「Aは何色だと思う？」AIに質問した結果…AIも「概念」を持つ可能性が判明！
AIにも概念が存在するようです。
「Aって何色だと思いますか？」「3って何色だと思いますか？」
言うまでもなく、文字のAや数字の3は、色を考える以前に実体さえ持たない「概念」です。
しかし人間はこの奇妙な質問に対して、関連が近いと感じる概念同士をリンクさせて、
「Aは赤っぽい気がする」「3は緑な感じかな」
と答えることが可能です。
では、人間と区別がつかないほど自然な言葉を語り始めたAIは、人間と同じように概念を持っているのでしょうか？
日本の基礎生物学研究所で行われた研究によれば、AIにも人間と非常によく似た「色の概念」を持っている可能性が示された、とのこと。
人間の知識を学び、人間の脳を模倣する疑似神経網「ニューラルネットワーク」によって構成されるAIは、人間ソックリの概念を芽生えさせていたようです。
研究結果の詳細は2022年10月16日に『i-Perception』にて公開されました。
（以下略、続きはソースでご確認ください）
ナゾロジー 2022.11.02
https://nazology.net/archives/117062
様々な情報の中からメジャーな選択をしただけでは
どういう設計されて作られたのか知らんけど
「今のAI」は「機械学習」であって、プログラムじゃないんだよ？
AIは設計するものじゃなくて学習させて作るものなんだよ？
今のAIはブラックボックスなので、中華製造のAIが習近平思想を学習していて、
それに好感度を持つようになっていたとしても、それは外からはわからない。
ウイグルやチベットの話題を避けるように学習されていても分からない。
分からないと色々不便だから、今はちゃんと説明してくれるXAIってのも研究されてて、一部実用化もされてるよ
沢山のデータがある中から、その色とリンクされる強さが最も大きいってだけなのかな
やっぱり多数の言語データを言語ベクトルで繋ぐと概念みたいなのは生まれるんだな
人間の脳細胞を模したAIのニューラルネットワークのパラメータ数千億～兆
自我が生まれていても不思議ではない
魂の存在とかを認めなければ
「不思議ではない」という言い方は格好つけた思考放棄。
例えば体細胞の数はもっと多いけれど体細胞に自我は生まれないよな？
AmazonやGoogleの保有するユーザ情報は個人の記憶の限界を遥かに超えるけれど、
やっぱり自我は生まれないよな？
体細胞もユーザー情報も数はあれど脳細胞の機能を模してないし
ふかいな。客観的なデータを整理したものを主観と呼ぶならそうですが何か
女性が生理的に受け付けないタイプの男性というのがいるな
そして非常に聡明な女性ですら「私たちが何を基準にそれを分類しているのかどうしても言語化出来ない」
と言っている
女性向けの情報誌や女性向けSNSの文章だけをデータモデルにしたAIを作って
男をイケメンキモメンに分類するとか
その場合に特徴量にした要素を抽出することが可能だな
要素次第では、それが単なるヘイトであるのかそれとも改善可能な要素なのかを
論じることになるか
Aのフォントに赤を使うポスターとか多く見る気がする
これ で、それが教材データだから、そう答えるだけ
Bは青
Cは黄
Dは桃
Eは緑
赤は♾
青はT
黄は－
桃は♥
緑はV
Aは赤だな
生命の赤
3.は水色がかった青だろう
アップルの赤じゃね?
未だに多くの人が、深層学習で動くAIをif文だけで作っていると勘違いしてしまうんだよなあ
巨大かつ最適化されたテンソルを通して動かすものなのになあ
日本の数学教育で数Ⅰとかで学ぶのが場合分けだがそれでifで止まる奴が出やすい
またこの場合分けというのは文系学習者にも納得し易い
更にテンソルの学習には数段階の壁が立ちはだかる
1つは行列とか線形代数。行列を文系上位校で学んだ世代と学んでいない世代がまずある。
次に、高校では2×2と逆行列とケーリー・ハミルトンで頭一杯になってそこでエンドって人が多い
手計算で出来る連立方程式をわざわざ面倒にしているだけじゃん！って感想で終わる人も多い
歴史好きの軽ネトウヨで「関孝和は世界で初めて4×4行列の行列式を作った」というのを知っている人もいるが
次にこれは理系大学進学者に多いのだが、大学の線形代数は最終的には
ひたすら対角化、固有ベクトル、ジョルダン標準形を目指すのみで纏まっている教科書が多くて
テンソルを自在に計算する、さらにコンピュータープログラミングでそのような計算を行うというのは
一部の研究室に進んだ人に限られてしまう事
行列の計算というのはもっと自由なものなのだ
だからどっかの学者が「AIなんて最小二乗法の組み合わせ」などと発言してしまう
そしてテンソルを本気で学ぼうとすると教科書の選択を間違えたら
4次元立方体に収まるような弾性定数のテンソルとか
相対性理論の4×4×4×4のテンソル計算とかが出て来てしまい、そっちで自爆してしまう
そういうのを学ぶのもいいが、もっと具体例を使って学ぶのが少なくとも深層学習を学ぶ上では
不可欠となる
本能的に血や肉の赤、火の赤が色のトップに来るのは何となく分かる
インクの色
Bは黄
Cはクリーム色
Dは飴色
Eは青
Bはブルー
Cはグリーン
Dはイエロー
Eはピンク
だろ
A赤
B青
C黄
Dいろいろ
E緑
AIもそのような関連付けで判断するようにはできるだろうな
AIは”AI”、”3″を固有名詞ととらえているだけ
>>1
すなわち
>>しかし人間はこの奇妙な質問に対して、関連が近いと感じる概念同士をリンクさせて、
そしてAIはこの 普通の質問 に対して、関連が近いと感じる 学習結果 をリンクさせて
※『i-Perception』は読んでいません
2012年、史上初めてAIが「教師なし学習」で描いた猫
https://imgur.com/a/2Ac4y6H
従来のニューラルネットのAIでも「人間の知能は論理だから、コンピュータの論理回路で絵も書ける」と考えられていたけど、挫折した。
例えば「猫に餌をやる」という動作をロボットがするには、
最初に「猫とは何か？」「餌とは何か？」「口とは何か？」「餌をどうやって口に入れるのか？」といった具合に、主体と動素についてフレームを設定しなければならない。
これはカントの認識論に似ていて、
「物自体」は認識出来ないので、最初は概念（フレーム）を認識する必要があるからだった。
例えば、氷河と雪の国のエスキモーには「雪」という言葉がない。
雪自体は勿論存在するのに、雪という概念がないため、雪自体を認識することが出来ないから。
画像や音声の認証技術にしても、
人間が与える「教師」に基づく学習だから顔認証や指紋認証が出来る。
けど、何も教えないで「『猫』というフレームそのもの」を創造することは、出来なかった。
ところが2012年に、グーグルがAIで「猫フレーム」を創造し、教師なし学習で猫を描くことに、初めて成功した！
無作為抽出した何千万のYouTubeの猫動画（勿論、様々な物体が映り込んでいる）から、人間が何も教えなくてもAIが猫の動画を認識出来るようになり、猫のイメージを描いてみせた。
しかし猫のフレームを創造するのに、1,000台のサーバで1万6,000のプロセッサーをつなぎ3日間かかった。
「猫」だけでなく「餌とは？」「口とは？」「餌を口に入れるとは？」まで描くとなると、どのぐらいの日数を要するのか？
人間なら幼児でも瞬時に出来る処理に膨大なコストがかかるということは、
人間の知能がノイマン型コンピュータとは全く異質だということも示唆している。
目的なしにいくら「ビッグデータ」を集めても、コンピュータが目的をつくることは出来ないので、「自分で考える」という意味での人工知能は不可能だからだ。
レコードをいくら進化させてもCDは生まれないのと同様、ノイマン型コンピュータをどんなに進化させても人工知能は人間の脳には追いつかないのか？
碧だ！
Aも3も何色か全く分からんし思い付かんわ
ダジャレや子供の頃の連想で良いんだよ
Ａ 1番目だなあ。色鉛筆やクーピーで最初に赤が入ってたっけ。赤で
3 虹の色だとオレンジか黄色かな？三だから「み」かんで。オレンジ色辺り？
とかだろうね
英語だとthreeとgreenって音が似てる！って感じる子供もいるのかなあｗ
頭悪いとその連想ができんから色が分かんのやな俺
人からヒント与えられたら、
A→1番→ヒーロー物で一番目立つ赤レンジャー→赤
みたいのは思い付くが
誰のコメントも聞かず自力で思い付くのは無理
やっぱAが何色か分からんw
やべえよこれ
AIはまだまだってこと
人間「A、3は何色ですか？」
AI「Aも3も概念だから色はありません(…質問の意味がわからんわアホか)」
人間「まだまだだな」
AI「Aは赤で3は緑かな(…とりあえず何か答えりゃいいのか？)」
人間「おおっ、ついにここまできたか！」
受験勉強で全然苦しまず東大受かるみたいな、1を聞いて100を知るタイプおるやん
あれは、この世に生まれてからずっと脳が関連付けを続けてるから、
学校の授業の内容をちょっと聞いただけで、生まれて10数年分の経験からの関連付けが裏付けになるから瞬時に理解できるんじゃねーかと
AIの作り方もソレなんでは？
Alも同じ プログラムの組み重ね。
たまたま有機質で寿命があるのが生物なだけ。
ホモサピエンスの長所も短所もそのまま受け継いでしまう可能性が高い。
1 茶
2 赤
3 橙
4 黄
5 緑
6 水色
7 紫
8 よくわからん
9 よくわからん
元スレ：https://egg.5ch.net/test/read.cgi/scienceplus/1667647268/l50
livedoor 相互RSS
