X



(強いAI)技術的特異点/シンギュラリティ165
■ 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2019/07/12(金) 03:20:32.08ID:cuZjUK69
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164
https://rio2016.5ch.net/test/read.cgi/future/1562240845/

(強いAI)技術的特異点/シンギュラリティ163
https://rio2016.5ch.net/test/read.cgi/future/1561486677/

(強いAI)技術的特異点/シンギュラリティ162
https://rio2016.2ch.net/test/read.cgi/future/1560587901/
0022yamaguti2019/07/12(金) 07:23:46.24ID:BvhXtK7w
>25 yamaguti 1900704 2137 rS60wicC \| 60 yamaguti 190607 1118 4Z3mBigD \ \ \>84 yamaguti 190224 2212 WFxvUogS? \>34 yamaguti 181121 1012 sfyGuXNf?
||||||>930 ー 181120 1709 7O1b9kNK >931 ー 1120 1709 7O1b9kNK
|||||| :
||||||>山川先生のソース
||||| :
||||||>ドワンゴ人工知能研究所の所長の山川宏とのインタビュ
||||||>_ttp://futureoflife.org/2017/10/12/%E3%83%89%E3%83%AF%E3%83%B3%E3%82%B4%E4%BA%BA%E5%B7%A5%E7%9F%A5%E8%83%BD%E7%A0%94%E7%A9%B6%E6%89%80%E3%81%AE%E6%89%80%E9%95%B7%E3%81%AE%E5%B1%B1%E5%B7%9D%E5%AE%8F%E3%81%A8%E3%81%AE%E3%82%A4%E3%83%B3/
|||||||
||||||>世界規模の惨事はないと仮定して、 ごろのhuman-level AGI(人間の知能レベ )完成 ?
|||||||
||||||>全脳ア (WBAI) 2030 目標 。カーツワイル氏が「2029 人間レベル 」 はよく知られ 、大体それと同
|||||| :
|||||||・ボストローム氏らが2011年から12年 アンケー 私個人としては2023
:
||||||>人間の知能レベルに達したAGI 、それ自身が開発を行い人間の知能を超えた知能を作るのにどのくらい時間 ?
||| :
||||||>は2029年に人間一人分の知能に到達し、
|||||||、数日から数ヶ月
|||||| :
||||||
|||||| >47 yamaguti 181027 1609 AJ0Ulonr?
|||||| :
||a0| _ttp://rio2016.2ch.net/test/read.cgi/future/1531018600/467-483# Risuku YamakawaSensei
||a0| _ttp://rio2016.2ch.net/test/read.cgi/future/1504872499/59-73# Risuku YamakawaTakedaRyouSensei Puutin NaikakuFu
||||||
|||||| _ttp://rio2016.2ch.net/test/read.cgi/future/1537288223/77# Nokosu YamakawaSensei
0023yamaguti2019/07/12(金) 07:24:20.27ID:BvhXtK7w
_ttp://rio2016.2ch.net/test/read.cgi/future/1483110011/541#544#1489922543/136# JidouToutatu
_ttp://rio2016.2ch.net/test/read.cgi/future/1541837624/8-9#3-11# SakamuraSensei MaruyamaSensei ,,,
0024yamaguti2019/07/12(金) 07:25:18.02ID:BvhXtK7w
_ttp://rio2016.2ch.net/test/read.cgi/future/1472305818/606#728-730#754-759#576-529# BurokkuDaiaguramu : SW26010 Cell
_ttp://rio2016.2ch.net/test/read.cgi/future/1552014941/49-51##1534904728/14-20# YuukiKa # TRONCHIP 68 32bitARM ## E2EDGE

Google 翻訳 _ttp://webcache.googleusercontent.com/search?q=cache:arxiv.org/pdf/1809.07356

 
ページ1
arXiv:1809.07356v1 [eess.SP] 2018年9月19日
一般的な色付きジャーナル、VOL。 XX、NO。 XX、XXXX 2017
1

 
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

 
Phairot Autthasan、Xiangqian Du、Binggwong Leung、Nannapas Banluesombatkul、Fryderyk K l、Thanakrit Tachatiemchan、Poramate Manoonpong、Tohru YagiとTheerawit Wilaiprasitporn、 メンバー、IEEE

 

訂正 Subleq ベースのシンプルなマルチプロセッサコンピュータ
_ttp://rio2016.2ch.net/test/read.cgi/future/1562240845/27-43#26-50##41>34# _ttp://rio2016.2ch.net/test/read.cgi/future/1559851720/66-81
>、ビルトインの乗算と除算とを使用してモジュ
0025yamaguti2019/07/12(金) 07:26:07.09ID:BvhXtK7w
_ttp://rio2016.2ch.net/test/read.cgi/future/1503993813/411## Kokoro Kakikae
_ttp://rio2016.2ch.net/test/read.cgi/future/1504872499/133# Kioku TukuriKae
0026yamaguti2019/07/12(金) 07:26:35.00ID:BvhXtK7w
抽象
? ry 、脳反応から一般的に認識されている視覚刺激頻度である。
定常状態視覚誘発電位ベースの脳 - コンピュータインターフェース(SSVEP BCI)は、脳反応からの周期的な視覚刺激認識の典型である。
各周波数は、機械を制御するための1つのコマンドを表します。
例 、異なる周波数を有する複数の標的刺激を使用してロボ の移動速度を制御 できる
? 各目標刺激 ry 。
各標的刺激周波数は速度レベルに対応
? ry 有する選択選択パラダイム ry 速度を離散的に制御することができる。
このような従来のSSVEP BCIは離散的な情報を有する取捨選択パラダイムであり、これによりユーザは移動可能な物体の速度の離散的制御ができる。
これにより、オブジェクトの動きが滑らかでなくな 。
この問題を克服 ために、本研究では、連続制御のための連続情報を持つSSVEP ‐ BCIの概念設計を提案し、ユーザが物体の移動速度を滑らかに制御できるようにした。
SSVEPマグニチュード変動の予測モデルは、提案された設計において重要 。
したがって、この研究は主にBCIのためのSSVEPマグニチュード予測の使用に関する実現可能性研究に焦点
? したがって、固定周波数の時間を使用して、さまざま ry 収集するための基本 ry 。
故に、固定周波数の回数を使用し様々な刺激強度からSSVEP応答を収集する為に基本的な実験 。
ランダムフォレスト回帰(RF)は、これらの予測タスクにおいて単純回帰およびニューラルネットワークより優れ
? ry シミュレータに流すことに ry 。
最後に、提案されたSSVEP BCIの利点は、10人の健康な被験者からの実際のSSVEP応答を脳制御ロボットシミュレータにストリーミングする事によって実証
? ry 結果は、周波数認識 ry 。
この研究からの結果は、周期的認識とマグニチュード予測の両方を含む提案されたSSVEP-BCIが将来の連続制御応用のための有望なアプローチ 示 。
0027yamaguti2019/07/12(金) 07:28:48.12ID:BvhXtK7w
この作品は、タイ研究基金とGrant MRG 6180028(ジュニア科学才能プロジェクト、NSTDA、タイ)の下の高等教育委員会の事務所によって支援

? ry は、タイのラヨーンにあるVidyasirimedhi科学技術研究所のバイオインスパイアドロボット工学および神経工学研究室に所属 。
T.Wilaiprasitporn、P.Autthasan、N.Banluesombatkul、およびB.Leungは、バイオインスパイアドロボット工学および神経工学研究室 、情報科学・情報テクノロジ校
、タイのラヨーンにある Vidyasirimedhi 科学技術研究所、に所属 。 theerawit.w vistec ac th

? ry ミュンヘン工科大学のミュンヘン工科大学、ドイツ ry 。
Fryderyk K lはミュンヘン工科大学ミュンヘン校、ドイツのミュンヘン

? ry 神経工学研究室、ならびにE AIおよび ry 。
P.Manoonpongは、タイのラヨーンにあるVidyasirimedhi科学技術研究所のバイオインスパイアードロボット工学および神経工学研究室
、並びに義体的 AI 及び神経ロボット学研究室 、BioRoboticsのためのセンター、Msk Mc-Kinney Mller研究所、デンマークの Odense M、DK-5230 にある南デンマーク大学に所属

? ry は、東京工業大 ry のYagi Labと一緒にいます。
X. DuとT. Yagiは、日本・東京の東京工業大学機械工学科の Yagi 研究室に所属

Thanakrit Tachatiemchanはタイ・バンコクのチュラロンコン大学数学・コンピュータ科学科に所属

索引用語
SSVEP-BCI、連続BCI、SSVEPマグニチュード予測、SSVEP刺激強度、脳制御シミュレータ
0028yamaguti2019/07/12(金) 07:29:46.84ID:BvhXtK7w
I. 前書き

電子部品と計算資源のコストの劇的な減少は、21世紀の研究者にとって (BCI)をより魅力的なものにしました
? ry
BCIによって、人々は脳の反応や信号を介して機械とコミュニケート
その結果、BCI関連技術の開発は、運動機能の実行が困難な人 利益 可能性 [1]。
筋萎縮性側索硬化症(ALS)は 疾患の例
? ry 運動画像(MI)。
BCIの研究は主に3種類の脳反応に焦点 :事象関連電位(ERP)、定常状態視覚誘発電位(SSVEP)、および運動イメージ(MI)。
ERPおよびSSVEPは通常、人間の感覚系の視覚的、聴覚的または触覚的刺激によって生成
? ry には、実際には運動を実行することなく、
一方、MI信号を生成するためには、何らかの運動を実際には実行することなく、運動機能(手 足 など)を実行 を想像しなければならない
? ry 脳波記録法(EEG) ry 。
脳反応を測定するための最も広く普及している方法は脳波計 ( EEG ) 、 非侵襲的 幾分安い 。
脳の反応を得るために、EEGは頭皮全体の電位の変化を測定 。
電位の変化は、脳内で発火する何十億ものニューロンから発生 。
0029yamaguti2019/07/12(金) 07:30:33.70ID:BvhXtK7w
前述の3つの応答(ERP、SSVEP、およびMI)のうち、SSVEPは入手が容易なので最も実用的
? ry 使用できるのは何人(そしてどのような種類の)人ですか? [2]。
最近、ある研究グループが次の質問に答えるために一連の実験 。SSVEPベースのBCIを使用できる人数の多さは(そしてどのような種類の人々 ) ? [2]
? 調査の実験結果によると、ほとんどの参加者は、以前にBCIを経験したことがなくても、SSVEPベースのBCIを許容できる精度 ry ことを示 ry 。
BCI をそれまでに未経験てあれど、 SSVEP ベースの BCI を殆どの参加者が許容可能精度で使用できる事を研究の実験結果は示
? 参加者は、刺激がちらつくことに煩 ry 。
刺激が何らかの方法でちらつく事に、参加者は煩わされませんでした。
さらに、実験はノイズの多い環境で行われ、SSVEPベースのBCIの実用性が確認
? この研究は、挑戦 ry マシン相互作用に向けたSSVEPベー BCIの視覚刺激の活用に焦点 ry 。
この研究は、 SSVEP ベース BCI にとっての視覚刺激を、挑戦的な問題であり続ける連続的で滑らかなブレインマシンインタラクションに向け利活用する事に焦点
? ry のBCI調査における ry 。
ただし、この調査の詳細を説明する前に、SSVEPベー BCI 研究におけるマイルストーンのいくつかを検討 重要 。


2ページ
2
0030yamaguti2019/07/12(金) 07:31:19.68ID:BvhXtK7w
2007年に、標準相関分析(CCA)と呼ばれる最先端のSSVEP認識技術がSSVEPベースのBCIで使用するために開発され [3]
? ry 、プロテーゼ ry 。
、2008 、電子プロテーゼを制御するためのSSVEPベー BCIの適用が先駆的なBCI研究グループ 提案 [4]
? ry な選択選択 ry 。
このシステムは、義肢の動きまたはジェスチャを生成する 典型的な取捨選択SSVEPベー BCIを含
? ry 障害を持つ人々を含むSSVEP ry 。
別の先駆的なグループは、視線移動 できない障碍を持つ人々等を対象とした SSVEPベー BCIのパフォーマンス 詳 研究
? このグループは、そのよう ry 使用するのを助ける ry 。
そのような人々が視線を変えることなくシステムを使用するのを、このグループは、助けることができる刺激パターンを提案 [5]
? ry 当て、スティミュラスロックトレース間相関(SLIC)[6]という新しいアルゴ ry 。
2010 、別の研究グループがSSVEPベー BCIのユーザーフレンドリーな設計に焦点を当て、そして、 SLIC ( stimulus-locked inter-trace correlation , 刺激に固定したトレースの間の相関 ) [6] と名付けられた新アルゴリズムを提案 。
SLICの背後にある主な概念は、ERPとSSVEPの検出を組み合

2012 、 パフォーマンスを向上させる ハイブリッドBCIシステムが提案 。
ッドBCIはさまざまな種類の脳の反応を利用 。
ッドERP / SSVEPベー BCIが、連続的な同時2次元カーソル制御のために導入され [7]
? ry、このシステムは離散情報を有する伝統的な選択の選択としてSSVEPを使用 。
しかしながら、離散情報取捨選択な伝統的な SSVEP をこのシステムは使用 。
後に、ERPとSSVEPの反応を組み合 ハイブリッドスペラーが、情報転送速度(ITR)を増加 目的で開発され [8]、[9]
? ry が、関節周波数 ry 。
最近、1つの研究グループが、統合周波数および位相変調SSVEP刺激を用いた高速SSVEP BCI 。
彼らのオフライン研究は、 250ビット/分以上 [10]
? ry 当てていましたが、 ry 研究[11]、[12]などのスムー ーションの ry 。
、ほとんどのSSVEP BCIは、 個別の情報 に焦点を当てており、ロボット補綴物動作制御に関するこれまでの研究の様なスムーズに制御されるアプリケーション [11]、[12] 用の連続情報ではありません。
0031yamaguti2019/07/12(金) 07:31:55.77ID:BvhXtK7w
既存のSSVEP BCIは、主にEEG反応からの周波数認識に頼っている。
ユーザーがアプリケーションの移動速度を連続的に増減させる( ロボ の動きを速くする)ことを可能にするブレインマシン制御システムのための新しいSSVEP-BCIパラダイムを開発するために、この研究はマグニチュード変動が目標を達成するのを助けると仮定
? ry されて、実現可能性研究はSSVEP刺激強度を使用してSSVEPマ ry ードを操作する実用性について実行 ry 。
人間の注意レベルとSSVEPゲインに関する神経科学的研究[13]に触発されて、 SSVEP ードを SSVEP 刺激強度を使用して操作する実用性の上に実現可能性研究が実行されます。
この実験 、 刺激周波数を一定に保ち 刺激強度を変 。
さらに、ここではシングルチャンネルEEGのみが使用 。
実験的に記録されたEEGを使用して、 SSVEP ード変動に関する3つの予測モデル 研究 。
多項式回帰(Poly)、ランダムフォレスト回帰(RF)、およびニューラルネッ (NN)が潜在的なモデルとして提案され 。
? ry 二乗平均誤差 ry 、1件除外相互検証 ry 。
予測の平均二乗誤差(MSE)を評価するために、一個抜き交差検証 。
結果は、RFアプローチを使用したSSVEP ード変動の予測モデルが、低MSEでの計算時間予測の点でPolyとNNの両方を上回る 示 。
最後に、この研究の利点は、実験 の記録されたEEG応答を脳制御ロボ シミュレータにストリーミングバック によって実証 。
シナリオは、既存のSSVEP-BCIシステムに対する提案されたSSVEP-BCIパラダイムの利点を実証するために設定
? ry 刺激頻度と強度を変化させることで一緒 ry 研究の結果は円滑に制御された応用のための ry 。
SSVEP刺激の頻度変化と強度変化とを一緒に考慮したこの研究の成果は、滑らかに制御されたアプリケーションの為のオンラインSSVEP ‐ BCIのさらなる開発のために有望

このホワイトペーパーの残りの部分は、強度予測を伴うSSVEP-BCIの概念設計に関する (セクションII)で構成されています。
ョンIIIはデータ取得と2つの実験的研究を提示
? ry V and ry .
最後に、結果、考察、そして結論はそれぞれ ョンIV、V、VI に含 。
■ 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