X



(強いAI)技術的特異点/シンギュラリティ169
■ 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
垢版 |
2019/08/03(土) 05:41:17.78ID:7w4ncLsq
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167 (実質168)
http://rio2016.5ch.net/test/read.cgi/future/1564064841/

※前々スレ
(強いAI)技術的特異点/シンギュラリティ167
http://rio2016.5ch.net/test/read.cgi/future/1564044623/
0019yamaguti
垢版 |
2019/08/03(土) 17:20:19.41ID:Xl6OoRO0
_ttp://rio2016.2ch.net/test/read.cgi/future/1503993813/411## Kokoro Kakikae
_ttp://rio2016.2ch.net/test/read.cgi/future/1504872499/133# Kioku TukuriKae
0020yamaguti
垢版 |
2019/08/03(土) 17:21:06.71ID:Xl6OoRO0
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
_ttp://rio2016.2ch.net/test/read.cgi/future/1564064841/5#+sigehiro-morikawa+PLAYSTATION3/Cell-NamerakaNettowaaku

階層的時間的記憶理論 ( HTM )
_ttp://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 : _ttp://rio2016.2ch.net/test/read.cgi/future/1427220599/539-676# _ttp://rio2016.2ch.net/test/read.cgi/future/1489740110/22-30# _ttp://rio2016.2ch.net/test/read.cgi/future/1481407726/6-82
Smalltalkの背後にある設計原則
_ttp://rio2016.2ch.net/test/read.cgi/future/1554363939/71-85#-88#+OR+plan9+OR+elis-tao+OR+simpos-esp+OR+amigaos/intent+OR+spurs/cell+OR+model1sega+OR+tronchip+OR+hpky-universaltransformer
dahara1 氏 : Universal Transformerを用いて翻訳を超える
_ttp://rio2016.2ch.net/test/read.cgi/future/1489922543/273-285#1518883298/12-14# SLING
世界の構造を学習する事を新皮質内カラムが如何にして可能たらしめるかの理論
_ttp://rio2016.2ch.net/test/read.cgi/future/1547171604/43-67# 投影 : 投射
ハイデルベルクニューロモルフィックコンピューティングプラットフォームへのHTMモデルの移植
_ttp://rio2016.2ch.net/test/read.cgi/future/1548169952/26-37#-52# _ttp://rio2016.2ch.net/test/read.cgi/future/1552014941/69-81#67-89#


Google 翻訳 _ttp://webcache.googleusercontent.com/search?q=cache:arxiv.org/pdf/1511.00083


? ry おける配列記憶の理論
なぜニューロンは何千ものシナプスを持っているのか、新皮質に於けるシーケンス記憶の理論

Jeff Hawkins *、Subutai Ahmad Numenta、Inc、レッドウッドシティー、カリフォルニア州、アメリカ
*対応する著者のEメール:jhawkinsATnumenta、sahmadATnumenta


キーワード:新皮質、予測、新皮質理論、活性樹状突起、シーケンス記憶

この原稿のバージョンは、2015年10月30日現在で公開されています。
? 図 ry 。
注意として図と表はこのPDFの最後にあります。
最新の引用情報については ry 。
0021yamaguti
垢版 |
2019/08/03(土) 17:21:32.96ID:Xl6OoRO0
_ttp://rio2016.2ch.net/test/read.cgi/future/1504872499/90# Yuugou <-> TagguTiimu
_ttp://rio2016.2ch.net/test/read.cgi/future/1508026331/384#993##358###1493891216/50#1504999631/73## RihaKigen 2018 Teisei
0022yamaguti
垢版 |
2019/08/03(土) 17:26:16.03ID:Xl6OoRO0
1


抽象
新皮質ニューロンは何千もの興奮性シナプスを持
? ニューロンがそれほど ry をどのように統合し、これがどのような大規模なネッ ーク行動を可能にするのかは謎です。
それほど多くのシナプスからの入力をニューロンがどの様に統合しこれがどの様な種類の大規模ネットワーク動態を可能たらしめるのかは謎です
? ry 特性がニューロンが複数のパターンを認識することを可能にすることが ry 。
樹状突起の非線形特性が複数パターン認識をニューロンに可能にさせる事が以前に提案さ 。
? 本稿では、アクティブな樹状突起に沿って配置 ーロンは、たとえ大量 ry パターンの変動があっても、正確 ry に細胞活動の何百という独特のパターンを認識することを学ぶことができることを示すことによってこのアイデアを拡張 ry 。
本稿に於てこのアイデアを、セルラアクティビティの何百ものユニークパターンをアクティブな樹状突起に整然配置された数千のシナプスを持つニューロン
が例え大量のノイズやパターンバリエーションがあろうとも正確にそして頑強に認識する事を学習する事ができる事を示す事によって、我々は拡張 。
? 次に、 ーロン ry 電位につながる ーロン ry モデルを提案し、 ーロンの古典的な受容野 ry 活動電位を直ちに生成することなく、 ry として機能する。
そして、ニューロンによって認識されたパターンのいくつかが活動電位を導くニューロンモデル、を我々が提案しニューロンの古典的受容野を定義する一方で
、ニューロンによって認識されるパターンの大部分は、活動電位の即時生成なしに、ニューロンをわずかに脱分極することによって予測としての活動をする。
0023yamaguti
垢版 |
2019/08/03(土) 17:26:40.52ID:Xl6OoRO0
次に、これらの特性を持つニューロンに基づいたネットワークモデルを提示し、ネットワークが時間ベースのシーケンスのロバストモデルを学習することを示 。
? ry 類似性と推論および行動における配列記憶の重要性を考えると、我々はこの形式の配列記憶 ry 。
新皮質全体の興奮性ニューロンの類似性と、推論及び振舞いに於けるシーケンス記憶の重要性と、に鑑み我々はこの形式のシーケンス記憶が新皮質組織の普遍的な性質であることを提案
? ry さらに、新皮質の細胞層が推論と振る舞いの異なる側面を達成 ry -ションを実装することを提案する。
我々は更に、推論と振舞いとの異なる側面を達成するために同じシーケンスメモリアルゴリズムのバリエーションを新皮質内の細胞レイヤが実装している事を提案
? ry ーロンとネッ ークモデルは、ネッ が細胞活性化のまばらな分散コードを使用する限り、広範囲 ry 。
我々が導入するニューロンのとネットワークのモデルは、セルラアクティベーションの疎分散コードをネットワークが使用する限り、広範囲のパラメータにわたってロバスト
? ry 数に比例して変化します。
ットワークのシーケンス容量は、各 ーロンのシナプス数に伴ってリニアにスケールします
? ry したがって、 ーロンは感覚刺激と運動シーケンスの多くの ry を必要とします。
従って、感覚刺激と運動シーケンスとの中の多くの時間的パターンを学ぶために何千ものシナプスをニューロンは必要とします。
0024yamaguti
垢版 |
2019/08/03(土) 17:27:21.40ID:Xl6OoRO0
<近位樹状 基本樹状 先端樹状 頂端樹状 心尖樹状
>主要樹状 基底樹状 尖端樹状 尖端樹状 尖端樹状
0025yamaguti
垢版 |
2019/08/03(土) 17:27:48.42ID:Xl6OoRO0
1。 前書き
? 新皮質の ry 。
新皮質内の興奮性ニューロンは何千もの興奮性シナプスを持
? 細胞体に最も近い近位シナプスは、細胞 ry 。
近位シナプス、これらは細胞体に最も近い、は細胞が活動電位を生成する可能性に比較的大きな影響 。
しかしながら、大部分のシナプスは遠位 、または細胞体から遠く離れている
? ry 活性化は、体細胞にほとんど影響を及ぼさず、何千年もの遠位シナプスが細胞の応答を決定するのに重要な役割を果たすことができることを長年にわたって想像するのは困難 ry 。
単一の遠位シナプスの活性化は細胞体に於て小 影響 、細胞の応答を何千もの遠位シナプスが決定 に於て重役を演じる事がどうすれば可能か、を想像 は長年困難でした(Major et al。、2013)。
? ry
樹状突起の分枝が能動的なプロセッシング要素であると我々は今知っています。
? ry 、局所的な樹状 ry スパイク、およびその結果としての有意で持続的な体細胞の脱分極を引き起こす可能性 ( ry 。
空間的および時間的に近接した範囲内でのいくつかの遠位シナプスの活性化は、ローカル樹状突起NMDAスパイク及びその結果として、細胞体の有意で持続的な脱分極、を導く事ができる(Anticら、2010年; Majorら、2013年)。
これにより、樹状突起分枝が独立したパターン認識装置として作用 を示唆する研究者も (Poirazi et al。、2003; Polsky et al。、2004)。
? しかし、樹状突起 ry かかわらず、なぜ ーロン ry 皮質の処理において何をするのかは不明である。
樹状突起の活性特性を理解 多 進歩 にもかかわらずその事は、何故ニューロンがそんなに多くのシナプスを持っているのか、そしてそれらの正確な役割が記憶および皮質処理に於て何なのかが謎であると突き付ける。
0026yamaguti
垢版 |
2019/08/03(土) 17:29:59.78ID:Xl6OoRO0
? なぜ ーロンがアクティブな樹状突起を持っているのかという理論 ry スパイクニューラルネッ ry 使われているもののような、 ry ークは、アクティブな樹状 ry 使用します。そして、それらが実際の神経組織の重要な機能的側面を欠いていることを強く示唆します。
アクティブな樹状突起をニューロンが持っているのは何故か、という理論を欠いている、ディープラーニング(LeCun et al。、2015)やスパイキングニューラルネットワーク(Maass、1997)で使われている様なほとんどすべての人工ニュー ークが
、アクティブな樹状突起のない、そして非現実的に少ないシナプスのある人工ニューロンを使用している事は、実際の神経組織の鍵となる機能的側面を彼らが見失っている事を強く示唆しています。
? ry 理解し、新皮質 ry したいのであれば ry および活動的樹状 ry を理解 ry 。
新皮質がどのように機能 かを理解しそして新皮質と同じ原理で機能するシステムを構築したいと我々が希望するのであれば、生物学的ニューロンがそれらの何千ものシナプスおよび活動的樹状突起をどのように使用するかを我々は理解 要
? ry 、ニューロンは単独では理解できません。
もちろん、ニューロン群は隔離してあっては理解できません
? それぞれ何千ものシナプスを持つ ーロンの ークが共通の目的に向かってどのように協調して機能 かという補完的な理論も必要です。
何千ものシナプスを各々伴うニューロンの、ネットワークがどの様にして共通の目的に向かって共に機能 かという補完的な理論をも我々 要 。
0027yamaguti
垢版 |
2019/08/03(土) 17:30:49.30ID:Xl6OoRO0
本稿ではそのような理論を紹介
? 最初に、我々は、活性な樹状突起と何千ものシナプスを持つ ry が、何百という独特のパターンの細胞活性を認識できることを示 ry 。
最初に、アクティブな樹状突起と、何千ものシナプスと、を持つ典型的な錐体ニューロンが、細胞アクティビティの何百というユニークパターンをどの様にして認識できるか、を我々は示
? ry 我々は、全体的な神経活動がまばらである ry できることを示す。
全体的な神経活性が疎である限り、ニューロンが大量のノイズおよび変動性の存在下でも数百のパターンを認識できる事、を我々は示す。
次に、樹状木のさまざまな部分への入力がさまざまな目的に役立つ ーロンモデルを紹介 。
このモデルでは、 ーロンの遠位シナプスによって認識されるパターンが予測に使用されます。
? 各 ーロンは、細胞が活動的になる前にしばしば起こる何百ものパターンを認識することを学 ry 。
何百ものパターンを細胞がアクティブになるよりもしばしば先んじて認識する事を各ニューロンは学びます。
? ry 学習パタ
これらの学習済パターンのいずれかを認識することは、活動電位を直接引き起こすことなく細胞を脱分極することによる予測として作用する。
最後に、この性質を持つニューロンのネッ がパターンのシーケンスをどのように学習し、思い出すかを示 。
? ネッ ークモデルは、脱分極した ーロンが素早く発火し、近くの他の ーロンを抑制することに依存しているため、 ークの活性化が予測に偏っています。
脱分極ニューロンが迅速発火して他の近傍ニューロンを抑制する、事にネットワークモデルが依存しており、従って、ネットワークのアクティベーションをそれの予測の方へバイアスします。
シミュ を通じて、シーケンスメモリネットワークがオンライン学習、複数同時予測、および堅牢性などの多数の望ましい特性を示 を説明

? ry 推論と行動のため ry 重要性を考えると、 我々は、シーケンスメモリが ry 特性であり、したがって ry 表すことを提案する。
新皮質全体のニューロンの類似性と、推論と振舞いの為のシーケンスメモリの重要性と、を考えると、 シーケンス記憶が新皮質全体の神経組織の特性であり、従って新皮質がどのように機能 かを理解 ための新 重要な統一原理を表す、事を我々は提案 。
0028yamaguti
垢版 |
2019/08/03(土) 17:31:22.85ID:Xl6OoRO0
_ttp://rio2016.2ch.net/test/read.cgi/future/1563345644/43-45# keiki2019

日本 ついに「1人あたり」で韓国に抜かれる
_ttp://toyokeizai.net/articles/-/149624
■ 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