(強いAI)技術的特異点/シンギュラリティ119
■ このスレッドは過去ログ倉庫に格納されています
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)
https://goo☆.gl/riKAbq
(情報科学) 技術的特異点と科学・技術 (ナノテク)
https://goo☆.gl/RqNDAU
★関連書籍・リンク・テンプレ集(必見)
https://goo☆.gl/Puha9e
※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118
https://rio2016.5ch.net/test/read.cgi/future/1523134522/
(強いAI)技術的特異点/シンギュラリティ117
https://rio2016.5ch.net/test/read.cgi/future/1522158608/
(強いAI)技術的特異点/シンギュラリティ116
https://rio2016.5ch.net/test/read.cgi/future/1522149406/ >>353
＞”女性が化粧をする必要が無くなる”。
今のアバターブームも本来のルックスに左右されない文化として根付いてきている
こういう価値観が当たり前になるだろうね >>356
君は監視社会が好きなのね
ずーっとおんなじ事ばっか言ってるし
こないだ君の大好きなブロックチェーンを使ってる仮想通貨の盗難があったんだけどさ、ブロックチェーン使ってたからって、取り戻せた？犯人捕まった？
意味ないだろ、こんなん >>354
ポチった
連休にでも読むわ
しかしこの手の本ってどうしても海外が先行した物になるから遅れた物になるんだよな
2016年とか17年のブレイクスルーを考慮した代物にはなってないだろうし
かと行って機械音痴の日本からそういう本が出て来るのにも期待できんしなあ カーツワイルの新著書は2019年に出版予定らしい。 この世界の遅さには絶望するしかない
今年はなんも進化してないじゃないか この手のなんでもいいから構ってほしいって連中はどこにでもいるんだな
ボケ老人の相手にするのもいいし適当なレスを人間っぽく返して構ってくれるAIが必要だな >>365
例えば>>364をアンチ認定するならキーワードでは難しいだろうから
本格的に意味を解釈できる必要があるよね？ >>362
もう読むことないかなぁ
ポスト・ヒューマンでもう語り尽くされただろうし、
正直長すぎて読みたくないｗ エクサ級で全脳シミュレーション出来るようになったってゆう理研の研究成果は凄いことなの？ >>367
アンチというか誰かがレスをつけてくれそうな内容を書き込む奴
過去にいっぱい構ってもらえた成功体験により同じような内容を書き込み続ける原動力
こいつの場合は321でレスをつけてしまったのがよくなかったね
このままだと明日も明後日も同じようなレスをつけてくるだろう
まるで寂しい老人を見ているような気分になるよ >>369
たぶん全脳分の計算に必要な計算力の見積もりがあって、
そのくらいの計算力だったら発揮できる工夫ができた、
ってことだと思う。
で、じゃ具体的にどういう計算すれば使い物になる知能を
発揮できるかは、その計算力を使って、こうかな、ああかな
とかこれから色々さぐるのをやって研究する予定なのでは。 >>369
凄いことは凄いけど、結果が出せるかどうかは別
どれぐらいの速度を出せるかによる
10000倍ぐらいの速度が出せるならどんどん人間の知性が上がるだろう。ある意味シンギュラリティの起爆剤
1/100だと1年のシミュレートに100年かかるわけで、アホかって話になる シミュレートして終わりって訳じゃない
視覚、聴覚に使う部位以外は大脳皮質の仕組みが分かってないので
（視覚と聴覚は実験しやすいため比較的分かっている）それをシミュレーションとともに解明することになる >>372
速度求めても意味ないぞ
メモリ量のほうが大事 >>374
速度求めないと意味ないだろう
再現しました、はい終わりって何の意味もない
再現した上で出力させる必要がある >>373
んじゃ結局脳を直接のぞき見するだけで、出力はできないってことか >>375
速度上げても知性レベルは上がらないだろ？ 出力ってのはよく意味がわからないが、
使えるものになるのは何か脳っぽい動作になったぞって時に、そいつの情報処理の仕組みを数理モデル化して
汎用ＡＩを作るなり、自動化に充てることになる >>377
上がるよ
速度を上げて大量生産し、学習させれば、脳のシミュレートを更に効率化できる
で、更にその状態で・・・を繰り返せば脳のシミュレートはどんどん早くなる
頭打ちになればハードウェアの開発に回せばいい
それこそが特異点だよ
>>378>>379
＞数理モデル化
＞伝達関数作れば
まぁそれでもいいけど、人間が理解できない可能性＝実装出来ない可能性がある >>376
のぞき見しないと解明できない。
>>377
シミュレーション速度を上げると早く結果がわかるので
早く研究が進む。
一つシミュレーションするのがおわるまで１年とかだと
研究できる前に首になるかもしれない、 速度は、メモリ量の次に重要だ。
https://i.imgur.com/eNuPHly.png
「100倍複雑な計算ができる」ことが特に重要。
ネズミの脳が100倍高速になっても、知性レベルが上がる訳ではない >>382
複雑な計算の「複雑な」とは何を指すのか？
100倍複雑とは何なのか。100次元あるのか、100個変数があるという意味なのか 大脳皮質の小さい犬猫は基本的に鏡に写った自身の姿を認識できないが、
人間はできる
犬猫は小学生レベルの足し算引き算はできるけど、人間は微積分や幾何学やベクトルや行列が計算できる
複雑ってこういうことじゃないの >>384
それもあるだろうけど、同じ時間でどこまで詳しくシミュレーションできるか
ってのが大きいのでは。
脳の動作を研究するのに、おおざっぱな計算だとおよそのことしかわからないけど、
同じ時間でもっと詳しい計算ができて詳しくわかるようになるとか。 あ、今、超重要な妄想通信が入った。
漫画「バスタード」のダーク・シュナイダーは、平成の天皇だと判明した。
あれは、熊野神社の神主家のが正統後継者なのではないかという遺伝学研究によって、
生きた平成の時代の平成天皇伝だ。
ダーク・シュナイダー：平成の天皇
ティア・ノート・ヨーコ・フラット：川島紀子
ニンジャマスターガラ：皇太子徳仁
カル・ス：秋篠宮
アビゲイル：日本人の国連の科学者
アーシェス・ネイ：黒田清子
ラーズ王子：昭和天皇
ルーシェ・レンレン：正体不明
アンスラサクス：熊野神社、神武本家
天使たち：西洋人 >>384
複雑とは何を複雑といえるって話
＞「100倍複雑な計算ができる」ことが特に重要。
重要と言うからには複雑の定義はさすがにもう少しはっきりさせて欲しいし
100倍とは何がどう100倍なのかもさっぱりわからない
鏡に写った自分を認識できるのは、何倍複雑な処理ができるのかと >>387
バスタード!!
は完結したら読もうと思ってたんだが・・・ 「友達も彼女もいない中年派遣社員からの質問：今後どうやったら楽しく生きられますか？」
死ね https://www.u-tokyo.ac.jp/public/public01_250401_j.html
ショウジョウバエの脳の研究だってこのくらいの現状だとすると、
人間の脳の研究っていつ完成するがわからないくらいかもしれない。
やっぱり知能を作りたいなら脳の研究より知能のアルゴリズムを考えた方が
早く実用化できるのでは。 >>393
それが出来たら苦労してないんだよなぁ… 2000年代に入ってから膨大な脳に関する知見が集まっているので、シミュレーションした結果と擦り合わせて近付けることが出来るってことと（実際に頭を開いて見る必要はそれほど無い）、それとエクサスケールスーパーコンピュータの力がやはり大きいな 知能が何かをやってる例って具体的にたくさんあるんだから
全部ディープラーニングに掛けたら
どんな基本的な動作の組み合わせになってるか
細胞の塊レベルで分類するのを自動でできないんだろうか。 >>393
線虫の脳は完全解明されてる。
ロボットに実装もできてる。 >>396
ディープラーニング用のデータは人間が整頓させて入力する
人間と同じ認識方法を模倣できても、元データをどうやって判断したかは分からない >>395
でもショウジョウバエ程度だって
全能シミュレーションなんかまだまだできそうも無いのでは。
それくらいの規模以上の計算力ができていたとしても。
バカぢからがいくらあっても何もち上げていいかわからないみたいな。 >>398
生身の人間にわからなくても
それを代わりにやれる機械を作りたいんだから、
機械が自動でわかるようにできるんだったらいいのでは。
ディープラーニングって結局そうらしいし。 結局
脳に外部刺激による入力を与えて、
脳の中の電位の変化を読み取った所で、
脳が何かを産み出す為の
アルゴリズムが読み取れるわけじゃない。
仮に、脳に何らかの生産的な作業をさせた所で、
万人の脳の電気的な変化が同じになる訳でもない。
例えば、友人の結婚式の3分間のスピーチを考えるとか、
させた場合に、
全員の脳内の電気的な変化が同じになるわけじゃない。
そこから脳が生産的な活動をしている時の
アルゴリズムが読み取れるのか？は難しい。
100人いれば100人が違う出力をする。
では、同じ答えになる問題を解かせた場合、
これも思考経路が似通ったとしても、
全員が同じアルゴリズムで、
その答えにたどり着くとは限らない。
山の頂上にたどり着けと言う命題を与えた場合に、
どのルートを取るのかは、
個人の勝手だし、個人のスキルや経験、
力量による。
つまり脳に何らかの生産的な活動をさせた場合に、
マスターアルゴリズムみたいなものを、
読み取れるか？と言うと、ほぼ無理だ。 脳の思考パターンに何らかの法則があったとしても、
それは、
その個人の経験や資質による。
じゃあ、
適当な誰かから、
脳の思考のパターンが読み取れたとして、
それは、
万人に共通しているのか？というと、
まず、その可能性はかなり低いし、
同じ個人でも、
創造性は創造する対象によって異なる。
要は、
仮に誰かの結婚式のスピーチを産み出す際の
アルゴリズムが読み取れたとして、
そのアルゴリズムは、
汎用的な創造性を意味しているのか？
と言うと、
多分、結婚式のスピーチを産み出す為の
アルゴリズムでしかないだろう。
違う問題を解く時には別のアプローチが必要になる。 >>402
実験心理学ってそれっぽい事やってるんじゃないだろうか。
人間の心理のアルゴリズムをなんとか解明するのが目的で
人工知能を作るのが目的じゃないとすると
それはそれでいいと思う。
それを参考にして人工知能を作ろうとしてる人はいるだろうけど。 では、
どういうアプローチが必要になるのかは、
無駄を省いていくしか無い。 >>403
そういうのを集めてディープラーニングしたら
機械が自動で分野別のマスターアルゴリズムを
分類してくれるようにできないだろうか。 それはエキスパートシステムだから、
今のままの延長線でやるなら、
その方式しかないだろうけど、
その場合は、
いわゆる無限に成長する知能には到達しない。
それ以前に、
ディープラーニングと言うか、
ニューラルネットワーク系の人工知能だと、
無限に成長する知能には到達しない。 >>407
人間が知能でやってる事をディープラーニングして
色んなアルゴリズムを認識させて、
そのアルゴリズム同士を組み合わせて実行するのは別の機械で
やればいいと思う。一つの機械でいっしょくたにできれば
それでいいし。 >>402
何処の馬の骨とも分からない奴が得意満面で否定してもな。
山川宏先生ほか全脳アーキテクチャに関わる方々を信用するけどね。 独り善がりな思考実験なんて狂人のオナニーと何ら変わらない。
そんな妄想で否定できるならば飛行機もロケットも実現してないわ。 ワイの人生は汎用aiにかかってるわ
もし完成せんかったら老後に「空虚な人生やったなぁ」と一人で考えながら孤独に死んでいくことになる
だから誰でもいいから汎用ai作ってくれ
ワイを助けてくれ >>399
マーモセット以上（17億）規模の神経回路シミュレーションはできてるから
後はマジでエクサスケール待ち >>408
人間が知能でやってることはわかってない >>413
その規模の計算式を入れて計算する能力はありますよ、
ってだけて、計算式はこれから考えると思う。
で、人力だけで考えていたら何万年もかかるのでは。 >>400
与えるデータに意味をつける作業は人がやってんのよ
ディープラーニングで勝手に分類されるわけじゃない(教師なしでやるやり方も研究されてはいるが精度が低い)
だから人とおんなじ判断は出来ても、なんでその判断をしたのかメタ的に解析することが出来ないって話 >>414
計算や碁や運転やコンビニや診断を知能でしている。
このとき、外から見た動作をディープラーニングして
碁は旨くいったのでは。脳の中の動きもディープラーニング
てきれば、他のも計算式を自動で作れるようになるのでは。 >>416
意味ってこれは猫だ、って勝手に人間が言ってるだけで、
分類できて後から機械が何かするのにその分類が使えたら
猫だ、は必要無いのでは。 >>419
この画像は"人が猫って判断しそうだな"
という程度であって、人と同じ判断方式かどうかはディープラーニングでは分からない >>420
だから、人間にわかる必要が無くて、機械がわかって
人間の要求を満足させるのに機械自身がわかった事を使えたら
それでいいはず。
人間にわからせるのは機械が論文を書けるようにする。 US Plans $1.8 Billion Spend on DOE Exascale Supercomputing
https://www.hpcwire.com/2018/04/11/us-plans-1-8-billion-spend-on-doe-exascale-supercomputing/
アメリカは2021年から2022年に掛けて
３台のエクサスケール スーパーコンピューターを稼働させると発表しました
予算は $1.8B（1940億円） >適当な誰かから、脳の思考のパターンが読み取れたとして、
>それは、万人に共通しているのか？というと、
>まず、その可能性はかなり低いし、
>同じ個人でも、創造性は創造する対象によって異なる。
>つまり脳に何らかの生産的な活動をさせた場合に、
>マスターアルゴリズムみたいなものを、読み取れるか？と言うと、ほぼ無理だ。
脳は自己完結した生体コンピュータ。
それぞれ千差万別の思考内容であっても
考えを巡らすプロセスを司る機能に何らかの共通項があるのは間違いない。 ディープラーニングで脳の中の仕掛けの動きを認識するのを
何人もでやったら共通の動きを分類できるのでは。 >>426
分からないから解明しようとしてるんじゃねぇかよ
アホか、おまえ 全脳シミュレーションはもちろんだが、俺はDNAから人間発生自体をシミュレーションする全人体シミュレーションをしてほしい
そして生まれた人体をシミュレーション世界で育成して欲しい
もちろん桁違いのパワーが必要だろうけど >>421
それは人間の出力の模倣であって、原理の解明とは違う
簡単に言えば、水の動きを再現したシミュレータも、複数の水っぽい動きをする数学的な関数を用いて単位粒子を動かしてるだけ
水分子に対して働く分子間力や表面張力、重力との相互作用は演算できてない
あくまで水っぽい動きをする関数を当てはめてるだけ
ディープラーニングも、人と同じ判断をしそうな関数を作ってるだけ 猫を認識したのは統計学的な教師あり学習だってわかってるか？
数万枚の猫の画像を人間がYouTubeから抜き出して計算させたんだぞ よく考えたら全人体シミュレーションができたらロボットを通じて現実世界で育成する事も可能なんだな
オラワクワクすっぞ US Plans $1.8 Billion Spend on DOE Exascale Supercomputing
https://www.hpcwire.com/2018/04/11/us-plans-1-8-billion-spend-on-doe-exascale-supercomputing/
アメリカは2021年から2022年に掛けて
３台のエクサスケール スーパーコンピューターを稼働させると発表しました
予算は $1.8B（1940億円） >>431
だから、人間の要求を実現するために機械が自動でやりかたを解明してれば
人間がうんうん解明しなくて済むから楽でいいでしょ？
そのために人工知能作ろうとしてるんだったら。
人間の要求が人間が理解したいという事だったら、
そのために人工知能が論文書けるようになればいいし。
>>432
人工知能が人間より頭わるかったら
人間の教師ありの学習を人工知能にさせた方が早く頭良くなる
ってことだと思う。
人間だって自力だけで知能が着くわけじゃなくて、
教わるから色々わかったりできたりするようになるはず。
狼に教わってたら狼少年や狼少女にしかなれないってやつ。
自力で初めてわかったりできたりすることは少ししか無くても
記録して貯めこんだりそれを教えたりできるようになったのが
人間の強みだとすると、人工知能でも自力で学習みたいな事は
おまけで良くて、どうやって能率よくわかってることを教え込むかとか、
覚えた事を役に立たせる方法を開発した方がいいんじゃないろうか。 NVIDIA、自動運転車開発のシミュレーションシステムを発表
http://tech.nikkeibp.co.jp/it/atcl/idg/14/481709/040300420/
米NVIDIAは、シリコンバレーで開催したカンファレンス「GPU Technology Conference（GTC）」で現地時間2018年3月27日、車の自動運転システムの試験走行をシミュレーション環境で行うためのシステム「DRIVE Constellation」を発表した。
動画
https://www.youtube.com/watch?v=LGUwJe78n7c >>433
シミュレーションのプログラムと
シミュレーションしたい物のモデルの式とは普通別だと思う。
うまく早く計算できるシミュレーションのプログラムができたけど
シミュレーションしたい物のモデル式はこれから研究して作ると思う。 >>353
東アジア女とかスッピンだと妖怪みたいに醜いよな PixcelCNNよりも高効率高品質に五感を複雑に絡み合わせれば
少なくとも認識部分では汎用AIは完成だろ
問題はWavenetの事例を見れば分かるように
単純出力だけでもクソ重い事だ
16bit幅で4万Hz程度の認知周期を持つであろう入力を高品質に5つNNで処理する方法を考えろ
256次元のone-hotベクトルを4万Hz分処理するしかないのか
あるいはもっと効率的に品質を維持する方法があるかどうか >>438
アルゴリズムである教師あり学習と人間の学習では全然別物だ
人間は教師あり学習をすることはまだ出来ない >>440
俺が「本気で言ってるのか？」と聞いた部分は「人力だけで考えていたら何万年もかかるのでは。」の部分。
そんなにかかる訳ねーだろ Cycプロジェクトはどうなってるのかな
エキスパートシステムで汎用AI作れないとは決まってないよね 金属ガラスの発見を「機械学習」で200倍高速化することに成功 - GIGAZINE
https://gigazine.net/news/20180423-ml-accelerate-matellic-glass/
>>446
出来たらいいね〜っていう生暖かい目で見守っている。脳型ＡＩで汎用人工知能が出来た数百年後に完成しそうだと思う >>444
どういう訳でどのくらいでできそうなんだろうか。
例えばエキスパートシステムって一つ一つ人力でルールを入れるらしいけど
いつ終わるかわからないらしい。
脳を調べるのも脳細胞が多すぎて調べるのに何万年もかかるみたいなのが
前にこのスレの先祖の方のスレで有って、あまり反論は無かったと思う。
ディープラーニングもそれだけだと人工知能にならないらしいし。 >>421
要するにＡＩ（ディープラーニング）とスパコンでやる「仮説の提案と検証」を脳についてもやってみようってことだな。
因みにディープラーニングの人間以上の特徴量抽出能力によるシミュレーションの高精度化の可能性は松尾さんも言っていた。
もし可能ならば、これを脳研究にも応用しない手はない。
つまり、fMRIや脳波などの出来る限りのあらゆる脳活動のデータをディープラーニングにかければ、
人間では見つけ出せなかった脳活動の特徴量を見つけ出し、その特徴量を基に脳シミュレーションを改良する。
あるいは、その特徴量を自動で論文を書くまでいかなくても数式で表示できる機能を追加できれば人間にも理解しやすい。
そうなればＡＩとスパコンによる「仮説の提案と検証」が脳研究でも回りだす。
それは全脳シミュレーションがより完璧に近づき、より大脳のマスターアルゴリズム発見に近付くことを意味する。 >ＡＩとスパコンによる「仮説の提案と検証」
これ齊藤元章が言っていた主張そのものじゃん。
最強の科学技術基盤出現ってやつ >>450
Google Brainチームの研究進捗見ると、2019年に霊長類の脳リバースエンジニアリングができるって書いてある。
https://i.imgur.com/VJqIqJe.png ちなみに、ネズミの全脳解析は2018年6月頃に開始できるらしい。 >>425
仮説があったら検証できるだろうけど
その仮説を自動でできるようにするのが大変なのでは。
まともな仮説ができるまで数万年かかるとか。 ■ このスレッドは過去ログ倉庫に格納されています
