AI(人工知能 artificial intelligence)が流行っていますな。
学生時代ガリッとかじりましたが、それ以降全然手を付ける気がなく。
でも流行っていることはいいと思っています。
AI並びにニューラルネットワーク(NN neural network)の進化に、多くの人が関わるわけですから。
私がAIの研究を断念した理由は、「解の正しさを保証できない」から。
統計を含む数理的解は、その解の正しさを保証する方法が存在する。
有限要素法のような離散的解析手法でさえ、解の誤差を計算できる。
そもそも境界条件(問題の初期条件)を間違えている場合は、答えも間違えているので、どうしようもないのですが。
得てしてこのような間違いは、実際に多く存在しているわけですが。
数学のような限定的環境の中で、一意の解を得る場合に、正解・不正解は明確になる。
AIもそうだけど、人の概念では、正しい・間違いの境界は、相当あいまいになる。
例えばAIを自動運転に用いるとして、たった1%でも、「高速道路を逆走する可能性」があっては困るわけだ。
そのようなあってはいけない間違いにAIは使えないので、そこには別の数値的論理を用いて、「絶対に間違いを犯さない仕組み」を組み込む必要がある。
AIに任せない、完全別処理の論理。
このような別処理すべき仕組みは、実に多岐にわたり、自動運転でなくてもその取扱には困る。
ということに気づいて、私は、AIやNNを放り投げて、確率的正確さを保証できる統計学に移行した。
というわけで、AIが流行って、その例外処理さえもAIで処理できる画期的な理論ができたら、研究対象に加えたいと思うが、今のところ便乗はしないッス。
学生時代ガリッとかじりましたが、それ以降全然手を付ける気がなく。
でも流行っていることはいいと思っています。
AI並びにニューラルネットワーク(NN neural network)の進化に、多くの人が関わるわけですから。
私がAIの研究を断念した理由は、「解の正しさを保証できない」から。
統計を含む数理的解は、その解の正しさを保証する方法が存在する。
有限要素法のような離散的解析手法でさえ、解の誤差を計算できる。
そもそも境界条件(問題の初期条件)を間違えている場合は、答えも間違えているので、どうしようもないのですが。
得てしてこのような間違いは、実際に多く存在しているわけですが。
数学のような限定的環境の中で、一意の解を得る場合に、正解・不正解は明確になる。
AIもそうだけど、人の概念では、正しい・間違いの境界は、相当あいまいになる。
例えばAIを自動運転に用いるとして、たった1%でも、「高速道路を逆走する可能性」があっては困るわけだ。
そのようなあってはいけない間違いにAIは使えないので、そこには別の数値的論理を用いて、「絶対に間違いを犯さない仕組み」を組み込む必要がある。
AIに任せない、完全別処理の論理。
このような別処理すべき仕組みは、実に多岐にわたり、自動運転でなくてもその取扱には困る。
ということに気づいて、私は、AIやNNを放り投げて、確率的正確さを保証できる統計学に移行した。
というわけで、AIが流行って、その例外処理さえもAIで処理できる画期的な理論ができたら、研究対象に加えたいと思うが、今のところ便乗はしないッス。