車には元気がない
過去数年間で、メディアは人工知能（AI）および機械学習（MO）テクノロジーの誇張された説明であふれています。 コンピュータサイエンスの分野では、これまでに起こったことについてあまりにも小さなアイデアを持っている多くの人々が非常に多くのばかげた発言をしたことがなかったようです。 1980年代に高度なコンピューター機器に積極的に関与している人にとっては、奇妙なことに思えます。
今月号の 『大西洋』は、知名度が高く、最も売れている作家サピエンス、人類とホモデウスの簡単な歴史：明日の簡単な歴史 、 ユヴァルノアハラリ は、民主主義に対するAI の影響について説明しています。 この記事の最も興味深い点は、現代のAIテクノロジーの能力に対するハラリの過度の信頼です。 彼は、 DeepMindのチェスプログラムであるGoogleの友人を「創造的」、「想像力」、「華麗な本能」と表現しています。
空軍のドキュメンタリー 「Joy of AI」で、Jim Al-Khalili教授とDeepMindの創設者であるDemis Hassabisが、AIシステムが「真の発見をした」、「新しいアイデアを実際に生成できる」、「独自に考案された戦略」を開発した方法について説明します
そして、同様の誇張と擬人化の流れが馬鹿げた機械的なシステムを説明するために使われるなら、基本に戻って現実をテストする時です。
コンピューター技術の議論は、しばしば、神話、比phor、および画面に表示されるものの人間の解釈を通じて行われます。 「直観」、「創造性」、新しい「戦略」などの隠Metaは、新しい神話の一部です。 AIの専門家はAIゲームプレイのパターンを見つけて「戦略」と呼びますが、ニューラルネットワークには戦略が何であるかがわかりません。 何らかの創造性がある場合、それはDeepMindの研究者に属し、トレーニングシステムのプロセスを開発および管理します。
今日のAIシステムは、膨大な量の自動化された試行錯誤に基づいて訓練されています。 各段階で、 バックプロパゲーション技術を使用してエラーに関する情報を送信し、将来のエラーの数を減らすためにシステムを微調整します。これにより、チェスなど特定のタスクを実行するAIの有効性が徐々に向上します。
AI、MOなどの有効性の急増。 「ディープラーニング」（GO）は、この逆伝播手法の適用に基づいています。 1960年代に初めて発明され、1980年代にジョフリーヒントンがニューラルネットワークに適用しました。 言い換えれば、30年以上にわたって、AIの概念上の重要な進歩はありませんでした。 AI分野の研究結果とメディアの記事のほとんどは、高価なコンピューティング機器の山と独創的な広告キャンペーンが古いアイデアの実行に投入されるとどうなるかを示しています。
また、DeepMindが貴重な仕事をしていないとは言えません。 特に、このマシンの複雑さのためにこのマシンの操作を理解するのが難しい場合、新しい戦略やアイデアを作成する際のマシンの補助的な作業は興味深いものです。 私たちの世俗文化では、技術の魔法と神秘は人々を魅了します。そして、ほとんど乾燥した合理的な工学分野に神秘的なイメージを与えることは有益です。 しかし、Googleの仲間の車には精神がありません。
鉄対ソフトウェア、アナログ対デジタル、トンプソン対ハッサビス
DeepMindマシンを取り巻くすべての誇大広告は、まったく異なる、おそらくより深い「機械学習」システムをきっかけに、数十年前に生じた楽しい興奮を思い起こさせます。
1997年11月、サセックス大学の計算神経生物学およびロボティクスセンターの研究者であるエイドリアントンプソンの研究は、「先史時代のシリコンからの創造-エレクトロニクス研究室でダーウィニズムをリリースし、それが生み出すものを見る」という記事とともにニューサイエンティスト誌の表紙に載りました。 誰にもわからないタフな車。」
トンプソンの仕事はわずかな感覚を引き起こしました。彼は習慣を拒否し、他の皆のようなソフトウェアアプローチを使用する代わりに、電子機器でMOシステムの進化を開始しました。 彼は、デジタルソフトウェアは、デジタルコンピューターの信号処理の頭脳を構成するスイッチのバイナリオン/オフの性質によって制限されることに気付いたため、これを行うことにしました。
それどころか、人間の脳のニューロンは、さまざまな微妙な、時には理解できないほど複雑な物理的および生化学的プロセスに参加するように進化しています 。 トンプソンは、自然選択の自動プロセスを使用したコンピューティング機器の開発が、シリコンに固有の現実世界のすべてのアナログ（無限に多様な）物理的特性を利用できることを示唆しました。人間の脳の構成要素のアナログ作品。 そして彼は正しかった。
彼の研究室では、トンプソンは2つの異なるオーディオ信号を分離する方法を教えるために、FPGA構成（デジタルスイッチ間の接続を常に再構成できるデジタルシリコンチップの一種）を進化させました。 チップ内を覗いて、進化プロセスがスイッチ間の接続をどのように調整したかを確認した後、彼は印象的な効果的な作業スキームに注目しました。
さらに、結果として生じる進化スキームは、デジタルエンジニアにはもはや理解されていません。 37個のコンポーネントの一部は他のコンポーネントと接続されていませんでしたが、それらが回路から取り外されると、システム全体が機能しなくなりました。 この奇妙な状況に対する唯一の合理的な説明は、システムがそのようなデジタルコンポーネントの間に何らかの神秘的な電磁接続を使用したことでした。 言い換えれば、進化プロセスは、その「計算」を実行するために、実世界のシステムのコンポーネントと材料のアナログ特性を採用しました。
それは脳の爆発でした。 私は1990年代に若い研究者でした。 電子機器とAIの両方の研究の経験があり、トンプソンの仕事に驚かされました。 コンピューターは、まったく新しいタイプの電子回路を発明し、電子技術者の能力を超えただけでなく、さらに重要なことに、無限に強力なコンピューターシステムとAIの開発への道を示しました。
Hassabisは、Lionhead Studio、Black＆Whiteからの忘れられていたゲームのリードAIプログラマーとして始まりました。
それで何が起こったのですか？ トンプソンがほとんど忘れられており、Googleの親会社であるAlphabetがHassabisにお金を投げかけ、空軍のドキュメンタリーが彼にパネリを歌っているのはなぜですか？ ほとんどの場合、それは楽しい時間です。 1990年代、AIはおばあちゃんのズボンと同じくらい流行でした。 今日、AIには「第4産業革命」へと導く必要性があります。 キャピタルは「次の主要プロジェクト」を追いかけています。 DeepMindのデジタルAIシステムは、天気や人間の脳などの複雑な現実世界のアナログシステムのシミュレーションにはあまり適していませんが、リンク、クリック、いいね、プレイリスト、ピクセルの形で最も単純なデジタルオンライン世界からデジタルデータを粉砕するのに間違いなく適しています。
DeepMindは、製品の顔を見せることもできました。 DeepMindはテクノロジーとリーダーシップを売り込み、テクノロジーの謎を解き明かしましたが、その仕事のデモンストレーション全体は、最も単純な計算可能なルールを備えたおもちゃにまで及びました。 ゲームの利点は、その理解しやすさとメディアや一般の人々への視覚的魅力です。 実際、このテクノロジーのほとんどの商用アプリケーションは、 一般的なビジネスバックグラウンドアプリケーションに関連付けられます 。たとえば、Googleがコンピューターを保管するデータセンターのエネルギー効率を最適化します。
Ceci n'est pas uneパドル*
*「これはオールではありません」-「 画像の裏切り 」という絵画への言及
トンプソンとハッサビス-イギリス人であることに加えて、システムの効果的なトレーニングと進化に必要な経験とスキルは間違いなくありましたが、そのような人々のスキルと創造性への依存は、明らかにAIまたはMOシステムの弱点です。 また、彼らの技術は非常に脆弱でした。 たとえば、トンプソンシステムは、進化したときとは異なる温度で動作しなくなることがよくありました。 一方、DeepMindでは、同社のビデオゲームの1つでパドルサイズを変更するだけで、AIの有効性が完全に無効になりました。 この脆弱性は、DeepMindのAIがパドルとは何か、さらにはビデオゲーム自体さえも理解していないためです。 そのスイッチは2進数でのみ機能します。
最近、MOシステムは大きな成功を収めましたが、この進歩は、大部分において、根本的な革新ではなく、問題を解決するための膨大な量の標準的なコンピューティング機器の使用により得られました。 それほど遠くない将来のある時点で、より小さなシリコンスイッチをシリコンチップに詰め込むことはできなくなります。 回路の効率（より少ない機器でより多くの計算）が商業的に重要になり、この時点で、進化する機器が最終的に流行になります。
トンプソンとハッサビスのアプローチを組み合わせたハイブリッドシステムも登場します。 しかし、何が起ころうとも、ハラリは次のベストセラーの本を書くために「創造的」なAIシステムを獲得できるまで待たなければなりません。