - logical cypher scape2
TLで論文pdfのリンクが流れてきたので、特集の論文を３つとも読んでみた。 賀沢 秀人「深層学習は認知科学の対象となるか」 深層学習は認知科学の対象となるか 認知科学が対象にするのが、何らかの意味で知的に（ヒト的に）振る舞っているシステムだとした上で、深層学習で作られたシステムが、そのようなシステムかを考えた上で、なお、深層学習と認知科学の関係について提案する まず、ヒト的というのを、観察可能な振る舞いがヒト的という意味で「外的にヒト」と、情報処理のレベルでヒト的という意味での「内的にヒト」とに区別した上で、深層学習で作られたシステムは、外的にヒトだとは言えるが、（部分的に類似しているとはいえ）現時点で内的にヒトとは言えない、とする。 （ところで、深層学習は、初期において人間の脳神経系の仕組みを参考にしていたが、現在はもはや人間の神経系を参考にしていない。この点について、鳥と飛行機の関係で
汎用人工知能が実現しない理由
Natureより。 Ragnar Fjelland 概要 人間のような人工知能(AI)を生み出そうとする現代のプロジェクトは、第二次世界大戦後、電子計算機が単なる数値計算機ではなく、シンボルを処理することもできることが分かったことから始まりました。機械知能が人間の知能と同一であることを前提とせずに、この目標を追求することが可能になりました。これは弱いAIとして知られています。しかし、多くのAI研究者は、強いAIと呼ばれる、人間の知能と原理上は同じ人工知能を開発することを目指してきました。弱いAIは強いAIに比べて野心的なものが少ないため、論争を引き起こすことはありません。しかし、弱いAIにも関連する重要な論争があります。この論文では、汎用人工知能(AGI)と特化型人工知能(ANI)の違いに焦点を当てています。AGIは弱いAIとして分類されるかも知れませんが、人間の知能の主な特徴の一つが汎用
何をもって知能とするか - murawaki の雑記
人工知能の現在の研究状況をネタに与太話をするのであれば、singularity は的外れ。もっと先に議論すべき話がある。これ自体が与太話だが、そういう話をしてみる。 背景 2011 年に Jeopardy! というクイズ番組で IBM の Watson が人間に勝った。その頃から、SF か何かから出てきた singularity 業界が騒ぎ出した (らしいことを私は認知した)。その後、2013 年あたりから Deep Learning というバズワードが流行りだして、ますます楽しそうにしている (らしい)。「らしい」というのは自分で深く追いかけていないから。人工知能*1の実際の研究と関わりのないところで展開されている。Michael Jordan や Yann LeCun のような大御所もこの話題には冷淡。 singularity 業界は人工知能の現状を知らない。そもそも、人工知能は何がで
ニューラルネットワークの歴史について少しだけ確認する - 蒼龍のタワゴト~認知科学とか哲学とか~
ネットで調べものをしていたときにたまたま「NNが心理学と生理学から離れていった瞬間」を見つけて読んだ。Nature論文(1986)のことは知らなかった(私が知っていたのは同年に出た二巻本の方)だったので、そこは勉強になったが、それ以外については同意できない所が多く困惑してしまった 1。 いちおうはてなブックマークでコメントは書いたものの、そのブックマークの他のコメントも分かっているような素振りで書かれているが首を傾げるものがあった。正直これから書くことは私のような認知科学オタクでなくとも知っていてもおかしくない話ではあるはず(当時は日本語の紹介書も幾つか出てて別にマニアックな話ではないの)だが、思った以上に知らない人が多いことに気付かされたので、軽く記事にすることにした。 信頼できる論文の紹介 とはいえ、お前のようなどこの馬の骨ともわからない素人の言うことなど信用できない…という人のために
■ - 蒼龍のタワゴト~認知科学とか哲学とか~
ブログに書く記事のアイデアはあるのだが、ともかくきちんとした文章を書くのが面倒くさい。だから、ここにアイデアの概要だけを書いてスッキリさせるつもり。 前々から準備しているのは「素人による素人のための教養としての機械学習講座」で、アイデアだけはできてるので大雑把に書いてしまう。記事の大きな流れは、(非)線形分離からサンプリングへと言う流れで、アルゴリズムの話をゼロにして考え方だけを提示するのがミソだ。アルゴリズムの話をするならヘッブ則から始めればいいのだが、この先は深めると切りがないしそれを説明した書籍だっていくらでもある。普通の人はニューラルネットワークの考え方だけ分かれば十分だ。すると、世間で問題になっている人工知能の問題を理解するという点では、線形分離から識別モデルを理解して、そこからサンプリングによってデータからパターンを学ぶ事の意味を知ればそれで十分だ。現実にはその程度だって理解さ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
