(ASI)人類滅亡レベルの危機を話し合うスレ

**オーバーテクナナシー** · 2018/11/29(木) 01:06:58.31

未来に関わるリスクの把握と、それを議論しましょう。

人類滅亡レベルのリスクとは・・・
地球全体規模(Global)で、人類の存続に関わる深刻なリスク(Profound)のこと。
※ニック・ボストロム氏のリスクのカテゴリーの定義を参考

人類滅亡レベルのリスクの例
・スーパーインテリジェンス(ASI)
→超知能の暴走
・グレイ・グー（Grey goo）
→ナノマシンの無限増殖
・異常気象
→限定的な地域の温暖化・寒冷化、洪水(地震もあり)
・核兵器
などなど

山口 · 2022/05/09(月) 09:29:13.20

一覧
http://rio2016.2ch.net/test/read.cgi/future/1601145490/22-25

　

付録Aユニバーサルトランスフォーマーの詳細なスキーマ
　
>>73 >>73-75

図4：位置とステップの埋め込み、およびドロップアウトとレイヤーの正規化を備えたユニバーサルトランスフォーマー。

山口 · 2022/05/09(月) 09:31:03.17

付録B bAbI の詳細な結果　　　? ry BbAbI詳細 ry

　
　各タスクでのベストなシード実行（10回の実行のうち）　　　? 各タスクに最適なシｰ ry

　　　　　10K　　　　　　　　　1K
　train single 　train joint 　train single 　train joint　　　　? 列車シングル　　トレインジョ ry
タスクID
1　　　　0.0 　　　 0.0 　　　0.0 　　　0.0
2　　　　0.0 　　　 0.0 　　　0.0 　　　0.5
3　　　　0.4 　　　 1.2 　　　3.7 　　　5.4
4　　　　0.0 　　　 0.0 　　　0.0 　　　0.0
5　　　　0.0 　　　 0.0 　　　0.0 　　　0.5
6　　　　0.0 　　　 0.0 　　　0.0 　　　0.5
7　　　　0.0 　　　 0.0 　　　0.0 　　　3.2
8　　　　0.0 　　　 0.0 　　　0.0 　　　1.6
9　　　　0.0 　　　 0.0 　　　0.0 　　　0.2
10　　　　0.0 　　　0.0 　　　0.0 　　　0.4
11　　　　0.0 　　　0.0　　　0.0 　　　0.1
12　　　　0.0 　　　0.0　　　0.0 　　　0.0
13　　　　0.0 　　　0.0　　　0.0 　　　0.6
14　　　　0.0 　　　0.0 　　　0.0 　　　3.8
15 　　　　0.0 　　　0.0 　　　0.0 　　　5.9
16　　　　0.4 　　　1.2　　　5.8 　　　15.4
17　　　　0.6 　　　0.2　　　32.1 　　 43.2
18　　　　0.0 　　　0.0　　　0.0 　　　4.1
19　　　　2.8 　　　3.1　　　47.2 　　 69.11
20　　　　0.0 　　　0.0 　　　2.4 　　　2.4

平均エラｰ 0.21 　　0.29 　　　4.56 　　　7.85
失敗した　　0　　　 0 　　　　 3 　　　5

山口 · 2022/05/09(月) 09:33:06.60

　　すべてのシードの平均（±var）（10回の実行）

タスクID
　　　　　　　10K 　　　　　　　　　　1K
　　　train single 　train joint 　 train single 　 train joint　　　? 列車シングルトレインジョ ry
1 　　 0.0 ｱ 0.0 　　0.0 ｱ 0.0 　　 0.2 ｱ 0.3 　　 0.1 ｱ 0.2
2 　　 0.2 ｱ 0.4 　　1.7 ｱ 2.6 　　 3.2 ｱ 4.1 　　 4.3 ｱ 11.6
3 　　 1.8 ｱ 1.8 　　4.6 ｱ 7.3 　　 9.1 ｱ 12.7 　 14.3 ｱ 18.1
4 　　 0.1 ｱ 0.1 　　0.2 ｱ 0.1 　　 0.3 ｱ 0.3 　　 0.4 ｱ 0.6
5 　　 0.2 ｱ 0.3 　　0.8 ｱ 0.5 　　 1.1 ｱ 1.3 　　 4.3 ｱ 5.6
6 　　 0.1 ｱ 0.2 　　0.1 ｱ 0.2 　　 1.2 ｱ 2.1 　　 0.8 ｱ 0.4
7 　　 0.3 ｱ 0.5 　　1.1 ｱ 1.5 　　 0.0 ｱ 0.0 　　 4.1 ｱ 2.9
8 　　 0.3 ｱ 0.2 　　0.5 ｱ 1.1 　　 0.1 ｱ 0.2 　　 3.9 ｱ 4.2
9 　　 0.0 ｱ 0.0 　　0.0 ｱ 0.0 　　 0.1 ｱ 0.1 　　 0.3 ｱ 0.3
10 　　0.1 ｱ 0.2 　　0.5 ｱ 0.4 　　 0.7 ｱ 0.8 　　 1.3 ｱ 1.6
11 　　0.0 ｱ 0.0 　　0.1 ｱ 0.1 　　 0.4 ｱ 0.8 　　 0.3 ｱ 0.9
12 　　0.2 ｱ 0.1 　　0.4 ｱ 0.4 　　 0.6 ｱ 0.9 　　 0.3 ｱ 0.4
13 　　0.2 ｱ 0.5 　　0.3 ｱ 0.4 　　 0.8 ｱ 0.9 　　 1.1 ｱ 0.9
14 　　1.8 ｱ 2.6 　　1.3 ｱ 1.6 　　 0.1 ｱ 0.2 　　 4.7 ｱ 5.2
15 　　2.1 ｱ 3.4 　　1.6 ｱ 2.8 　　 0.3 ｱ 0.5 　　10.3 ｱ 8.6
16 　　1.9 ｱ 2.2 　　0.9 ｱ 1.3 　　 9.1 ｱ 8.1 　　34.1 ｱ 22.8
17 　　1.6 ｱ 0.8 　　1.4 ｱ 3.4 　　44.7 ｱ 16.6 　 51.1 ｱ 12.3
18 　　0.3 ｱ 0.4 　　0.7 ｱ 1.4 　　 2.3 ｱ 3.6 　　12.8 ｱ 9.0
19 　　3.4 ｱ 4.0 　　6.1 ｱ 7.3 　　50.2 ｱ 8.4　　73.1 ｱ 23.9
20 　　0.0 ｱ 0.0 　　0.0 ｱ 0.0 　　 3.2 ｱ 2.5 　　 2.6 ｱ 2.8

平均　0.73 ｱ 0.89 　1.12 ｱ 1.62 　6.39 ｱ 3.22 　11.21 ｱ 6.62

山口 · 2022/05/09(月) 09:35:20.16

付録C bAbI 注意の視覚化

　
いくつかの例として、bAbIタスクの注意分布の視覚化を示します。
? ry 質問のすべての事実に関するさまざまな頭に基づいて、 ry 。
注意の重みの視覚化は、ストーリーと質問との中に於ての事実全てに亘っての様々な各先頭 ( ? 訳注 : 各位置 ) に基づいて，さまざまな時間ステップにわたって行われます。
? ry に基づく注意の重 ry 。
左側の異なるカラーバーは、異なるヘッド（合計4つのヘッド）に基づいた注意それらの重みを示します。

タスク1 からの数例:(解決するために裏付けとなる事実 1 つが必要）　　　? ry 1の例 ry に1つの裏付け ry 事実 ry
Story : 　　? 物語：
　　ジョンは廊下に行った。
　　メアリーわバスルームに出掛けた。　　　? ry はトイレに旅した。
　　ダニエルわバスルームに戻りました。　　? ry はトイレに ry 。
　　ジョンは寝室に移動しました
クエリ：
　　メアリーはどこ？
モデルの出力：
　　バスルーム

　
1234　　　　John travelled to the hallway.
1234　　Mary journeyed to the bathroom.
12　　　Daniel went back to the bathroom.
1234　　　　John moved to the bedroom
1234　　　　　　　　　Where is Mary?　　　　Where is Mary?

（a）ステップ1　　（b）ステップ2　　（c）ステップ3　　（d）ステップ4

　
図5：「メアリーはどこですか？」という質問をエンコードするときの注意分布の視覚化。

山口 · 2022/05/09(月) 09:37:19.68

タスク2 からの一例：（解決する為にわ 2つの裏付けとなる事実が必要）　　　? ry 2の例：（解決する2 ry
ストーリー：
　　サンドラは廊下に旅しました。
　　メアリーわバスルームに行きました。　　? ry はトイレに ry 。
　　メアリーはそこでリンゴを取りました。
　　メアリーはリンゴを落としました。
クエリ：
　　りんごはどこですか？
モデルの出力：
　　バスルーム　　　? 浴室

　
1234　　Sandra journeyed to the hallway.
1234　　　　Mary went to the bathroom.
1234　　　　Mary took the apple there.
12 4　　　　Mary dropped the apple.
234　　　　　　Where is the apple?　　　　　　Where is the apple?

（a）ステップ1

　
（b）ステップ2

　
（c）ステップ3

　
（d）ステップ4

　
図6：「リンゴはどこですか？」という質問をエンコードする際の注意分布の視覚化。

山口 · 2022/05/09(月) 09:41:57.54

タスク2 からの一例：（解決する2つの裏付けとなる事実が必要）　　　? ry 2の例 ry
ストーリー：
　　ジョンは廊下に行きました。
　　ジョンわバスルームに戻りました。　　　? ry はトイレに ry 。
　　ジョンはそこで牛乳をつかみました。
　　サンドラはオフィスに戻りました。
　　サンドラは台所に行きました。
　　サンドラはそこでリンゴを手に入れました。
　　サンドラはリンゴをそこに落としました。
　　ジョンはミルクを落としました。
クエリ：
　　牛乳はどこですか？
モデルの出力：
　　バスルーム　　　　? 浴室

　
　 4　　　　John went to the hallway.
　 4　　John went back to the bathroom.
1234　　John grabbed the milk there.
　　　　Sandra went back to the office.
　　　　Sandra journeyed to the kitchen.
123　　　　Sandra got the apple there.
123　　Sandra dropped the apple there.
123　　　　John dropped the milk.
1234　　　　　　Where is the milk?　　　　　　Where is the milk?

（a）ステップ1　　（b）ステップ2　　（c）ステップ3　　（d）ステップ4

　
図7：「牛乳はどこですか？」という質問をエンコードする際の注意分布の視覚化。

山口 · 2022/05/09(月) 09:44:13.61

? ry 3の例 ry
タスク3 からの一例:(解決するには3つの裏付けとなる事実が必要）
ストーリー：
　　メアリーは牛乳を手に入れました。
　　　　ジョンは寝室に移動しました。
　　　　ダニエルはオフィスに行きました。
　　　　ジョンはそこでリンゴをつかんだ。
?　　　　ry はサッカーを ry 。
　　　　ジョンわフットボールを手に入れました。
　　　　ジョンは庭に行きました。
　　　　メアリーは牛乳を残しました。
?　　　　ry はサッカーを去った。
　　　　ジョンわフットボールを残しました。
?　　　　ry は庭に引っ越し ry 。
　　　　ダニエルわ庭ゑ移動しました。
?　　　　ry はサッカーを ry 。
　　　　ダニエルわフットボールをつかんだ。
　　　　メアリーは廊下に移動しました。
　　　　メアリーは台所に行った。
　　　　ジョンはそこにリンゴを置いた。
　　　　ジョンはリンゴを拾いました。
　　　　サンドラは廊下に移動しました。
?　　　　ry にサッカーを ry 。
　　　　ダニエルはそこにフットボールを残しました。
?　　　　ry はサッカーをしました。
　　　　ダニエルわフットボールを得ました。
　　　　ジョンは台所に行った。
?　　　　ry はサッカーを ry 。
　　　　ダニエルわフットボールを落とした。
　　　　ジョンはリンゴを落とした。
　　　　ジョンはリンゴをつかんだ。

山口 · 2022/05/09(月) 09:46:21.88

　　　　ジョンはオフィスに行った。
　　　　サンドラは寝室に戻った。
　　　　サンドラはミルクを取りました。
　　　　ジョンはトイレに行きました。
　　　　ジョンはオフィスに行きました。
　　　　サンドラは牛乳を残しました。
　　　　メアリーは寝室に行った。
?　　　　ry はオフィスに引っ越し ry 。
　　　　メアリーわオフィスゑ移動した。
　　　　ジョンは廊下に行った。
　　　　サンドラは庭に移動しました。
　　　　メアリーはキッチンに移動しました。
?　　　　ry はサッカーをしました。
　　　　ダニエルわフットボールを得ました。
　　　　メアリーは寝室に行きました。
　　　　メアリーはそこで牛乳をつかんだ。
　　　　メアリーは牛乳を捨てた。
　　　　ジョンは庭に行きました。
　　　　ジョンはそこでリンゴを捨てた。
クエリ：
?　　　　トイレの前にリンゴは ry ？
　　　　バスルームにあった以前にリンゴわどこにありましたか？
モデルの出力：
　　　　オフィス

山口 · 2022/05/09(月) 09:48:32.60

　　Mary got the milk. 　　
　　　　　　　John moved to the bedroom.
　　　　　　Daniel journeyed to the office.
1234　　　　John grabbed the apple there.
　　　　　　　　　　John got the football.
　　　　　　John journeyed to the garden.
　　　　　　　　　　　Mary left the milk.
　　　　　　　　　　John left the football.
　　　　　　　Daniel moved to the garden.
　　　　　　　　Daniel grabbed the football.
　　　　　　　　Mary moved to the hallway.
　　　　　　　　Mary went to the kitchen.
　　　　　　John put down the apple there.
1 3　　　　　　　John picked up the apple.
　　　　　　　Sandra moved to the hallway.
　　　　　　　　Daniel left the football there.
　　　　　　　　　Daniel took the football.
　　　　　　　John travelled to the kitchen.
　　　　　　　　Daniel dropped the football.
　 4　　　　　　　John dropped the apple.
1　4　　　　　　　John grabbed the apple.
234　　　　　　　　John went to the office.
　　　　　Sandra went back to the bedroom.
　　　　　　　　　　Sandra took the milk.
1234　　　　John journeyed to the bathroom.
　　　　　　　　John travelled to the office.
　　　　　　　　　　　Sandra left the milk.
　 4　　　　　　Mary went to the bedroom.
　　　　　　　　　Mary moved to the office.
　 34　　　　　John travelled to the hallway.

山口 · 2022/05/09(月) 09:50:46.93

　　　　　　　Sandra moved to the garden.
　　　　　　　　Mary moved to the kitchen.
　　　　　　　　　Daniel took the football.
　　　　　　Mary journeyed to the bedroom.
　　　　　　　Mary grabbed the milk there.
　　　　　　　　　Mary discarded the milk.
　　　　　　　　　John went to the garden.
123　　　　　John discarded the apple there.
1234　　Where was the apple before the bathroom?　　　　Where was the apple before the bathroom?

（a）ステップ1
（b）ステップ2
（c）ステップ3
（d）ステップ4

? ry 「トイレの前にリンゴは ry 。
図8：「バスルームにあった以前にリンゴわどこにありましたか？」という質問をエンコードしたときの注意分布の視覚化。

　

LaTeXML [ロゴ]によって生成
私たちが作っている新しいツールについて知りたいですか？
随時更新される場合は、メーリングリストに登録してください。
申し込む

LaTeXMLの助けを借りて、Andreas JanssonとBen Firshmanによって構築されました。
GitHubに貢献してください。
? ry より提供。
YLDのご厚意によりスポンサードされました。

山口 · 2022/05/09(月) 09:54:00.18

v3-14

付録C。動的停止 ( 原文 : DYNAMIC HALTING.) を伴うUT。

? ry では、 ry 。
TensorFlowでわ我々わ，ACT（Graves、2016）に基づいて動的停止を次のように実装します
? ry 、確率、剰余、その時点までの更新数、前の状態 ry 化）、および0と1の間のスカラーしきい値（aハイパｰｰタ）。
動的停止を使用するUTの各ステップでは，停止確率，余り ( 原文
:remainders , ここでわ各位置に残っている単なる減算差分 ? ) と，その時点までの更新回数と勿論，スカラーしきい値（単一のハイパーパラメータ）を 0と1の間とする限りに於ての前回の状態（すべてゼロとして初期化）と，を我々わ与えた。
? 次に、 ry 。
我々わ次に，各ポジションの新しい状態を計算し、各ポジションの状態に基づいて、ポョンごとの新しい停止確率を計算します
次に、UTは、しきい値を超えたいくつかの位置で停止することを決定し、モデルがすべての位置で停止するか、事前定義された最大ステップ数に達するまで、他の位置の状態を更新します。

　
1 # この述語 ( 原文 : predicate ) がFALSEの場合、Whileループは停止します
2 # つまり、すべて（（確率<しきい値）＆（カウンター<max_steps））は偽です
3 def should_continue ( u0 , u1 , halting_probability , u2 , n_updates , u3 ) :
4 return tf.reduce_any (　　　　　　# tf.reduce_anyを返します（
5 　　　　 tf.logical_and (
6 　　　　　　tf.less ( halting_probability , threshold ) ,
7 　　　　　　tf.less ( n_updates , max_steps ) ) )
8 # 上記の述語がfalseになるまでwhileループの反復を実行します
9 ( _ , _ , _ , remainder , n_updates , new_state ) = tf.while_loop (
10　　should_continue , ut_with_dynamic_halting , ( state ,
11　　step , halting_probability , remainders , n_updates , previous_state ) )

　　　　　　　　　　リスト1：動的停止を伴うUT

山口 · 2022/05/09(月) 09:55:45.71

以下に、各ステップの計算を示します。

1 def ut_with_dynamic_halting ( state , step , halting_probability ,
2 　　　　　　　　　　　　　remainders , n_updates , previous_state ) :　　? 剰余 ,
3　　# この状態を実行する確率ベースを計算します　　　　　　　　　　 ? 状態 ry
4　　p = common_layers.dense ( state , 1 , activation = tf.nn.sigmoid ,　　　# ry （状態、1、アクティベーション= tf.nn.sigmoid、
5　　　　use_bias = True )
6　　# まだ停止していない各入力の為のマスク　　　　? ry していない入力のマスク
7　　 still_running = tf.cast (
8　　　　 tf.less ( halting_probability , 1.0) , tf.float32 )
9　　# このステップで停止した各入力のマスク　　　　? ry した入力
10　　new_halted = tf.cast (
11　　　　tf.greater ( halting_probability + p * still_running , threshold ) ,
12　　　　　　tf.float32 ) * still_running
13　　# 停止しておらず、このステップを停止しなかった各入力のマスク　　　? ry しなかった入力 ry
14　　 still_running = tf.cast (
15 　　　　tf.less_equal ( halting_probability + p * still_running ,
16 　　　　　　threshold ) , tf.float32 ) * still_running 　　　　　　 # しきい値）、
17　　# このステップの各停止確率を、　　　　　　　　　　　　? ry の停止確率 ry
18　　# まだ停止していない各入力の停止確率に追加します　　　? ry いない入力 ry
19　　halting_probability += p * still_running
20　　# このステップで停止した各入力の剰余を計算します　　　? 停止した入力 ry
21　　remainders += new_halted * ( 1 - halting_probability )
22　　# このステップで停止した各入力に余りを追加します　　　? ry した入力に剰余を
23　　halting_probability += new_halted * remainders　　　　　 ? ry *剰余
24　　# まだ実行中のすべての入力のn_updatesをインクリメントします
25　　n_updates += still_running + new_halted

山口 · 2022/05/09(月) 09:57:23.73

26　　# 新しい状態と出力に適用される重みを計算します：
27　　#　 0 入力がすでに停止している場合、
28　　#　 pは、入力がまだ停止していない場合、、
29　　#　このステップを停止したときの残り。
30　　update_weights = tf.expand_dims ( p * still_running +
31 　　　　　　　　　　　　　　　　　 new_halted * remainders , -1)　　　? ry *剰余、 ry
32　　# この状態に変容を適用します　　　　　　　　 ? 状態に変換を ry
33　　transformed_state = transition_function ( self_attention ( state ) )
34　　# 変容された状態と前回の状態とを停止されていない各入力の為に ( に付いて ? ) 補間します　　　? 停止されていない入力の変換された状態と以前の状態を補間 ry
35　　new_state = (( transformed_state * update_weights ) +
36　　　　　　　　 ( previous_state * (1 - update_weights ) ) )
37　　step += 1 　　　　　　　　　　　　　　　　　 # ステップ+ = 1
38　　return ( transformed_state , step , halting_probability ,
39　　　　　 remainders , n_updates , new_state )　　　? 剰余、 ry

　　　　　リスト2：動的停止を伴うUTの各ステップでの計算

山口 · 2022/05/09(月) 10:00:11.10

v3-15
D.2 主語-動詞の一致 ( 原文 : AGREEMENT )

主語と動詞の一致は、英語の文の主語と動詞の間の数の一致を予測するタスクです。

このタスクの成功は、モデルが構文構造を近似することを学習できることを示す強力な指標であるため、Linzen et al。（2016）によってさまざまなモデルが自然言語の階層構造をキャプチャする能力を評価するためのプロキシとして提案されました。

? ry タスクでモ ry 。
このタスクでのモデルをトレーニングするために、Linzenら（2016）によって2つの実験セットアップが提案されました：1）言語モデリングの目的でのトレーニング、つまり次の単語の予測、および2）二項分類としてのトレｰﾞ、つまり文に与えられた動詞の数の予測。
この論文では、言語モデリングの目的を使用します。つまり、モデルに暗黙の監視を提供し、動詞の誤った形式と比較した正しい形式の動詞のランク付けの精度に基づいて評価します。

? ry とは反対の数の1 ry 名詞が ry 。
このタスクでは、さまざまなレベルの難易度を持たせるために、「合意アトラクタ ( 原文 : agreement attractors ) 」が使用されます。つまり、モデルを混乱させる目的で、主語とわ反数である所の1つ以上の介在名詞達 ( 原文 : ntervening nouns ) が使用されます
? ry 主語の頭 ry 。
この場合、モデルは、特定の動詞に対応する構文主語 ( 統語的主語 ) の先頭を正しく識別し、その動詞の正しい形式を予測するために、介在するアトラクターを無視する必要があります
サブジェクトと対応する動詞が太字 ( 訳注: この訳でわ大文字 ) で示され、合意アトラクタに下線 ( 訳注 : この訳でわ先頭大文字 ) が引かれている、このタスクのいくつかの例を次に示します。

　
アトラクタなし：　 the BOY SMAILES. 　　　　　　　　　　　少年は微笑みます。
1つのアトラクタ：　the NUMBER of Men IS not clear. 　　　　　男性の数は明確ではありません。
2つのアトラクタ：　the RAITO of Men to Women IS not clear.　　男性と女性の比率は明確ではありません。
3つのアトラクタ：　the RAITO of Men to Women and Children IS not clear.　　男性と女性および子供との比率は明確ではありません。

山口 · 2022/05/09(月) 10:02:42.10

v3-16
D.4 実行するための学習 ( 原文 : LEARNING TO EXECUTE ) （LTE）。 ( 訳注: 汎用プログラム )

? ry 示す一連のタスクであり、 ry 。
LTEは、コンピュータープログラムの実行を学習するモデルの能力を示すタスクを含むセットであり，Zaremba＆Sutskever（2015）によって提案されました
? ry ます。1 ry 、ifステートメント、変数割り当て、演算 ry 性などを理解 ry および2 ry ｰス）。
これらのタスクには、次の2つのサブセットが含まれます
: 1）数値演算，ifステートメント，可変な引数，演算の構成性，など，を理解するためのモデルの能力を査定する為に設計されたプログラム評価タスク（プログラム、制御、および加算）、および更にわ、勿論 2）記憶タスク（コピー、ダブル、リバース）も。

プログラム評価タスクの難易度は、その長さとネストによってパラメータ化されます。
? ry は、プムに表示される整数の桁数であり ry に組み合わせ ry です。。
長さパラメーターわ，プログラムに現れる整数の桁数 ( 原文 : digits ) であり（したがって、整数は[1、長さ]から均一に選択されます）、ネストパラメーターは、操作を相互に我々が組合わせることができる回数です
ネストの値が高いほど、解析ツリーが深くなります。
たとえば、長さ= 4、ネスト= 3で生成されるプログラムを次に示します。

　　Input:　　　　　　　　　　# 入力：
　　　　j=8584　　　　　　　? ：
　　　　for x in range(8):　　　 ? range（8）のxに対して
　　　　　　j+=920
　　　　b=(1500+j)
　　　　print((b+7567))
　　Target:　　　　　　　　　# ターゲット：
　　　　 25011

山口 · 2022/05/09(月) 10:09:40.74

>36 山口 220415 0751 ietwodMl >90 ：山口 Email：sagezon.jp/dp/406313248X/takuhatu-22 投稿日：2022/03/17(木) 06:46:03.91 ID:LcgWH/dO >29 山口青星 220219 0115 WlivQtjM >34 YAMAGUTIseisei 220118 1949 dKjOzdDu ttp://rio2016.2ch.net/test/read.cgi/future/1504999631/624# Kifu
|>>>Google 翻訳 http://arxiv-vanity.com/papers/1807.03819v1/# http://arxiv.org/abs/1807.03819# 18年7月10 提 \>プレ \>>>Arxiv VanityはArxivの論文を Webページレンダするため、PDF に眉を顰める必要はありません
>|>> 皆さんにジミーウェールズ集めたくはありませんがあなたがそれを好きなら、数ドルをチャック本当に感謝
||||
|>|| ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
||||
|>|| 　　　　　　　　汎用普遍型トランスフォーマ
||||
|>|| ──────────────────────────────
||||
|||>
|||| 　　　Mostafa Dehghani * †　　　　　＆Stephan Gouws *
|||| 　　　アムステルダム大学　　　　　　　Google Brain
|||>　　　 dehghaniATuva nl 　　　　　　 sgouwsATgoogle
||||
|||>　& Oriol Vinyals　　　＆Jakob Uszkoreit　　＆￡ukaszKaiser
|||| 　ディープマインド　　　Google Brain　　　　 Google Brain
|||>　 vinyalsATgoogle 　　　 uszATgoogle 　　 lukaszkaiserATgoogle
||||
|||>
||>* 名順 \| † GoogleBrainで行われた作業
||| :
||>0 1 http://rio2016.2ch.net/test/read.cgi/future/1642414195/34-39#-40#1628247789/377#1620263233/571#544-572
|| 1 2 http://rio2016.2ch.net/test/read.cgi/future/1645157525/29-39#894#615#1543421218/73-76
|2 http://rio2016.2ch.net/test/read.cgi/future/1647352881/90-97#-102#-333#450#892##505-506
3 http://rio2016.2ch.net/test/read.cgi/future/1649767599/36-48#244#251#384#491#614##627-632#57
:

山口 · 2022/05/09(月) 10:12:09.07

「健康医療分野のデータベースを用いた戦略研究」
http://rio2016.2ch.net/test/read.cgi/future/1519958054/60-78# ttp://google.jp/search?q=pezy-sc+paper# p://m.youtube.com/watch?v=l9OEV9dqYvM

完成済汎用 AI / AL ( 弱い ALife )
http://rio2016.2ch.net/test/read.cgi/future/1481407726/205-207#1642414195/54-56#159#304 KanseiZumi Hannyou-AI/AL(YowaiALife)
汎用 AI/AL 設計例 ( 実装案 , 仕組 )
http://rio2016.2ch.net/test/read.cgi/future/1556696545/61-77# HannyouAI/AL SekkeiRei ( JissouAn , Sikumi )
電子頭脳設計概要 ( 実装案 , 仕組 )
http://rio2016.5ch.net/test/read.cgi/future/1427220599/478-509#742 DensiZunou SekkeiGaiyou ( JissouAn , Sikumi )

山口 · 2022/05/09(月) 10:15:43.45

|||| 脳とシリコンスパイクニューロンとをメモリスタシナプスは接続する
>>|>http://rio2016.2ch.net/test/read.cgi/future/1639559117/82-90##1552014941/69-81#67-89# http://rio2016.2ch.net/test/read.cgi/future/1513483649/115-124
|| 後続の記憶探索取得に対する1つの記憶探索取得の影響
|| http://rio2016.2ch.net/test/read.cgi/future/1635393243/83-94
| :

山口 · 2022/05/09(月) 11:15:08.32

山口 · 2022/05/09(月) 11:17:07.78

PEZY-SCプロセッサ上の不規則格子反復法のためのデータ圧縮アルゴリズムの実装と評価
http://rio2016.2ch.net/test/read.cgi/future/1575358810/31-54#-62##1576844032/38 http://link.springer.com/article/10.1007/s42514-020-00020-1
神威太湖之光のメニーコアプロセッサ上の並列クイックソートアルゴリズム
http://rio2016.2ch.net/test/read.cgi/future/1583435188/11-31
ZettaScaler/PEZY-SCの紹介と今後の方向性～自動チューニング技術の現状と応用に関するシンポジウム発表資料
http://rio2016.2ch.net/test/read.cgi/future/1489922543/217-266
「健康医療分野のデータベースを用いた戦略研究」
http://rio2016.2ch.net/test/read.cgi/future/1519958054/60-78# PEZY
Subleq ベースのシンプルなマルチプロセッサコンピュータ
http://rio2016.2ch.net/test/read.cgi/future/1562240845/27-43#-50##1562869232/24
E2ダイナミックマルチコアアーキテクチャにおける動的ベクトル化
http://rio2016.2ch.net/test/read.cgi/future/1489922543/217-216#272
面積の効率的な高ILP EDGEソフトプロセッサの実装に向けて
http://rio2016.2ch.net/test/read.cgi/future/1481407726/105-154
SSVEPマグニチュード変動の予測モデル : ブレインコンピュータインタフェースにおける連続制御への応用
http://rio2016.2ch.net/test/read.cgi/future/1564044623/25-39
手術シミュレータ用臓器バリエーション 3D モデルライブラリ
http://rio2016.2ch.net/test/read.cgi/future/1564064841/5#+morikawa-sigehiro+PLAYSTATION3/Cell-NamerakaNettowaaku
再構成可能生物を設計するためのスケーラブルなパイプライン
http://rio2016.2ch.net/test/read.cgi/future/1595501875/84-114#-118##1601145490/54
好奇心に基づいた学習の大規模研究
http://rio2016.2ch.net/test/read.cgi/future/1481407726/155-202#-205

山口 · 2022/05/09(月) 11:18:44.60

山口 · 2022/05/09(月) 11:41:37.88

汎用普遍型トランスフォーマ
http://rio2016.2ch.net/test/read.cgi/future/1651850587/165-166