「説明できること」の先にある科学の未来:伊藤穰一
コメント
注目のコメント
直感的な物理エンジンは既に部分的に出来ていて、まさにディープラーニングが得意とする分野です。
例えば、この動画は
https://youtu.be/98qfuYdVnLw
左は球の動きを見ただけで学習したモデルで、右は物理エンジンによるシミュレーションです。
この仕事は、カーネギーメロンのKaterina Fragkiadakiらの2016年のもの("Learning Visual Predictive Models of Physics for Playing Billiards")で、広く知られているものです。
他にも、直感的に足し算をするシステムや、人間の繰り返し行動から意図推定を行うモデルもあり、この記事で述べられている未来は、とっくの昔に射程範囲内にあります。
最先端技術の伝道師たるJo Itoたるものが、この程度とは。本人が書いてないのかな。現時点の人工知能が 「説明できること」を持ってアプローチするのであれば そに先にある科学の未来 を 次世代の人工知能とすると 「なんとなくわかるけど、でもどうやって」という感じのことをどんなアプローチでどう実現するか。
今の人工知能は 「 Data is WIN 」。正確なデータを沢山保持している企業が 人工知能を使ってより高い結果を出す。犬を認識させるのに何万枚も犬画像を教える。 次世代の人工知能は 「 Use is WIN」。簡単に言うと 人工知能を活用する企業が良い結果を出す。 データ量の問題ではなくなる。 子供が犬を覚えるとき 数枚の犬の画像を見せればすぐに犬の認識ができること。 これは学習が早くなるということではない。
僕らの中でも今 ワールドモデル というポイントも議論検討しています。これはその空間、世界を理解すること。例えば自動運転ででも 通常のドライブでぶつからないように走行することはすでに取り組まれている。 ワールドモデルは そこに 「雪」が降ってきたときに 「車道がどのくらいの雪の降り方であればスリップするから気をつけよう 」 と 人であればその状況 (空間と世界)を理解して判断できる。
ここが一つ直近で見る 先にある未来。