人工知能の問題に関しては、これがチョッチいいのかな？と思うテキストが見つかりまして、まぁ人工知能の説明技術も今後必要と思わせる一冊です。人工知能が分からない方必読。

先ずはＣＱ出版のインターフェースの２０１７年８月号と２０１６年７月号は不可欠でしょう。

インターフェースはトピックス的なもの（今年のＰｙｔｈｏｎのプログラム紹介はそうだったね）もあれば、詳細な原理ややり方を説明するものもあり（２０１７年８月号は正にそれ）、まぁ算数で人工知能を理解するという所は、まぁ計算プロセスってこんなものと言う感じで、一つの「人工知能を理解してもらう技術」の一つとして良いだろう。

もっと言うと線形代数、ニューロンの構造など、そうそう、この手のネタは放送大学が得意そうであるので、今後放送大学の新講座には期待大である。

まぁ人工知能に絞って、線形代数ってこんなもの、その結果の統計分析ってこんなもの、そして、その成果として因子分析とかこんなもので、それらを超える把握方法として人工知能が出ている。今は計算したっきりで、とにかく結果オーライで進んでいるのが現状です。

さて、そんな中、このブログの中では、深層学習(Deep Learning)への入門 講義ノート（瀧雅人）RIKEN 数理創造プログラム ( i T H E M S )は、結構良くって、まぁ分からないながらも、他の説明する文書とは違い、４ページぐらいからは汚ったないと言えば、これ以上汚ったない癖文字で書かれている部分がキモで、見ていると汚ったない字ながら、人工知能がどう動いているか？

こういうのを見ていると、単に本を読んで理解するって感じより講義で話を聞く方が意味があるって思えるのだな。

因みに、これは、多分無料です。検索に引っかかったから、多分タダでしょう。

ただ、色々な点があって、分からない人が多いと思う。私も此処２週間ぐらいで、大分分かってきた。

人工知能ってのは、昔は「モデル」があって、それに対するパラメーターってものがあって、それに関する作用の方法とか記述していたのだが、今となっては「モデル」ってものが存在しない。

入力（問い・刺激）があって出力（答え・何らかの形）が用意されている。

これは適応アルゴリズムを知っている人は分かるだろうが、自然に同調していくのである。

安定した系にする為の制御技術だったのだが、その系の１点だけが安定するから、複数になり、ある領域となり、全般的にと言う風に制御技術は進歩してきた。

ただ、ここで糞馬鹿文化系大学出のクソ寝言「人工知能を付けたからどうやってでもいいんじゃ！」

まぁチョングソや虫獄、それの成れの果ての元渡来ゴキブリの成れの果てなどは、そんな寝言をホザクのだろう。

だが、決してそうではなく、人工知能は明らかにベターな何かを模索するものである。

今、日本ではそうでもないが、アメリカなどでは量子コンピューターの研究が進んでいる。

その一方で人工知能は世界中でやられている。

人工知能にはゲームで強力に使われているグラフィックボード（ＧＰＵ）を使うと飛躍的に能力が高まると言われているが、量子コンピューターはネットワーク探索などをやる上では圧倒的な早さを持つというが、ニューロンをベースとした人工知能は、そのニューロンの構成するネットワークに依って判断をするので、当然人工知能は量子コンピューターの能力に依ってブラッシュアップされる可能性がある。

ただ、先に進むだけでは、置いて行かれる人がいる。また応用したいと思っても使いようがない人がいる。

例えば、今人工知能をどうすれば動くかのマニュアルだけを見せているが、それでは分からない。そこを埋めるのが瀧雅人のノートだったりインターフェースだったりする。

つまり、人工知能を説明すると言うのが大事な項目となる。

また人工知能は成長が重要で、学ぶ環境が悪いと妙なものとなる。従って「実績のある人工知能」ってのが早晩出て来る。

例えばトヨタ自動車の自動運転ＡＩは実績上２００００時間無事故の実績があるとか、誤差範囲がこのグラフのように下がっていますと言う実績が出てくる。

だが、今中野信子氏や澤口俊之氏の様な脳科学のスタディーで、脳のどの部分がどうなって良くなるか？と言うメカニズムを人工知能の場合はどうなのか？と言う流れが必要となっている。

それは今の将棋やチェスや囲碁のＡＩが強くなる理由を分からないでいる。この脳分析ツールの開発も同時進行に必要となっている。

当然頭の悪すぎる糞馬鹿文化系大学出のマスゴミの下衆ゴミは脳分析ツールの重要性についてかけらも理解できない。

何故なら連中の人間で言うと脳に相当する部分に、そう言う事を考える領域が存在しないからである。

つまり糞馬鹿文化系大学出は欠陥脳の最たるものである。