低级人工智能 オウム返し、繰り返し、模倣
高级人工智能 カラスが水を飲む、因果関係に基づく人工知能
自分の特徴を持つことは、自分の専門知識で「テリトリーを奪う」ことに相当する： 異なる背景を持つ人々は、同じ事柄に対してそれぞれの利点を持っています。科学的な背景を持つ人として、コンピュータの専門家がすべきことを奪おうと考えてはいけません。その理由は二つあります。一つは、そうすることで自分はコンピュータの専門家よりも多くの時間を費やし、冗長な知識を学ぶ必要があるからです。二つ目は、コンピュータ科学の分野では専門的な自然科学の知識を持つ人が不足しているため、自分の強みを活かさずに全力を尽くさなければ、影響力のある仕事をすることは難しいからです。生きることは一方で生きることであり、今の時代において生きることは意味のあることをするためです。そうでなければ、あなたの存在と存在しないことの違いはどこにあるのでしょうか。
自分の業界の基準を作る： この小見出しは本当に大きく見え、方向性がなく感じますが、これは私が努力すべき正しい目標であり、方向性は努力よりも重要です。もう一つ心に留めておくべきことは、他人のコードを調整して記事を書くことを期待してはいけないということです。現実的ではありません。この分野も簡単ではなく、私はすでにその経験をしています。ある構造を使って一つの分野の問題を統一する必要があります。例えば、シュレーディンガー方程式のように。
人工知能の現状： 「基礎的でない学問」分野では、破壊的な科学的発見をする必要はなく、ほとんどの場合、既存の基礎科学理論に基づいて、既存のデータから特定の分野における変数間の「パターン」を見つけることで科学的発見が達成されます。しかし、「基礎的な学問」分野では、科学的発見はデータと経験的材料間の「関連」を見つけるだけでは簡単ではありません。むしろ、新しい変数を探索し発見することが多く、人工知能は現在「関連性」を見つけるのが得意であるため、これらの領域での応用の深さはまだ不十分です。一方で、科学研究がどの程度自動化できるか、人工知能が科学的発見の過程でどれだけの役割を果たせるかは、人間が科学研究活動と科学的発見の本質をどれだけ理解しているかに依存します。
名言： "もし私がさらに遠くを見ることができたのは、巨人の肩の上に立っていたからに他なりません。" -- ニュートン
機械学習データの出所：
- 理論計算は迅速に大量のデータを生成できます。「安価で入手しやすい」が、「現実の複雑さ」が欠けています。
- 過去の文献やデータベースには大量のデータがあります。データベースのデータは構造化されており、比較的容易に抽出できますが、文献のデータは非構造化されており、これらのデータを抽出するには一定の専門知識が必要です。しかし、手動での抽出は効率が非常に低く、時間と経済的コストが高すぎます。自然言語処理技術を利用して文献からデータを抽出することができます。
- 実験で得られたデータ。非常に希少で貴重です。
深い言葉の収集：
朱松純：核心的な問題に触れました。私たちは未来の社会がビッグデータ、あるいは言葉にできないものであることを認め、受け入れています。そして、このモデルはこの村でなければならず、あのモデルはあの店でなければならず、統一された見解はありません。これは現在比較的一般的な見解です。しかし、私個人としては、これは大きな誤解だと思います。科学の発展は最も単純な説明を求めることです。現在の状況になった根本的な理由は、研究方法に問題があるからです。
どういう意味かというと、もし知能を客観的な現象としてフィットさせるなら、そのモデルは非常に複雑です。私たちは以前、物理と知能の境界を判断するための簡単な実験（生命度）を行いました。例えば、部屋の中で二つの物体が衝突するのは非常に簡単で、数回のパラメータでフィットできます。しかし、もし二人の人間がいて、一人が外に走り出し、もう一人が追いかける場合、さまざまな社会的関係があり、物理モデル（エネルギー関数、大データモデル）では解決できません。各段階の知能体の運動は異なるモデルでフィットさせる必要があり、やはり明確にはなりません。
しかし、唯心的な価値関数を使い、エネルギー関数ではなくして説明する場合、非常に簡単に説明できます。だからこそ、私は後に「理学」と「心学」について議論しました。心学では、**「心即ち理、心外に物なし」** と述べています。これは、世界の複雑な知能現象はすべて単純な価値観によって駆動されていると考え、あなたの価値観を見つければ、あなたのすべての行動は複雑ではなくなるということです。もし私があなたの行動をコピーしようとすれば、それは邯鄲の歩みであり、フィットさせることは終わりません。私があなたの価値指向、あなたの位置づけと格局を理解すれば、あなたのすべての行動は非常に単純な動機で説明できるのです。
だから私は、現在の人工知能は、皆が元のフィット方法を使い、大データの方法で人間のすべての主観的行動を説明しようとしているのは通用しないと思います。
- being 存在
- becoming 変化
- believing 信念
吴家睿：若い科学者にとって、突破口は三つの側面に関わっています。第一は理論に関することで、大部分の生命科学者は還元主義の指導の下で作業を行っていますが、私たちは今、システム論の観点から取り組む必要があります。さもなければ、研究はますます細分化され、非常に細かい事柄に過度に注目することになります。研究理論と思考方法の観点から、細部を見るだけでは不十分で、システム的な視点が必要です。
第二は研究方法で、生命科学は今、ある意味で技術駆動であり、研究内容が流行を追求し、技術を追求する傾向があります。私はもっと思考を促進し、理論を提唱することをお勧めします。
第三に、現在の功利主義現象は特に深刻であり、科学精神を弘揚する必要があります。例えば、日本のフィギュアスケーター羽生結弦は 4A を跳ぶことを貫き、金メダルを追求するのではなく、人間の限界を超えることを追求しています。私たち科学者は金メダル、銀メダル、銅メダルを追求するのではなく、より高く、より速く、より遠くを目指すべきです。オリンピック精神は科学研究にも発揚されるべきです。フーコーは彼の自伝の中で言いました。もし科学が知識を持つ私たちを迷わせることができないのなら、科学には何の価値があるのでしょうか。