X



(強いAI)技術的特異点/シンギュラリティ139
■ このスレッドは過去ログ倉庫に格納されています
0001オーバーテクナナシー2018/10/16(火) 14:32:03.06ID:SWRVNBS4
2045年頃に人類は技術的特異点(Technological Singularity)を迎えると予測されている。
未来技術によって、どのような世界が構築されるのか?人類はどうなるのか?
などを様々な視点から網羅的に考察し意見交換する総合的なスレッド。

■技術的特異点:収穫加速の法則とコンピュータの成長率に基づいて予測された、
生物的制約から開放された知能[機械ベース or 機械で拡張]が生み出す、
具体的予測の困難な時代が到来する起点。

■収穫加速の法則:進歩のペースがどんどん早くなるという統計的法則。
ここでの進歩とは、技術的進歩だけでなく生物的進化、生化学的秩序形成も含む。

★ 関連スレ(特化した話はこちらで)
(AI) 技術的特異点と政治・経済・社会 (BI)
http://goo☆.gl/riKAbq
(情報科学) 技術的特異点と科学・技術 (ナノテク)
http://goo☆.gl/RqNDAU

※URL部分をコピーし、☆を消してペースト※

※前スレ
(強いAI)技術的特異点/シンギュラリティ138
http://rio2016.5ch.net/test/read.cgi/future/1539042496/

(強いAI)技術的特異点/シンギュラリティ137
http://rio2016.5ch.net/test/read.cgi/future/1538193488/

(強いAI)技術的特異点/シンギュラリティ136
http://rio2016.5ch.net/test/read.cgi/future/1537288223/
0041yamaguti2018/10/16(火) 18:47:51.51ID:QC06Ry5J?2BP(0)

YAMAGUTIseisei wrote:
> http://ncbi.nlm.nih.gov/pmc/articles/PMC5661005/
> http://businesswire.com/news/home/20171115006003/en/Numenta-Publishes-New-Theory-Solve-Mystery-Brain
>
> 階層的時間的記憶理論 ( HTM )
> http://webcache.googleusercontent.com/search?q=cache:numenta.com/assets/pdf/whitepapers/hierarchical-temporal-memory-cortical-learning-algorithm-0.2.1-jp.pdf#nyuumenta
> 短縮版
> http://rio2016.5ch.net/test/read.cgi/future/1427220599/539-676
> http://rio2016.2ch.net/test/read.cgi/future/1489740110/22-30
> http://rio2016.2ch.net/test/read.cgi/future/1481407726/4-82
>
>
>
> Google 翻訳
>
>
>前方神経回路 。 2017; 11:81。
> 公開日 : 2017年10月25日 。doi: 10.3389 / fncir.2017.00081
> PMCID : PMC5661005
>
>? 新皮質の柱がどのように世界の構造を学習するかの理論
>世界の構造を学習する事を新皮質内カラムがどの様に可能にするかの理論
>
> Jeff Hawkins 、 * Subutai Ahmad 、 Yuwei Cui
>
> Numenta、Inc.、Redwood City、CA、アメリカ合衆国
>
> 編集者:スイス、チューリッヒ大学フリッツォヘルムチェン
>
> ? 米国シカゴ大学Jason N. MacLeanによるレビュー
> レビュー 米国シカゴ大学Jason N. MacLean Heiko J. Luhmann, Johannes Gutenberg-Universit舩 Mainz, Germany; ルイ・ポンテ・コスタ、スイス、ベルン大学
0042yamaguti2018/10/16(火) 18:48:29.23ID:QC06Ry5J?2BP(0)

> *対応:Jeff Hawkins moc.atnemunTAsnikwahj
>
> 著者情報? 記事ノート? 著作権およびライセンス情報?
> 受け取った2017 7月13日; 2017 10月10日を受け入れました。
> Copyright ゥ2017 Hawkins、Ahmad、Cui。
> これは、クリエイティブコモンズアトリビューションライセンス(CC BY)の条項に基づいて配布されるオープンアクセスの記事です。
> 元の著者またはライセンサに付与され、本誌の最初の出版物が、受け入れられた学術的実務に従って引用されている場合は、他のフォーラムでの使用、配布または複製が許可されます。
> これらの条件に準拠していない使用、配布または複製は許可されていません。
>
>
>
> Go to:
> 抽象
>
>新皮質領域は、列と層に編成さ ry
> ? 、円柱の機能的構成を示唆している。
>層の間の接続は、表面に対してほぼ垂直に走り、柱状の ry
>。 いくつかの層は、カラム間の相互作用を示唆する長距離興奮性横方向接続を有する。
> ? ry がすべての地域に存在しますが、 ry 。
> 同様の接続パターンが全てのリージョンに存在しますが、その正確な役割は謎です。
> ? ry を行う列と層からなる ry 。
> 本稿では、堅牢なオブジェクト学習と認識を行うカラムとレイヤからなるネットワークモデルを提案する。
>各列は、時間の経過とともに変化する入力を統合して、 ry 完全な予測モデルを学習します。
>ry 横方向の接続は、ネットワークが隣接する列の部分的な知識に基づいてオブジェクトをより迅速に推論 ry
>。 列は時間と空間の入力を統合するため、ネットワークは個々のセルの受容野をはるかに超えた複雑なオブジェ ry
0043yamaguti2018/10/16(火) 18:49:09.56ID:QC06Ry5J?2BP(0)

>。 私たちのネットワークモデルは、皮質柱に新しい機能 ry
>。 本発明者らは、感知されている物体に対する位置の表現が各列の細粒状層内で計算されることを提案する。
> 位置信号はネットワークへの入力として提供され、感覚データと結合される。
>モデルには2つのレイヤーと1つ以上の列 ry
> ? シミュレーションでは、Hebbianのような学習規則を使用することで、小さな単一列ネットワークが数百のオブジェクトを認識し、各オブジェクトに数十のフィーチャが含まれていることがわかります。
> シミュレーションでは、ヘッブの法則の様な学習規則を使用する事で、数十のフィーチャが含まれている単一オブジェクトを数百個認識する事を小さな単一カラムのネットワークが学習する事が分かります。
> ? 、感覚受容器の移動が ry 。
> マルチカラムネットワークは、感覚受容器の活動が著しく少ない物体を認識する。
> ? ry の普遍性を考えると、列および領域は、以前に仮定されたよりも強力な認識およびモデリング能力を有することを提案する。
> 新皮質全体にわたる柱状および層状の接続パターンの普遍性から考え、従来の仮定よりも強力な認識およびモデリング能力をカラムとリージョンが有することを提案する。
> キーワード: 新皮質、皮質柱、皮質層、感覚運動学習、階層的時間記憶
■ このスレッドは過去ログ倉庫に格納されています

ニューススポーツなんでも実況