人工 知能 は 人間 を 超える か Chapter 06 (1) じんこう|ちのう||にんげん||こえる||chapter Will Artificial Intelligence Surpass Humans Chapter 06 (1) L'intelligence artificielle dépassera-t-elle l'homme ? Chapitre 06 (1) A inteligência artificial ultrapassará o ser humano Capítulo 06 (1) Превзойдет ли искусственный интеллект человека Глава 06 (1) 第06章 人工智慧會超越人類嗎？

ディープラーニング から の 技術 進展 |||ぎじゅつ|しんてん Technological Progress from Deep Learning

ディープラーニング は 特徴 表現 学習 の 一種 であり 、 その 意義 の 評価 に ついて は 、 専門 家 の 間 でも 大きく ２ つ の 意見 に 分かれて いる 。 ||とくちょう|ひょうげん|がくしゅう||いっしゅ|||いぎ||ひょうか||||せんもん|いえ||あいだ||おおきく|||いけん||わかれて| ||||||||||||||||||||||of|||| Deep learning is a type of feature representation learning, and experts are largely divided on the evaluation of its significance.

１ つ は 、 機械 学習 の 発明 の ひと つ に すぎ ず 、 一時的な 流行 に とどまる 可能 性 が 高い と いう 立場 である （＊ 注 45）。 ||きかい|がくしゅう||はつめい|||||||いちじてきな|りゅうこう|||かのう|せい||たかい|||たちば||そそ ||||||||||||temporary|||may remain||||||||| One is that it is just one of the inventions of machine learning, and it is highly likely that it will remain a temporary epidemic (* Note 45).

これ は 機械 学習 の 専門 家 に 多い 考え 方 だ 。 ||きかい|がくしゅう||せんもん|いえ||おおい|かんがえ|かた| This is the way many machine learning experts think. もう １ つ は 、 特徴 表現 を 獲得 できる こと は 、 本質 的な 人工 知能 の 限界 を 突破 して いる 可能 性 が ある と する 立場 である 。 |||とくちょう|ひょうげん||かくとく||||ほんしつ|てきな|じんこう|ちのう||げんかい||とっぱ|||かのう|せい|||||たちば| The other is that the acquisition of characteristic expressions may have exceeded the limits of essential artificial intelligence. こちら は 機械 学習 より も 、 もう 少し 広い 範囲 を 扱う 人工 知能 の 専門 家 に 多い とらえ 方 である 。 ||きかい|がくしゅう||||すこし|ひろい|はんい||あつかう|じんこう|ちのう||せんもん|いえ||おおい||かた| This is a common view among experts in artificial intelligence, which covers a slightly wider range than machine learning.

本書 は 、 後者 の 立場 に 立つ 。 ほんしょ||こうしゃ||たちば||たつ This report takes the latter position.

専門 家 は 往々 に して 技術 の 可能 性 を 見誤る もの だ し 、 本書 で これ まで 述べて きた ような 歴史 的 経緯 を 考える と 、 特徴 表現 学習 の 壁 を 突破 できる 意義 は きわめて 大きい と 思う から だ 。 せんもん|いえ||おうおう|||ぎじゅつ||かのう|せい||みあやまる||||ほんしょ||||のべて|||れきし|てき|けいい||かんがえる||とくちょう|ひょうげん|がくしゅう||かべ||とっぱ||いぎ|||おおきい||おもう|| |||often||||||||misjudge|||||||||||||||||||||||||||||||| Experts often misjudge the potential of technology, and given the historical context of what I have described in this book, I think it is highly significant to break through the wall of feature-expression learning.

ディープラーニング の 研究 は 現在 、 画像 を 読み 込んで 特徴 量 を 抽出 する ところ まで は 実現 して いる 。 ||けんきゅう||げんざい|がぞう||よみ|こんで|とくちょう|りょう||ちゅうしゅつ|||||じつげん|| Deep learning research has now reached the point where images are read and features are extracted.

特徴 表現 学習 の 基礎 技術 と いう 意味 で は 、50 年 来 の ブレークスルー と 呼んで よい と 思う が 、 これ から 起きる と 予想 さ れる 人工 知能 技術 全体 の 発展 から 見れば 、 ほんの 入り口 に すぎ ない 。 とくちょう|ひょうげん|がくしゅう||きそ|ぎじゅつ|||いみ|||とし|らい||||よんで|||おもう||||おきる||よそう|||じんこう|ちのう|ぎじゅつ|ぜんたい||はってん||みれば||いりぐち||| In terms of the basic technology for representational learning, I think it can be called a breakthrough for the next 50 years, but in terms of the overall development of artificial intelligence technology that is expected to follow, it is just the beginning. 図 25 は 私 が 予想 する 今後 の 技術 の 進展 である 。 ず||わたくし||よそう||こんご||ぎじゅつ||しんてん| Figure 25 shows my predictions for future technological developments. おそらく 、「 特徴 表現 を 学習 する 」 と いう 技術 を 使って 、 いま まで の 人工 知能 の 研究 が もう 一 度 なぞら れる ような 発展 を 遂げて いく ので は ない か と 私 は 考えて いる 。 |とくちょう|ひょうげん||がくしゅう||||ぎじゅつ||つかって||||じんこう|ちのう||けんきゅう|||ひと|たび||||はってん||とげて|||||||わたくし||かんがえて| ||||||||||||||||||||||resembling||||||||||||||| Perhaps "learning to express features." I believe that the use of the "artificial intelligence" technology will allow us to trace the development of artificial intelligence research once again. たとえば 音 に は 色 や 形 が ない ように 、 本来 、 視覚 と 聴覚 、 触覚 は データ の 種類 と して まったく 異なる のだ が 、 脳 の 面白い ところ は 、 こういった データ の 種類 に 依存 せ ず 、 同じ 処理 機構 で 処理 が 行われて いる 点 である 。 |おと|||いろ||かた||||ほんらい|しかく||ちょうかく|しょっかく||でーた||しゅるい||||ことなる|||のう||おもしろい||||でーた||しゅるい||いぞん|||おなじ|しょり|きこう||しょり||おこなわ れて||てん| ||||||||||||||sense of touch||||||||||||||||||||||||||processing mechanism||||||| For example, just as sound has no color or shape, sight, hearing, and touch are inherently very different types of data, but the interesting thing about the brain is that they are not dependent on these types of data, but are processed by the same processing mechanisms. ディープラーニング でも 同様で 、 さまざまな データ に 対して 同じ ような 手法 が 適用 できる はずだ （ あるいは 、 そのように 改良 さ れる 必要 が ある ）。 ||どうようで||でーた||たいして|おなじ||しゅほう||てきよう|||||かいりょう|||ひつよう|| ||similarly||||||||||||||||||| The same should be true for deep learning, which can (or should be improved to) be applied to a wide variety of data.

その 際 に 大きい の は 、 まず 時間 を 扱う こと 、 つまり 画像 で 言えば 「 動画 」 である 。 |さい||おおきい||||じかん||あつかう|||がぞう||いえば|どうが| The big thing is to deal with time, or, in the case of images, "moving images. The first is

動画 でも １ 枚 １ 枚 の パラパラ 漫画 の ような 画像 に バラ して 処理 する こと も できる が 、 それ は 本質 的な やり 方 で は ない 。 どうが||まい|まい||ぱらぱら|まんが|||がぞう||ばら||しょり||||||||ほんしつ|てきな||かた||| Although video can be processed by breaking it up into individual images like a flip-book, this is not the essential way. 時間 を またがる 大局 的な 文脈 を 理解 する 必要 が あり 、 時間 の 扱い は 案外 難しい （＊ 注 46）。 じかん|||たいきょく|てきな|ぶんみゃく||りかい||ひつよう|||じかん||あつかい||あんがい|むずかしい|そそ |||overall situation||||||||||||||| It is necessary to understand the larger context that spans time, and time is difficult to handle (*Note 46). そして 、 視覚 系 だけ で なく 、 音声 や 圧力 センサー と いった 、 画像 以外 の 情報 も 取り込む こと に よって 、 マルチモーダル な （ 複数 の 感覚 の データ を 組み合わせた ） 抽象 化 が できる ように なる はずだ 。 |しかく|けい||||おんせい||あつりょく|せんさー|||がぞう|いがい||じょうほう||とりこむ||||||ふくすう||かんかく||でーた||くみあわせた|ちゅうしょう|か||||| |||||||||||||||||||||multi-modal||||||||||||||| And by incorporating information other than images, such as audio and pressure sensors, as well as visual systems, it should be possible to create multimodal abstractions (combining data from multiple senses).

たとえば 、 触った 感覚 と いう の は 、 圧力 センサー の 時系列 の 変化 である 。 |さわった|かんかく|||||あつりょく|せんさー||じけいれつ||へんか| ||||||||||time series||| For example, the sensation of touch is a time series of changes in a pressure sensor.

人間 が ネコ の 動き 、 鳴き声 や 音 、 触り 心地 など 、 さまざまな 情報 を 組み合わせて 「 ネコ 」 だ と 認識 して いる の と 同じ こと を 、 コンピュータ に 処理 さ せる 必要 が ある 。 にんげん||ねこ||うごき|なきごえ||おと|さわり|ここち|||じょうほう||くみあわせて|ねこ|||にんしき|||||おなじ|||こんぴゅーた||しょり|||ひつよう|| The combination of information about cats, such as their movements, meows, sounds, and comfort to the touch, is used to create "cats. The computer needs to be able to process the same thing as if it were aware that the data is a "data file".

人間 の 脳 から する と 、 自分 自身 の 身体 が 動こう が 、 その 結果 、 何 か 視覚 に 入って くる もの に 変化 が 起ころう が 、「 脳 の 外部 から 入って くる データ 」 と いう 意味 で は 同じである 。 にんげん||のう||||じぶん|じしん||からだ||うごこう|||けっか|なん||しかく||はいって||||へんか||おころう||のう||がいぶ||はいって||でーた|||いみ|||おなじである From the perspective of the human brain, whether or not one's own body moves, and as a result, something changes in what comes into the visual sense, it is the same in the sense of "data coming in from outside the brain." Is.

ところが 、 人間 は 生き物 な ので 、「 自分 が 指令 を 出した から 身体 が 動き 、 それ に よって 目 に 見える もの が 変化 した 」 と いう データ が 入って くる の か 、 それとも 「 身体 は 動かして ない のに 、 目 に 見える もの が 変わった の か 」 を 区別 する 必要 が ある 。 |にんげん||いきもの|||じぶん||しれい||だした||からだ||うごき||||め||みえる|||へんか||||でーた||はいって|||||からだ||うごかして|||め||みえる|||かわった||||くべつ||ひつよう|| ||||||||command|||||||||||||||||||||||||||||||||||||||||||| However, since human beings are living creatures, "my body moves because I give it a command, and what I see changes because of that command. Or, "I didn't move my body, but what I saw changed." The distinction should be made between つまり 、 ドア を 開けた から ドア が 開いた の か 、 勝手に ドア が 開いた の か は 、 人間 の 生存 に とって 非常に 重要な 差異 である 。 |どあ||あけた||どあ||あいた|||かってに|どあ||あいた||||にんげん||せいぞん|||ひじょうに|じゅうような|さい| In other words, whether the door opened because you opened it or not is a very important difference for human survival. 敵 が 潜んで いる かも しれ ない から だ 。 てき||ひそんで|||||| The enemy may be lurking in the area. 赤ちゃん の ころ から 、 もの を つかんだり 、 放したり 、 引っ張ったり 、 ちぎったり 、 投げたり 、 いろいろな こと を して いる 。 あかちゃん|||||||はなしたり|ひっぱったり||なげたり||||| ||||||grasped|let go of||tore apart|||||| Since they were babies, they have been grabbing, releasing, pulling, tearing, throwing, and doing all sorts of things. その 中 から 、「 もの を 動かす 」 と か 「 もの を 押す 」 と いう 概念 を 獲得 して いく 。 |なか||||うごかす|||||おす|||がいねん||かくとく|| From within, "move things." or "push things." The concept of "the world is a big place" is being acquired.

こうして 、 自ら の 行動 と 結果 を セット で 抽象 化 する こと の メリット は 、「 まず 椅子 を 動かして 、 その 上 に 乗って 、 高い ところ に ある バナナ を 取ろう 」 と いう ような 、「 行動 の 計画 」 が 立てられる ように なる こと だ 。 |おのずから||こうどう||けっか||せっと||ちゅうしょう|か||||めりっと|||いす||うごかして||うえ||のって|たかい||||ばなな||とろう||||こうどう||けいかく||たて られる|||| ||||||||||||||||||||||||||||||||||||||can be made|||| The advantage of this abstraction of action/result is that you can say, "Let's move the chair, get on top of it, and get the banana from the high place. A "plan of action," as in. The first step is to be able to stand up for what you believe is right. 人間 は 、（ 時に は 必要 以上 に ） 原因 と 結果 と いう 因果 関係 で ものごと を 理解 しよう と する が 、 それ は つまり 、 動物 と して 行動 の 計画 に 活 か したい から だろう 。 にんげん||ときに||ひつよう|いじょう||げんいん||けっか|||いんが|かんけい||||りかい||||||||どうぶつ|||こうどう||けいかく||かつ||し たい|| ||||||||||||cause and effect|||||||||||||||||||||||| Humans try (sometimes more than necessary) to understand things in terms of cause-and-effect relationships because, as animals, we want to plan our actions. 「 何 か を した から こう なった 」 と いう 原因 と 結果 で 理解 して いれば 、 それ ら を つなぎ合わせる こと で 目的 の 状態 を つくり出す 「 計画 的な 行動 」 が 可能に なる 。 なん|||||||||げんいん||けっか||りかい||||||つなぎあわせる|||もくてき||じょうたい||つくりだす|けいかく|てきな|こうどう||かのうに| |||||||||||||||||||connect|||||||create|||||| "This happened because of something I did." If we understand cause and effect as "planned action," we can make the desired state of affairs happen by connecting them together. The new system will make it possible to 「 椅子 を 動かす 」「 椅子 の 上 に 乗る 」 など の 行動 と 結果 の 抽象 化 が できて いない と 、 椅子 を 動かして バナナ を 取る こと は でき ない のだ 。 いす||うごかす|いす||うえ||のる|||こうどう||けっか||ちゅうしょう|か|||||いす||うごかして|ばなな||とる||||| "Move the chair." "Get in the chair." If you don't have an abstraction of actions and results, you can't move the chair and take the banana. ただし 、「 押す 」 と いう 動作 の 獲得 だけ でも 、 そう 単純で は ない 。 |おす|||どうさ||かくとく||||たんじゅんで|| However, "press It is not as simple as just acquiring the behavior of "I'm not going to do it.

たとえば 、 ロボット が テーブル を １ の 力 で 押して も 動か なかった 。 |ろぼっと||てーぶる|||ちから||おして||うごか| For example, when the robot pushed the table with a force of 1, it did not move. ２ の 力 で 数 ミリ 動き 、３ の 力 で 押せば 動かせる こと が わかった 。 |ちから||すう|みり|うごき||ちから||おせば|うごかせる||| |||||||||if pushed|||| We found that force 2 moves it a few millimeters, and force 3 pushes it. そういう 経験 を 繰り返して 、「 もの を 押す 」 と いう 行動 が 抽象 化 できる 。 |けいけん||くりかえして|||おす|||こうどう||ちゅうしょう|か| Repeat that experience, and "push things." The action of "I am a good person" can be abstracted. つまり 、「 押す 」 と いう 行動 ひと つ とって も 、 軽い もの は 小さな 力 で 、 重い もの は 大きな 力 で 押す ように 人間 は 学習 して いる （＊ 注 47）。 |おす|||こうどう|||||かるい|||ちいさな|ちから||おもい|||おおきな|ちから||おす||にんげん||がくしゅう|||そそ In other words, "push." For example, humans have learned to push light objects with little force and heavy objects with great force (*Note 47).

実は 、 こうした 動作 の 抽象 化 の 研究 は 、 発達 認知 に 関係 した ロボット の 研究 と して 以前 から 進んで おり 、 国 内 で は 、 東京 大学 の 國吉 康夫 氏 や 大阪 大学 の 浅田 稔 氏 、 ＡＴＲ （ 国際 電気 通信 基礎 技術 研究 所 ） の 川 人 光男 氏 など が 有名である 。 じつは||どうさ||ちゅうしょう|か||けんきゅう||はったつ|にんち||かんけい||ろぼっと||けんきゅう|||いぜん||すすんで||くに|うち|||とうきょう|だいがく||くによし|やすお|うじ||おおさか|だいがく||あさだ|みのり|うじ|ａｔｒ|こくさい|でんき|つうしん|きそ|ぎじゅつ|けんきゅう|しょ||かわ|じん|てるお|うじ|||ゆうめいである ||||||||||||||||||||||||||||||Kuniyoshi Yasuo|Yasuo Kuniy||||||Asada Minoru|Minoru||ATR|||||||||||Mitsuo Kawah|||| In fact, research on the abstraction of such movements has long been conducted on robots related to developmental cognition, and well-known researchers in Japan include Yasuo Kuniyoshi of the University of Tokyo, Minoru Asada of Osaka University, and Mitsuo Kawahito of the Advanced Telecommunications Research Institute International (ATR).

「 行動 」 する の は 、 必ずしも 物理 的な ロボット である 必要 は ない 。 こうどう||||かならずしも|ぶつり|てきな|ろぼっと||ひつよう|| "Action." The robot does not necessarily have to be a physical robot.

たとえば 、 グーグル が 買収 した ディープ ・ マインド ・ テクノロジーズ 社 は 、 これ を コンピュータ ゲーム の 中 で 実践 して いる 。 |||ばいしゅう|||まいんど||しゃ||||こんぴゅーた|げーむ||なか||じっせん|| For example, Deep Mind Technologies, a company acquired by Google, has put this into practice in computer games. ブロック 崩し や インベーダーゲーム の ような 単純な ゲーム に おいて 、 ぶろっく|くずし|||||たんじゅんな|げーむ|| |breaking||invader game|||||| In simple games such as block crushers and invader games,

・ 弾 が 前 から 飛んで きた とき に 〈 前提 条件 〉 たま||ぜん||とんで||||ぜんてい|じょうけん When a bullet hits you from in front of you...

右 に 動いたら 〈 行動 〉 みぎ||うごいたら|こうどう ||moved right| If it moves to the right, then action.

スコア が 上がった 〈 結果 〉 すこあ||あがった|けっか The score went up <Result>

と いった セット を 学習 して いる 。 ||せっと||がくしゅう|| I am learning a set like this.

ウェブ の 中 で 動作 する エージェント など に 対して 、 こうした 「 動作 の 概念 」 を 獲得 する こと は 、 実は 試行 錯誤 の 回数 を 非常に 多く できる と いう 意味 で 、 コンピュータ 向き の 方法 かも しれ ない 。 ||なか||どうさ|||||たいして||どうさ||がいねん||かくとく||||じつは|しこう|さくご||かいすう||ひじょうに|おおく||||いみ||こんぴゅーた|むき||ほうほう||| This "concept of behavior" is used to refer to agents and other entities that operate within the web. In fact, acquiring a new software program may be a computer-friendly method, as it allows for a very large number of trial-and-error attempts.

図 25 の ① と ② の 段階 で は 、 人工 知能 は 外界 に ある もの を 観察 して いる だけ だった 。 ず||||だんかい|||じんこう|ちのう||がいかい|||||かんさつ|||| In stages (1) and (2) of Figure 25, artificial intelligence was merely observing what was in the external world.

ところが 、③ で は 自分 も その 中 に 入り込んで 、 外界 と 相互 作用 を し ながら 、 自分 と 外界 の 関係 性 を 学ぶ こと に なる 。 |||じぶん|||なか||はいりこんで|がいかい||そうご|さよう||||じぶん||がいかい||かんけい|せい||まなぶ||| In (3), however, you are also included in the world and learn the relationship between yourself and the outside world while interacting with the outside world. この 段階 で 、 ナビゲーション や 外界 の シミュレーション 、 あるいは より 一般 化 した もの と して の 「 思考 」 と いった プロセス も 必要に なって くる はずである 。 |だんかい||||がいかい||しみゅれーしょん|||いっぱん|か||||||しこう|||ぷろせす||ひつように||| |||navigation|||||||||||||||||||||| At this stage, navigation, simulation of the external world, or "thinking" as a more generalized form of This process should also be necessary. 実は 、 外界 と の 相互 作用 に よる 動作 概念 の 獲得 は 、 新たな 特徴 量 を 取り出す 上 で とても 重要である 。 じつは|がいかい|||そうご|さよう|||どうさ|がいねん||かくとく||あらたな|とくちょう|りょう||とりだす|うえ|||じゅうようである In fact, the acquisition of a concept of behavior through interaction with the external world is very important for retrieving new features.

昔 から 私 が 使って いる 例 である が 、「 素数 か どう か 」 と いう 特徴 量 を どのように 獲得 すれば よい か と いう 問題 が ある 。 むかし||わたくし||つかって||れい|||そすう||||||とくちょう|りょう|||かくとく||||||もんだい|| |||||||||prime number|||||||||||||||||| An example I've used for a long time is "is it prime or not?" The question is how to acquire the quantity of the characteristic "I am a good person.

２ は 素数 、３ も 素数 、４ は 素数 で ない 、５ は 素数 である 。 |そすう||そすう||そすう||||そすう| 2 is prime, 3 is also prime, 4 is not prime, and 5 is prime. たとえば 、 パズル ゲーム で 、 主人公 の 持つ アイテム の 数 が 素数 であれば 敵 を 倒 せて 、 素数 で なければ 倒せ ない と いう 状況 が あった とき に 、「 アイテム の 数 が 素数 である か どう か 」 と いう 特徴 量 を つくる こと が できれば 、 この 問題 は 解き やすく なる 。 |ぱずる|げーむ||しゅじんこう||もつ|あいてむ||すう||そすう||てき||たお||そすう|||たおせ||||じょうきょう|||||あいてむ||すう||そすう|||||||とくちょう|りょう|||||||もんだい||とき|| |||||||item||||||||defeat|||||defeat|||||||||||||||||||||||||||||||| For example, in a puzzle game, if the number of items the hero has is a prime number, he can defeat the enemy, but not if it is not a prime number. This problem will be easier to solve if you can construct a characteristic quantity of

ところが 、 素数 か どう か と いう 特徴 量 は 、「１ から 順番 に その 数 を 割って いって 、１ 以外 に 割り切れる もの が あったら 素数 で なく 、 割り切れる もの が なければ 素数 」 と いう ような 手続き の 組み合わせ に よって しか 定義 でき ない 。 |そすう||||||とくちょう|りょう|||じゅんばん|||すう||わって||いがい||わりきれる||||そすう|||わりきれる||||そすう||||てつづき||くみあわせ||||ていぎ|| ||||||||||||||||||||can be divided||||||||||||||||||||||| However, the characteristic of being prime or not is determined by "dividing the numbers in order from 1, and if any of them is divisible by something other than 1, then it is not prime, and if none of them is divisible by something other than 1, then it is prime. The only way to define the term is through a combination of procedures, such as

実は 、 世の中 の 特徴 量 と 呼ば れる もの に は 、 こうした 「 一連の 行動 の 結果 と して 世界 から 引き出さ れる 特徴 量 」 も 多い のである 。 じつは|よのなか||とくちょう|りょう||よば||||||いちれんの|こうどう||けっか|||せかい||ひきださ||とくちょう|りょう||おおい| ||||||||||||||||||||drawn out|||||| In fact, what we call the quantities of features in the world are the "quantities of features that are drawn from the world as a result of a series of actions." The number of such cases is also high.

ゲーム が 簡単に クリア できる か 、 難しい の か と いった 難易 度 は 、 実際 に ゲーム を して み ない こと に は わから ない 。 げーむ||かんたんに|くりあ|||むずかしい|||||なんい|たび||じっさい||げーむ||||||||| You cannot tell whether a game is easy or difficult until you actually play it.

将棋 の ある 盤面 を 見て 「 形勢 が 苦しい 」 か どう か 、 ある 数学 の 問題 を 見て 「 解き やすい 」 か どう か 、 ある コップ を 見て 「 割れ やす そう 」 か どう か 、 と いう の は 、 動作 して みた 結果 を 、 逆に 「 そのもの 自身 の 性質 」 と して とらえて いる のである 。 しょうぎ|||ばんめん||みて|けいせい||くるしい|||||すうがく||もんだい||みて|とき||||||こっぷ||みて|われ||||||||||どうさ|||けっか||ぎゃくに|その もの|じしん||せいしつ||||| ||||||situation||||||||||||||||||||||||||||||||||||||||||||| You look at a certain board of chess, and you say, "The game is in trouble. I'm trying to figure out whether or not a math problem is "easy to solve." I wonder if the cups are "breakable." The question of whether or not something is a "property of itself" is a function of the results of trying it out. The "M" in "M" is the number of people who are in the same situation as the "M" in "M".

「 やさしい 」「 難しい 」 など の 形容詞 的な 概念 は 、 何度 も ゲーム を して みて 初めて 獲得 できる 抽象 的な 概念 だ 。 |むずかしい|||けいようし|てきな|がいねん||なんど||げーむ||||はじめて|かくとく||ちゅうしょう|てきな|がいねん| "Easy." "Difficult." Adjectival concepts, such as "I'm a good player," are abstract concepts that can only be acquired by playing the game over and over again.

割れ やすい コップ と いう とき も 、 押す と 割れる 、 落とす と 割れる と いう 行動 と 結果 の セット が ある から わかる こと で 、「 割れ やすい 」「 割れ にくい 」 と いう 形容詞 も 、 ガラス や 陶器 、 プラスチック など の 素材 に よって 、 あるいは コップ の 形状 や 厚み に よって 、 どういう とき に どれ だけ 割れる か 、 何度 も 試して みて 初めて 獲得 できる 概念 である 。 われ||こっぷ|||||おす||われる|おとす||われる|||こうどう||けっか||せっと|||||||われ||われ||||けいようし||がらす||とうき|ぷらすちっく|||そざい||||こっぷ||けいじょう||あつみ||||||||われる||なんど||ためして||はじめて|かくとく||がいねん| A cup that breaks easily can be understood as having a set of actions and results, such as breaking when pushed and breaking when dropped, and is therefore "easy to break. "Crack-resistant." The adjective "breakable" is also a concept that can only be acquired through repeated testing of glass, pottery, plastic, and other materials, as well as the shape and thickness of the cup, to see when and how much it will break.

③ の 学習 が 進めば 、 そうした 抽象 的な 概念 も コンピュータ が 学ぶ ように なる 。 |がくしゅう||すすめば||ちゅうしょう|てきな|がいねん||こんぴゅーた||まなぶ|| As computers learn more about (3), they will learn such abstract concepts.

ひと まとまり の 動作 が ものごと の 新しい 特徴 を 引き出す 。 |||どうさ||||あたらしい|とくちょう||ひきだす A single action brings out new features in things. 人間 で いう と 、「 考えて アッ と （ 特徴 量 に ） 気づく 」「 やって みて コツ が （ 特徴 量 が ） わかる 」 と いう ような こと が 起こる 。 にんげん||||かんがえて|||とくちょう|りょう||きづく|||こつ||とくちょう|りょう||||||||おこる |||||suddenly||||||||||||||||||| In human terms, "I think about it, and then I notice it." "I know how to do it, and I know how much to do it." This is what happens.

いったん 動作 を 通じた 特徴 量 を 得る こと が できれば 、 次 から は 見た 瞬間 、 割れ やすい コップ だ から 気 を つけて 扱おう 、 やわらかい ソファ だ から 座ったら これ くらい 身体 が 沈む だろう と いう 予測 が 立ち やすく なる 。 |どうさ||つうじた|とくちょう|りょう||える||||つぎ|||みた|しゅんかん|われ||こっぷ|||き|||あつかおう|||||すわったら|||からだ||しずむ||||よそく||たち|| |||communicated||||||||||||||||||||||||||||||||||||||| Once you have a sense of what is characteristic through movement, it is easier to predict the next time you see it, whether it is a glass that is easily broken and should be handled with care, or a sofa that is so soft that you will probably sink into it when you sit on it.

周囲 の 状況 に 対する 認識 が 一 段階 深く なり 、 ロボット の 行動 は より 環境 に 適した もの に なる 。 しゅうい||じょうきょう||たいする|にんしき||ひと|だんかい|ふかく||ろぼっと||こうどう|||かんきょう||てきした||| Robots become more aware of their surroundings, and their behavior becomes more environmentally appropriate. もちろん 、 それ は こうした 人工 知能 が 存在 する 環境 に 依存 する 。 ||||じんこう|ちのう||そんざい||かんきょう||いぞん| Of course, it depends on the environment in which such artificial intelligence exists. 人間 が 生活 する 環境 で 、 人間 並み の 「 身体 」 を 持てば 、 人間 が つくり上げる 概念 に ある 程度 近い もの は 獲得 できる はずだ 。 にんげん||せいかつ||かんきょう||にんげん|なみ||からだ||もてば|にんげん||つくりあげる|がいねん|||ていど|ちかい|||かくとく|| ||||||||||||||create|||||||||| A human-like "body" in the environment in which we live. If you have a concept of what we want, you should be able to acquire a concept that is somewhat similar to the one we have created. ネット 上 で のみ 行動 する 人工 知能 であれば 、 ネット 上 に ある 事象 を ベース と して そこ から 引き出さ れる 抽象 概念 は 獲得 する こと が できる 。 ねっと|うえ|||こうどう||じんこう|ちのう||ねっと|うえ|||じしょう||べーす|||||ひきださ||ちゅうしょう|がいねん||かくとく|||| Artificial intelligence that acts only on the Net can acquire abstract concepts drawn from a base of Net events.

その 結果 、 コンピュータ が 「 言語 」 を 獲得 する 準備 が 整う 。 |けっか|こんぴゅーた||げんご||かくとく||じゅんび||ととのう ||||||||||prepared As a result, the computer will use the "language" The company is ready to acquire the

先 に 「 概念 」 を 獲得 できれば 、 後 から 「 言葉 （ 記号 表記 ）」 を 結びつける の は 簡単だ から だ 。 さき||がいねん||かくとく||あと||ことば|きごう|ひょうき||むすびつける|||かんたんだ|| Concepts first. Once you have acquired the "word" (symbolic representation), you can later use the "word" (symbolic representation) to describe the "word" (symbolic representation). It's easy to connect the two.

「 ネコ 」「 ニャー と 鳴く 」「 やわらかい 」 と いう 概念 は すでに できて いる から 、 それぞれ に 「 ネコ 」「 ニャー と 鳴く 」「 やわらかい 」 と いう 言葉 （ 記号 表記 ） を 結びつけて あげれば 、 コンピュータ は その 言葉 と それ が 意味 する 概念 を セット で 理解 する 。 ねこ|||なく||||がいねん||||||||ねこ|||なく||||ことば|きごう|ひょうき||むすびつけて||こんぴゅーた|||ことば||||いみ||がいねん||せっと||りかい| "Cat." "Meow, meow, meow." "Soft." The concept of "cat" has already been created, so each of them can be called a "cat". "Meow, meow, meow." "Soft." If you link a word (symbolic representation) to a concept, the computer understands the word and the concept it signifies as a set.

つまり 、 シンボルグラウンディング 問題 が 解消 さ れる 。 ||もんだい||かいしょう|| In other words, the symbol grounding problem is solved. シマウマ を １ 回 も 見た こと が ない コンピュータ も 、「 シマシマ の ある ウマ 」 と 聞けば 、 あれ が シマウマ だ と 一 発 で わかる ように なる 。 しまうま||かい||みた||||こんぴゅーた|||||||きけば|||しまうま|||ひと|はつ|||| Even computers that have never seen a zebra before will be able to see a "zebra with stripes." If you ask them, they will instantly know that they are zebras.

ここ で は 、 概念 が 言葉 （ 記号 表記 ） と 結びつけられる こと が 重要であり 、 その 言葉 が 何 語 な の か は 問わ れ ない 。 |||がいねん||ことば|きごう|ひょうき||むすびつけ られる|||じゅうようであり||ことば||なん|ご|||||とわ|| ||||||||||||important|||||||||||| Here, it is important that the concept is associated with a word (symbolic notation), not with a word in any language. つまり 、 ある 概念 に 英語 を 結びつける の も 、 日本 語 に する の も 、 中国 語 に する の も 、 労力 と して は 変わら ない 。 ||がいねん||えいご||むすびつける|||にっぽん|ご|||||ちゅうごく|ご|||||ろうりょく||||かわら| In other words, it is no different effort to attach an English concept to a Japanese or Chinese concept than it is to attach an English concept to a Japanese or Chinese concept. コンピュータ に よる 翻訳 が 本当に 実用 に 耐える もの に なる と すれば 、 この 段階 に きて から である 。 こんぴゅーた|||ほんやく||ほんとうに|じつよう||たえる|||||||だんかい|||| It is only at this stage that computer translation is truly practical. 機械 翻訳 と いう の は 、 身近な だけ に 簡単な 技術 に 思える かも しれ ない が 、 実は 、 かなり 高度な 技術 な のである 。 きかい|ほんやく|||||みぢかな|||かんたんな|ぎじゅつ||おもえる|||||じつは||こうどな|ぎじゅつ|| ||||||familiar|||||||||||||||| Machine translation may seem like a simple technology because of its familiarity, but in fact, it is a very advanced technology.

もちろん 、 文化 や 言語 に よって 用いられる 概念 は さまざまである 。 |ぶんか||げんご|||もちい られる|がいねん|| |||||||||various Of course, different cultures and languages use different concepts. たとえば 、 英語 に は 「 punctual 」 と いう よく 使わ れる 形容詞 が あり 、「 時間 に 正確だ 」 と いう 意味 で 、「 Heisapunctualperson .（ 彼 は 時間 に 正確な 人 だ ）」 と いう ふうに 使う 。 |えいご|||||||つかわ||けいようし|||じかん||せいかくだ|||いみ||heisapunctualperson|かれ||じかん||せいかくな|じん|||||つかう ||||on time|||||||||||punctual|||||he is punctual||||||||||| For example, the English word "punctual There is an adjective often used, "punctual." Heisapunctualperson . （Heisapunctualperson . The word "use" is used in the following way. ところが 、 これ に １ 対 １ で 対応 する 日本 語 の 単語 は ない 。 |||たい||たいおう||にっぽん|ご||たんご|| However, there is no one-to-one correspondence between the two Japanese words. どうしても 「 時間 に 正確だ 」 と ２ 単語 を 使って 表現 しなければ なら ない 。 |じかん||せいかくだ||たんご||つかって|ひょうげん|し なければ|| I can't help but think, "He's right on time." The expression must be two words. 言葉 で 表さ れる 概念 は 、 ひと り の 人間 が つくり出す 概念 の うち でも 、 普遍 性 が 高く 、 ほか の 個体 と やりとり できる 概念 である 。 ことば||あらわさ||がいねん|||||にんげん||つくりだす|がいねん||||ふへん|せい||たかく|||こたい||||がいねん| ||||||||||||||||||||||individual||||| The concepts represented by words are among the concepts created by a single human being, have high universality, and can be exchanged with other individuals.

逆に 、 特定の 仕事 に 依存 する 概念 は 、 その 業界 の 人 に は 通じる が 、 一般 の 人 に は 通じ ない こと も ある 。 ぎゃくに|とくていの|しごと||いぞん||がいねん|||ぎょうかい||じん|||つうじる||いっぱん||じん|||つうじ|||| Conversely, a concept that depends on a specific job may be understood by those in the industry, but not by the general public.