Autoencoderにできないこと~Deeplearningと人工知能のその先
Autoencoder がニューラルネットに有益なことが分かったとき、目的を教えず行う圧縮が後付の目的の初期値として有益なことが分かって研究者は驚いたんではないかと思う
2015-12-20 02:24:31でもそれは結局「人間が得意とする仕事」というタスクのみに問題を限っているからであって、ひとたび人間を最終目標に設定した「人工知能」の枠組みを超えて目標を設定するときには Autoencoder にできないことを探す必要があると思う
2015-12-20 02:25:19つまり Autoencoder が今成功して注目されているのは「とりあえず何に使うか分からんけど多分役立つから圧縮しておこ」という目的が後で決まったり変わったりする「非常に人間的な」タスクを解くべきタスクだと設定しているからだと思う
2015-12-20 02:28:53もう一段回言っておこう。Autoencoderが今成功しているように見えるのは、すでに機械が人間を凌駕したタスク・機械も人間も困難なタスクを数量的に無視をして、「人間が機械よりも得意な科目」にだけフォーカスした場合に限られるのではないかと。
2015-12-20 02:34:44Autoencoderの「target dataをまだ使わない」という特徴が成功の鍵になってることに関する違和感は、「deeplearningと人工知能のその先」を考える上で重要だと思う
2015-12-20 02:43:00「たぶんこのdata setならこういう風に圧縮しときゃ後で何かと便利でしょ」っていう「Audoencoderのお節介」によって逆に解けなくなる高度な問題に取り組むことが15年後くらいに役立ちそう
2015-12-20 02:47:16コンピュータ将棋などは、人工知能を超えるタスクなんだろうと思う。今は、「機械の終盤計算力×人間の棋譜」というアプローチでいわゆる「人工知能」面がクローズアップされちゃってるけど。
2015-12-20 02:55:46人工知能がまだ達していないのは「論理的」思考だと思う。「演繹」によって、ニューラルネットによる帰納にとって新鮮な「結果は意外だけど確かにそうなる」
2015-12-20 03:32:25(※ここは「人工知能が」じゃなくて「Deeplearningが」の間違い)
そう考えると今の人工知能(の目指している知能)は人工知能でなくてまだ「動物知能」あたりだと思う。動物だってニューロンで動いてるよね。
2015-12-20 03:33:56(いや、人間「に」作られたのなら動物知能であっても「人工」知能だがな)
「論理と演繹」的思考によって、ニューロンで考えた「みんなが思うなんとなくの帰納」に意外な結末という新鮮さをくれてやる、そんなmachine learningが作りたい
2015-12-20 03:36:11(ゲーム理論とかSATソルバとか、ああいう古き良きAIとニューラルネットの融合があればいいかもしれないですね)
いや、そんな人工知能の内面を急に告白されても。 twitter.com/KELDIC/status/…
2015-12-20 03:36:50