Tnzkが人工知能について憎たらしく語った。

Lilly: 前に
Tnzk: うん
Lilly: 人工無能？知能？が
Tnzk: うん？
Lilly: 画像処理に使えるって言ってたじゃん
Tnzk: うん
Lilly: あれって
Lilly: どゆこと？
Lilly: 物体判定うんぬん？
Tnzk: ん？
Tnzk: どゆことって？
Lilly: いや
Lilly: どういう処理なんかなーって
Tnzk: ああ
Tnzk: なるほど
Tnzk: ちょい長引くぞw
Lilly: かまわねーよ
Lilly: 現役ニートなめるな！
Tnzk: よしきた！
Lilly: # まだバイト決まってないから実質ニート
Tnzk: 人工知能の歴史は
Tnzk: 計算機科学のなかでは割と長いものになる
Lilly: ふむ
Tnzk: 古くはLispによるElizaにはじまり
Tnzk: 現在まで脈々とつづいている
Lilly: Eliza効果の元だな
Tnzk: うむ
Tnzk: Elizaの時代は人工知能への注目がもっとも高まった時代と言ってよくて
Tnzk: 人に癒しを与えるElizaにみんな期待を膨らませてた
Tnzk: この頃、人工知能といえば専らエキスパートシステムをさしてたんだよ
Tnzk: エキスパートつうのは専門家って意味で
Tnzk: コンピュータに仕事を教え込めば人間の専門家なみの働きができるんじゃん？
Lilly: なる
Tnzk: っていう思想
Lilly: 自動化をもっと極端にしたかったってこと？
Tnzk: そういうこったね
Tnzk: ただエキスパートシステムって言った場合
Lilly: 思考の部分まで任せる？
Tnzk: 普通その思想だけをサスわけじゃなくて
Tnzk: 問題はそこなんだよ
Lilly: だよなぁ
Lilly: 作業の自動化なら
Tnzk: 当時一般的に採られた実相の方法論も含むんだ
Tnzk: 実装の
Tnzk: 当時のエキスパートシステムがどういう実装だったかっていうと
Tnzk: こういうときはこうして、ああいうときはああして、
Tnzk: つうような条件をひたすら羅列したものだった
Lilly: なるほど
Tnzk: これはいわゆるルールベースのシステムだったんだけど
Lilly: if文が大量に発生するみたいなもんか
Tnzk: まさにそれ
Tnzk: あまりにもどうしようもないので少しだけ改善された
Tnzk: そうやって出てきたのが自然言語処理って分野
Tnzk: 基本的に確率論をベースにしてて
Tnzk: 特に確率モデルの一種である隠れマルコフ過程を重用した手法だった
Tnzk: いわゆる人工無能とかがこれを利用してるね
Lilly: なるほど。
Tnzk: 人工無能のさきがけができてきたのは結構初期のころなんだけど
Tnzk: それから数十年
Tnzk: 人工知能技術の冬の時代がくる
Tnzk: 長らく何の進歩もなかったんだよね
Tnzk: だからもう人工知能なんてどうしようもないんじゃねえの、って説も出てきてたし
Lilly: やりつくした感の蔓延か。
Tnzk: うむ
Tnzk: 実際現在ではルールベースのシステムとか人工無能では何もできないってことが結論づけられてる
Lilly: なかった。ってことは
Lilly: あったの？
Lilly: 何か。
Tnzk: そういうことさね
Tnzk: そんな閉塞感を打ち破ったのが
Tnzk: 機械学習っていう技術
Tnzk: これ自体は昔からある
Lilly: 暗黙の了解を得ていくってこと？
Tnzk: 回りくどく言えばそうなるw
Lilly: でもそれって
Lilly: 人間同様の学習期間が必要じゃないの？
Tnzk: あ、素のツッコミはするどいw
Tnzk: それはあとで問題になるw
Lilly: うん
Tnzk: とりあえず機械学習って言う技術が注目された
Tnzk: こいつは存在自体は昔からしてた
Tnzk: 計算機が自ら経験を蓄積していくってのは
Tnzk: そんな画期的なアイデアじゃないね
Tnzk: ただとてつもなく画期的だったのが
Tnzk: たぶん聞いたことあるんじゃないかな
Lilly: ？
Tnzk: パーセプトロンっていう考え方
Lilly: ねーよアホ
Tnzk: あれ、ない？
Lilly: 俺はただの普通科学生だ。
Tnzk: まあ別になくても問題ないw
Lilly: 高専生じゃねー。
Tnzk: いやなんかゲームとかで聞く気がするw
Tnzk: まあいいさw
Lilly: パーセプトロンって？
Tnzk: うん
Tnzk: おおざっぱにいうと
Tnzk: 機会学習器で脳の模倣をしようってわけ
Tnzk: 脳はニューロンっていう素子からできてて
Tnzk: そのニューロンの動きはごく単純で
Lilly: ニューロネット？
Tnzk: あ、そっちは知ってるのねw
Lilly: MGSで出てきた気がする。
Tnzk: パーセプトロンを複数の層にまたがって実装したN層パーセプトロンってのがあって
Tnzk: その一般化だか拡張だったかがニューラルネットワーク
Tnzk: ちなみにたぶん出てきたのはアヌビスじゃないかなw
Tnzk: もしくはMGS３の敵兵に使われてるって話かw
Lilly: つまり
Tnzk: うん
Lilly: ニューロンの動きをシミュレートすることで
Lilly: 脳をシュミレートして
Lilly: 思考まで。ってこと？
Tnzk: そういうこと
Tnzk: というのが歴史的な経緯
Tnzk: じゃあ技術的な詳細はどうなってるかつうと
Lilly: 動きは単純だとしても、量が莫大だろ。
Tnzk: あ、そこは時代時代の計算機で有限時間に終わる程度に制限されるw
Lilly: 思考深度？
Tnzk: そういう言葉は使わないけどまあそうも言えると思う
Tnzk: ただ仕組みとしてはごくシンプルで
Lilly: うん
Tnzk: あ、まった
Lilly: なんだ
Tnzk: ニューロンの働きは知ってる？
Lilly: 生物とってませんー
Tnzk: 安心しろおれも取ってないw
Tnzk: あくまでニューラルネットワークっていう技術から見たニューロンの働きねw
Lilly: うん
Tnzk: ニューロンは
Tnzk: IOがそれぞれ1本ずつあって
Tnzk: それぞれに対して0.2-7.0くらいの電圧をかけることができる
Tnzk: まさにデジタル回路のそれなわけだが
Tnzk: 重要なのはこいつは単に入力を出力に回すだけじゃないってところ
Tnzk: 個体ごとにしきい値のようなものを持ってて
Tnzk: そのしきい値を越えた電圧がニューロンに与えられたとき
Tnzk: 一定の電圧を出力に回す
Tnzk: これだけが唯一の働き
Lilly: とまった場所になんらかの認知が生まれる？
Lilly: それとも動きそのものが思考なの？
Tnzk: 一般的な話をすれば脳神経系内での電位の波は止まらない
Tnzk: 常に変化しつづけてる
Tnzk: 脳の記憶っていうのはチューリングマシンに与えられるそれとは違って
Tnzk: 値ではなく組み合わせで情報を保持してるってのが脳科学での定説
Tnzk: そうでもなきゃ脳の一度得た情報は決して失わない性質を満たせないらしい
Lilly: ふむ
Tnzk: まあその辺についちゃあんまり詳しくないんだけど
Tnzk: 例えば3.4Vのしきい値を持つニューロンがあったら
Tnzk: これに1.4Vの入力なら出力には何もおきないし
Tnzk: 5.4Vなら出力に一定の電圧がかかる
Tnzk: IOは一本ずつとは限らない
Lilly: IOのつながりがシナプス？
Tnzk: んーあんまり定かじゃないんだけどシナプスって古い考え方だった気がする
Lilly: うそー
Tnzk: もしくはもっと化学的な話において出てくる要素だったか
Tnzk: いずれにしても脳科学とは直接関係なかった気がする
Lilly: なるほど。
Tnzk: ほんで
Lilly: うん
Tnzk: ニューラルネットワークの場合あくまで実時間内で答えを出さなきゃ価値がないから
Tnzk: 当然層の深さは限られてくる
Tnzk: んで
Tnzk: ここからが重要なんだけど
Lilly: うん
Tnzk: 例えば3層のニューラルネットワークがあって
Tnzk: 各層に3つのノードがあって
Tnzk: 入力は第一層であるA,B,Cで、出力は第三層の1,2,3だったとすると
Tnzk: あ、んで第二層にも3つのノードが会って
Tnzk: それぞれ有向的にリンクしてるとする
Lilly: うん
Tnzk: そうすると
Tnzk: 入力がA,B,Cに与えられたとき
Tnzk: 出力1,2,3がどうなるかって
Tnzk: 各ノードのしきい値に依存するよね？
Lilly: うん
Tnzk: それがわかるのは見事だ
Tnzk: このしきい値をノードの重みって言って
Tnzk: ニューラルネットワークっていうのは
Lilly: ここまで説明されてわからなかったら俺どうするんだよ。
Tnzk: 1) 入力を受け取り
2) 内部ノードに応じて出力が決まり
Tnzk: っていう性質を持ってるんだが
Tnzk: このままじゃ学習ができない
Lilly: あー
Lilly: そうだなあ
Lilly: 重みですべてが決定するから。
Tnzk: うむ
Tnzk: 3) 出力についての評価を受け取り
4) 評価に応じて内部の重みを変更する
Tnzk: っていうのを総合したのが
Tnzk: ニューラルネットワークってシステム
Tnzk: どことなく自省する人間にも似てるし
Tnzk: ただの動物の学習にも似てる
Tnzk: で、
Tnzk: これの何が良いかわかる？
Lilly: うーん
Lilly: 仕組みができれば
Lilly: 評価を与えるだけでよくて
Lilly: しかもノードの数が一定な以上
Lilly: 絶対に有限時間内で処理できる？
Tnzk: そういうこと
Lilly: 重みは変わっても数が変わらないんだから。
Tnzk: 見事ですな
Tnzk: うむ
Lilly: でもよ？
Lilly: 数が変わらないってことは
Tnzk: 要するにこいつは進化的アルゴリズムの一種なんですよ
Tnzk: ものすごい変則的なね
Tnzk: うん
Lilly: 理解できないことは絶対的に理解できない。にもつながるんじゃないの？
Lilly: さっきのエキスパートシステムもそうだけど
Lilly: 「予想されない事態」には絶対対応できない。
Lilly: とは違うの？
Tnzk: 惜しいね
Tnzk: いや
Tnzk: むしろそこが重要なことで
Tnzk: エキスパートシステムは定められたことしかできないけど
Tnzk: ニューラルネットワークは条件には依存しないから
Tnzk: 入力さえ与えられれば必ず出力を返すことができる
Tnzk: この辺がSVMが注目された所以でもある
Lilly: あーなるほど。
Lilly: エキスパートシステムと違うのはそういうことか。
Tnzk: うん
Tnzk: ただ
Tnzk: ものすごく重大な欠点がある
Tnzk: わかる？
Tnzk: いや
Tnzk: わかるっていうか
Tnzk: さっき言ってたねw
Lilly: うん？
Tnzk: 評価→重みの調整
Lilly: あーうん。
Tnzk: つうプロセスがとんでもなく時間がかかる
Lilly: 学習時間。
Tnzk: うむ
Tnzk: これはもうNNの根本的な限界で今も解決されてない
Tnzk: 最近のデジカメについてる笑顔検出だっけか
Lilly: MGS2だっけ。あれでは認知のための大規模な状況を作ってたけど。
Lilly: 認知っつーか学習か。
Tnzk: あれもNN使ってるんだがハント七回時間がかかってる
Tnzk: 半年近い
Tnzk: MGS2？
Lilly: うん。
Lilly: GWに学習させるための時間？
Lilly: みたいなの。
Tnzk: あ、作中での話？
Lilly: そうそう。
Tnzk: うーんいまいち覚えてないw
Lilly: 笑顔で半年ってことは
Tnzk: あーなんか手のひらで踊らされてたって設定かw
Tnzk: うん
Lilly: それこそ
Lilly: 人間と同等、もしくはそれ以上いや、間違いなくそれ以上の時間がかかるんだよね？
Lilly: 赤ん坊から、大人へ。
Tnzk: うん
Lilly: 20年、もしくはもっと。
Lilly: NNが実用化できない理由はそれ？
Tnzk: ？
Lilly: あーいや
Tnzk: NNは実用化された技術だぞw
Lilly: 実用化っていうか
Lilly: 人間化？
Tnzk: うーん
Tnzk: なんていうかこう
Tnzk: 人間をつくろうっていうにはまだ人間は幼すぎるっていうか
Tnzk: 哲学的にすら解決されてない問題が山積みなんだよね
Tnzk: しばらくは原理的に無理だと思うw
Lilly: なるほど。
Lilly: うーん
Lilly: わかったよーなわからんよーな。
Tnzk: おおう
Tnzk: どの辺？
Lilly: いや話はおおまかに理解できてると思う。
Lilly: ただ
Lilly: 強化学習とNNの違いがわからない。
Lilly: 同じもの、ではないよな。
Tnzk: www
Tnzk: それおれも向かしひっかかったw
Lilly: 強化学習もアウトプットに評価を得て
Lilly: 思考を変化させるんじゃん。
Tnzk: 強化学習とNNはレイヤが違うっていうか
Lilly: NNto
Lilly: とどう違うの？
Lilly: レイヤ？
Tnzk: 強化学習はNNを含む概念なんだよw
Lilly: そうくるか。
Tnzk: うん
Lilly: なるほどなー
Tnzk: HTTPとTCP/IPの関係
Tnzk: 違うな
Tnzk: プロトコルとHTTPの関係か
Tnzk: 機械学習の具体案としてNNが存在する
Lilly: あー
Lilly: あーなるなる。
Tnzk: ちょい説明が曖昧だったと思うw
Tnzk: すまんw
Lilly: いやおｋ
Tnzk: おーう
Lilly: ん？
Tnzk: ん？
Lilly: まて
Lilly: NNってつまりよ
Lilly: 少なくとも
Lilly: 限定された状況なら
Lilly: 思考をエミュレートできるんだよね？
Tnzk: うーん
Tnzk: かなり限定されないとダメだけどね
Lilly: 考える・提示する・学習する。ができるんだから。
Lilly: かなり限定、か。
Tnzk: うん
Tnzk: というより
Tnzk: 入力と出力の数が限定されるから
Tnzk: 数学的な問題にまでおとしこまないと難しいはず
Tnzk: あーでもあくまでリアルタイムで処理することを考えなければ
Lilly: 「恋愛はロジックじゃない」から、恋愛とか無理なのか。
Tnzk: 例えば640x480-IOのNNは作れるかもしれないけど
Tnzk: そこそこw
Tnzk: そこが解決できてない哲学的問題なんだよ
Tnzk: 恋愛って何？どうすればいいの？って言われたときに
Tnzk: それに対して定量的に答えられないし
Tnzk: その評価を与えることもできないんだよね
Lilly: ふむふむ
Tnzk: だから恋愛は難しい
Lilly: うるせぇリア充
Tnzk: そういう意味じゃねえよえ
Tnzk: w
Lilly: 哲学的問題で解決できないっつーとさ
Lilly: 定量が返せないならダメ？なら
Lilly: 上からTnzkが落ちてきて
Lilly: それに当たると怪我するからよけたいけど
Lilly: でもその保険金が治療費を上回るし、Tnzkを助けられるかもしれないし
Lilly: でも自分死ぬかもしれない。
Lilly: みたいな状況でうまく答えを出すロジックを作れないから
Lilly: その思考はできないってこと？
Lilly: できないっつーか、間違う？
Tnzk: いや、それは数学的問題に置き換えられるんだよ
Tnzk: まず保険金と治療費はその差分で定量化できるし
Tnzk: おれを助けるかどうかはあらかじめ決めておかなきゃどうしようもないし
Tnzk: 実際回避できたかどうかはおれの落下地点と自身の位置の距離から定量化できるジャン
Lilly: つまり自分の怪我のリスクより
Lilly: Tnzk死亡のリスクが高いかの差分を出したり？
Lilly: あーなんかわかったかも。
Lilly: ただこれだけの計算をリアルタイムでできるかって言うと
Tnzk: そうそう
Lilly: 無理っぽいし
Tnzk: いや、それくらいならいける
Tnzk: 今話してて思ったんだけど
Lilly: 結局はマシンパワーなりになるの？
Lilly: うん
Tnzk: 恋愛も定量化する範囲を限定すれば評価できるかもしれない
Tnzk: 恋愛でもさっきのTnzk落下問題でも
Lilly: Tnzk落下問題で爆笑した。
Tnzk: 外部的要因を考えれば永久に終わりがないのはフレーム問題として証明されてるし
Tnzk: 他に言いようないじゃないかww
Tnzk: まあそういうわけで恋愛も範囲を限定すればいけるのかもしれないと思った
Lilly: 自分の中で解決する問題である以上
Lilly: 範囲を絞れば解決できる。
Lilly: みたいな？
Tnzk: そんな感じ
Lilly: なるほど。
Tnzk: 特に今回は
Tnzk: 題材がメールだし
Lilly: Tnzkが落ちてくるのをノーリスクでなんとかするのは無理だもんなー
Tnzk: 入力はテキストに限定される
Tnzk: それだけでかなりやりやすい
Lilly: 重力様には逆らえねーよ。
Tnzk: つトランポリン
Lilly: っ突き破る
Tnzk: ひでえw
Lilly: あのあれだ
Lilly: 「親方ー！空からキュートでキャッチーな女の子がー！」以上の高さから
Lilly: 飛行石抜きで落ちてきたんだよ。
Lilly: 多分俺の陰謀で。
Lilly: メールに限定すれば
Tnzk: どういう陰謀だよ
Tnzk: w
Tnzk: うん
Lilly: かなりの勢いで処理できるのか。
Lilly: でもメールつってもいろいろあるべ？
Lilly: 絵文字とか
Lilly: デコメとか
Lilly: 写メとか。
Tnzk: 関係ない
Tnzk: それこそNNの得意分野
Tnzk: ルールベースならそれに惑わされるけど
Lilly: 突如写メ送ってきて「俺カッコよくね(笑)」とか痛くて相手したくねーよ。
Tnzk: NNの場合自分のどういう送信にどういう返信が来てたらどの程度のスコアかを教え込めば
Tnzk: 何の問題もない
Tnzk: ああああ
Tnzk: 文章生成が問題だなw
Lilly: かゆうまと送る彼女。
Tnzk: ひでえw