![見出し画像](https://assets.st-note.com/production/uploads/images/79041379/rectangle_large_type_2_91573165987035df38dc98c95d4f07f8.jpeg?width=800)
Photo by
ouma
複雑なものはシンプルな処理の積み重ね
ディープラーニングの第一人者であるヤン・ルカン(フランス人)が、『ディープラーニング 学習する機械 』(KS科学一般書)で次のように述べている。
「2010年ごろ、「古典的」機械学習の支持者たちは、ニューラルネットワークに対する嘲笑をやめた。その有効性がようやく明らかになったからだ。私は一度も疑わなかった。人間の知能はあまりに複雑なので、模倣するには、経験によって自ら学習する能力を備えた自己組織化システムを構築する必要がある、とずっと確信していた。」
シンボルグラウンディング問題を解決したディープラーニングの核となるアイデアはここから来ているようだ。
脳を観察し、その細胞の機能や関係性を分析しても、複雑すぎて途方にくれてしまう。
しかし、その複雑な状態は、実は当初はシンプルであり、シンプルな法則により無数の相互作用などの中で生成された結果に過ぎないのではないか?という直感。
1つ1つの細胞は至極単純なルールに基づいてインプットからアウトプットを処理しているのかもしれないが、そういう細胞が複雑に絡み合うと、結果としてとても複雑な処理を行うことになる。
ここで重要なことは、その複雑になったものを人間の認知能力で理解することは不可能だということ。
また、天文学的な数字の相互作用の積み重ねをシュミレーションすることも無理がある、ということ。
これをまずは理解しておきたい。
この記事が気に入ったらサポートをしてみませんか?