『生成ＡＩの消費エネルギー』『第３、第４の人工知能』『脳を培養』

🌸知能研究の今後１

⛳人間の脳と生成ＡＩは「現実シミユレーター」の性能

　☆現在の生成ＡＩの枠組み

　＊基盤モデルの学習と、転移学習というアーキテクチャの枠内である

　＊ＬＬＭがトランスフオーマーという特定のアーキテクチャを使い

　＊画像生成の拡散モデルという個別のアルゴリズムを使っているが

　＊基盤モデル+転移学習というアーキテクチャの外側にあるわけではない
　☆この枠組みの世界シミュレーター

　＊人類の脳とはかなり違う側面を多々持っている
　☆生成ＡＩは学習のために非常に巨大なモデルと膨大なデータが必要

　＊実際に答えを生成する場合にも膨大な計算資源を要する

　＊生成ＡＩが普及すると省エネルギーが要求される

　＊地球温暖化問題に大きな影響がある
　☆人間の学習はわずかなデータしか要求しない

　＊エネルギー効率的にも極めて優れている

⛳人間の持っている世界モデル

　☆生成ＡＩが持っている世界モデルよりずっと現実に近いので

　＊少ない学習量で世界を把握できる

　☆このような本質的な違いがある以上

　＊生成ＡＩと人間の脳以外に有効な世界シミュレーターが

　＊一つもないとは考えにくい

　☆いつのことかはわからないが

　＊第３、第４の人工知能が誕生すると思われる

⛳知能の研究は「世界シミュレーター」をどう作るのかになる
　☆知能研究は人間の知能の研究である

　＊人類の知能こそが唯一無二のあり方であり

　＊知能の研究＝人類の知能の研究だという立場でなされてきた

　☆生成ＡＩの登場で、知能の研究とは

　＊世界シミュレーターをどう作るかという問題だとの事が

　＊明らかになった
　☆人工知能研究もそのフェーズに入った
　＊今後、人間の脳でも生成ＡＩでもない

　＊「知能」が、開発されることが期待される

⛳脳を培養して知能デバイスを作る
　☆脳の培養を行い知能デバイスとして脳細胞を使うことは

　＊現実的な方向性としてありうると思われる

　＊現在の脳科学では、実際にどのように動くかはわからなくても

　＊動作させることはできつつある

　☆人工知能とは違うが

　＊別の意味で「人工知能」のようなものとして扱われるだろう
　☆筆者には「第三の知能」がどんなものか全く見当がつかない

　＊そもそも機械学習の延長上にある生成ＡＩが

　＊人間が知能を使わないとできないと思っていた多くのタスク

　＊人間の知能の再現なしに解くことができるようになるとは

　＊全く思っていなかったので

　＊筆者の未来予測なんてあてにならない

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『生成ＡＩの消費エネルギー』『第３、第４の人工知能』『脳を培養』

（ネットより画像引用）

『ＡＬＰＡＧＯ』『ＡＬＰＡＺＥＲＯ』

🌸コンピュータゲーム、チェス・将棋・囲碁

⛳革命を先導したのが囲碁

　☆過去の囲碁の対戦のデータを

　＊ニューラルネットワークで学習させることで

　＊人間のプロ棋士に対抗できるだけの性能を目指した
　☆機械学習は性能をあげるためには大量の学習データを必要とする

　＊長い歴史のある囲碁にはプロ棋士クラスの「強い」勝負が

　＊何百万盤面も残されておりこれを学習データに使うことができた

　☆更に加えて「自己対戦」という機能を使った

　＊膨大な数の自己対戦を行うことで未来の囲碁を先取りした
　☆現在、巷では人間を超えるＡＳＩ（人工超頭脳）が可能なのか
　＊可能だとしたらいつ現れるのか、などの議論がましている

　☆単に「現状の人類の知性を超える」というだけなら

　＊ＡＬＰＡＧＯはその一種だと言うこともできる
　＊これは単に知識の先取りに過ぎないということなのだ

⛳神童と呼ばれる存在には２種類ある

　☆単に早熟で早く成長しているので

　＊年齢相応の能力からは逸脱しているが

　＊成長とともにその優位は失われて

　＊成人までに普通の人になってしまう場合

　☆本当に天才で、成人を迎えてもその優位を維持する場合がある

　＊ＡＬＰＡＧＯＡＳＩ性はあくまでも早熟のタイプである

　☆自己対戦で人間を超えてしまったＡＬＰＡＧＯ

　＊その後、人間との対戦を「無意味」としてやめてしまった

　＊しかし、その後も進化は続いている
　☆ＡＬＰＡＧＯの後継となったＡＬＰＡＺＥＲＯ

　＊囲碁、将棋、チェスなどの対戦ゲームをすべてこなすことができた

　＊理由は人間の過去の対戦から学ぶという手順を完全にやめて
　＊対戦ルールだけを与えて

　＊あとは勝手に自己対戦で進化する方法に切り替えたからだ

　＊どんなゲームでも汎用に強くなるソフトを作ることができた

⛳ルールを与えて自己対戦から学べる

　☆いくらでも強くなれるという発見のインパクトが大きかった

　＊囲碁や将棋、あるいは、ビデオゲームでさえ

　＊対局の推移を見守るだけでルールを類推して学習し

　＊さらにルールを学習した後は自己対戦で強くなっていく
　☆ＡＬＰＡＧＯＺＥＲＯ

　＊現実の世界をそのまま扱っているわけではなく

　＊内部で作り上げた「現実の解釈空間」の中で

　＊シミュレートをしている
　☆即ち現実に解釈を加え

　＊解釈の中でシミュレートするを地で行っているＡＩなのだ

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『ＡＬＰＡＧＯ』『ＡＬＰＡＺＥＲＯ』

（ネットより画像引用）

『ロボット視覚の獲得』『ロボットの壁「操縦」』『チャットＧＰＴ』

🌸ロボットと生成ＡⅠ

⛳現実世界で動作するロボットは、生成ＡＩの性能実験
　☆人工知能研究にとって最も難しいのは常識の習得

　＊高度な計算より世界についての常識を得ることのほうが難しい
　☆現実世界で動作することを要求されるロボット

　＊ちゃんと動作することは

　＊世界シミュレーターとしての生成ＡＩの性能実験でもある

　☆実際、 ロボットと組み合わさった場合

　＊生成ＡＩはモラベックのパラドックスを解決する可能性を秘めている

⛳ロボットの壁「視覚の獲得」
　☆生成ＡＩがロボットにもたらしたインパクトは多数あるが

　＊その一つはなんと言っても視覚の獲得だ

　＊視覚の獲得=よい世界シミュレーターの獲得である

　＊工業用ロボットはかなり前から実用化されていて

　＊製造ラインのオートメーション化に大きく貢献してきた

　☆そこにはある大きな限界があった

　＊ほぼ定型の同じ作業しかできないということだ

　＊箱に多種多様な部品がごちゃごちやに入っている中から

　＊ 一個一個部品を取り出して並べなさい等の

　＊人間にとっては至極容易なことが、全くできなかったのだ
　☆よい世界シミュレーターである生成ＡＩは

　＊入力された画像データをもとに特定の物体を選び出したり

　＊的確な３次元配置をロボットに教える等が可能になった

　☆このため、ロボットは、全く未知の状況でも

　＊世界を認識して行動ができるようになった。
　☆ロボットは歩行困難な悪路の映像を見ても

　＊それが何を意味するかを知るすべがなかった

　＊だが、生成ＡＩの手助けがあれば、悪路を認識し

　＊障害物を避けることもできるので歩行の困難さは著しく減じる
　☆事程左様にロボットは

　＊「視覚=よい世界シミュレーター」を手にした

⛳ロボットの壁「操縦」
　☆ロボットに関わるもう一つの難題は操縦の難しさだった

　☆現実には、ロボットに何をどう学習させるかは問題だが

　＊「ジャイアントロボ、怪獣をやっつけろ」と言われただけで

　＊怪獣と戦うという仕組みが作れるレベルに到達している

　☆音声でロボットを操縦するという観点からすると

　＊「従来なら一殴れ」と言ってロボットに殴らせるのは難しかった

　＊腕をバランスよくスムーズに動かす命令（スクリプト）を

　＊自動生成しなくてはけなかったから
　☆いまのＬＬＭは自分でプログラムができるので

　＊「殴れ」と言われて腕を動かして殴るスクリプト

　＊生成するというのは、不可能とは言い難い

　☆ブルーカラーの仕事の少なからぬ部分が

　＊生成ＡＩに結びついたロボットで代替されても、おかしくはない
　☆言葉どおりにすることだけが

　＊必ずしも真意を汲んで行動することではないことを

　＊一番よく知っているのは我々人類ではなく

　＊実はチャットＧＰＴのほうなのかもしれない

🌸あとがき

　☆本書はかつて非線形物理学をやっていた物理学者の筆者

　＊最近の生成ＡＩの隆盛を目の当たりにして所見を述べた本である

　☆現在の生成ＡＩがいわゆる機械学習の延長上にある
　＊現在の生成ＡＩのアーキテクチャ

　＊２０世紀末に非線形物理学者が盛んに研究した

　＊非線形非平衡多自由度系そのものである

　☆チャットＧＰＴ発表以来のこれは知能の実現ではないのか

　＊シンギュラリティが起きたのではという狂騒の中で

　＊そんなことはないのになあと世の進展を横目で見ていた

　☆ありていに言ってチャットＧＰＴの登場は衝撃で

　＊こんな何も中身がないはずのスカスカの代物で

　＊あたかも知能ができてしまったとみまごうばかりの

　＊性能が実現してしまったのは正直ショックだった

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『ロボット視覚の獲得』『ロボットの壁「操縦」』

『チャットＧＰＴ』

『量子力学と古典力学』『世界のシミュレーター無数に有る』

🌸 古典力学はまがい物２

　☆少し難解ですが、結論は簡単です

　☆世界のシミュレーター多数有るが結論と思います

⛳運動量=質量×速度（古典力学）

　☆古典力学は、無くても構わなかった

　＊我々の日常世界も量子力学に従っている以上
　＊別に量子力学を直接知覚すれば済むはず

　＊古典力学みたいなまがい物を

　＊あいだに挟む必要なんてないはず

　＊加速度は速度の時間変化である
　☆量子力学を直接知覚する

　＊世界シミュレーターの脳を持った生物

　＊その生物は、静止状態を物体の速度とは認識できないから

　＊「静止」という概念がなくても実用上は困らないと思われる

⛳天才物理学者疑うことのなかった古典力学
　☆脳が認識している世界が現実とは異なったものだ

　＊それを、強調するためにやや誇張した表現をとってはいるが

　＊要するに現実を十分に正しく記述できる世界シミュレーターを

　＊実現したとしてもそれが真実とは限らない

　☆そういうものは、古典力学という形ですでに

　＊生命体の脳の中に実在しているのだから

　☆生成ＡＩが全く別の方法で同じようなことを成し遂げても

　＊驚くには全く当たらないということだ
　☆世界最高の数学者であったラプラス

　＊「ラプラスの悪魔」という存在を考えた

　＊古典力学が正しければ、世界の未来は

　＊過去の時点での初期状態が決まれば決まるので

　＊十分に高い計算力を持った存在がいれば

　＊それは世界の未来を未来永劫理解している

　＊全知全能の存在になるだろうと予言した

　☆当時の世界最高の知性たちが

　＊どれほど古典力学を信じ切っていたか

　＊この逸話からも明らかだろう
　☆量子力学と古典力学

　＊どのように食い違っていて、その食い違いを

　＊人間の脳はどうやって認知的に乗り越えている例は多数ある

⛳騒ぎ過ぎるのは非常に危険だ
　☆世界シミュレーターには統一性が全くなく

　＊ＬＬＭや生成ＡＩがいくら世界を「理解」しているように見えても

　＊それは我々にとっての理解とは似て非なるものだ

　＊逆に、同じであるほうがおかしい
　☆知能というものがなんだかよくわからないのに

　＊非常に甘い見通しで人工知能研究を始めてしまったのだから

　☆人工知能研究を始める人がいなかったら

　＊いまの生成ＡＩやＬＬＭも存在しなかったと思う

　＊人工知能研究を始めたことを椰楡する気持ちは欠片もない

　☆いまの生成ＡＩやＬＬＭをみて

　＊「いずれ自我や意識が生まれる」と騒ぐのは非常に危険だ

　☆自我や意識というのは

　＊人間の世界シミュレーターとしての大脳の機能であると思うべきだ

　☆安易にいまのＬＬＭや生成ＡＩがそれを獲得したと言ってしまったら

　＊我々の大脳という世界シミュレーターそのものと

　＊等価なものを作ることに成功したということに成りかねない

　＊それは大いに軽率な話だということなのである

　☆人間の脳と生成ＡＩやＬＬＭは、無数にある世界シミュレーターの

　＊２つのリアライゼーションに過ぎないと思うのが妥当だ

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『量子力学と古典力学』『世界のシミュレーター無数に有る』

（ネットより画像引用）

『現実シミュレーター』『生成ＡＩ』『量子力学』

🌸 古典力学はまがい物１

　☆少し難解ですが、結論は簡単です

　☆世界のシミュレーター多数有るが結論と思います

⛳地球上の生物が進化で獲得した

　☆「現実シミュレーター」の古典力学と「生成ＡＩ」の脳

　＊２つの別の「知能」があり

　＊全く異なった形で現実を解釈するシミュレーターだ

　＊今後も無限個の「異なった現実シミュレーター」出現するだろう
　☆力学の分野に、いくつかの定理のようなものがある

⛳力＝質量✖加速度という式
　☆加速度、というのは速度の時間変化である

　＊「ある質量にある加速度が生じているときの力」の式だ

　☆３つの登場人物、「力」「質量」「加速度」のうち

　＊「実際に存在する」のは質量だけ

　＊力と加速度は人間の脳が作り出した概念構築的な構成物だ

　☆例えば、あなたが大を飼っていると考えよう

　＊飼い犬との遊びといえば、棒を投げて取ってこさせる遊び

　＊あなたが棒をえいっとばかりに投げれば

　＊飼い犬は、棒が落下するのを待たずに落下地点に走り出すはずだ
　＊あなたが棒を投げた瞬間に

　＊だいたいどのあたりに落ちるのか想像できているだ

　＊棒の落下地点は初速と投擲（てき）位置だけで決まる

　☆ある程度高等な哺乳類は

　＊犬と同じ世界観を共有しているはずだ
　＊進化の過程で生命体が構築した概念だ
　＊生物が構築した概念といって現実の法則とは言えない

⛳理解できないが現実世界を支配している量子力学
　☆量子力学は

　＊原子や分子のような微粒子をミクロで扱う科学で

　＊量子力学は我々の日常生活も支配している

　☆なんでそれに気付かないのかの理由

　＊古典力学が非常によくできた嘘だからだ
　☆量子力学の世界「不確定性原理」と呼ばれる法則がある

　＊運動量と位置を十分な精度で

　＊同時に測定することはできない

　☆「運動量」とは、質量は一定だから

　＊「運動量と位置を十分な精度で同時に測定することはできない」は

　＊「速度と位置を十分な精度で同時に測定することはできない」である
　☆速度自体

　＊「人間の大脳が作った概念規定的な量」で、量子力学にはでてこない
　＊ある位置でどんな速度を持っているか、決してわからないのに

　＊加速度なんて定義、勿論できないのである

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『現実シミュレーター』『生成ＡＩ』『量子力学』

（ネットより画像引用）

『アンコンシャスバイアス』

🌸コラム（アンコンシャスバイアス）

⛳日本では理工系に進む女子が極端に少ない理由

　☆理工系に進む女子がどこの国でも極端に少ないわけではない

　☆理由は、アンコンシャスバイアス（無意識の偏見）

　＊女子が中等教育段階で理工系に進もうとすると

　＊多くのバイアスに基づいた助言がされる

　＊女子で理工系に行く人は少ないから苦労するからやめろ

　＊理工系に行くとモテないと等

　☆女子はそういう雰囲気を敏感に感じて理工系を忌避する

⛳アンコンシャスバイアスが生じる理由
　☆偏見は、機械学習にも反映されている

　＊アンコンシャスバイアスは必然的に生まれるものだ

　☆数年前にイギリスで刊行されてかなり話題になった本

　＊アンコンシャスバイアスの主に人種差別の面を扱っている

　＊このような偏見は進化の過程で生まれてきたものであり

　＊少なくとも過去には、合理的なものであったのだろう
　☆アンコンシャスバイアス

　＊外界の膨大な情報を素早く処理するためのフィルターの副作用

　＊「認知的な錯視」のようなものなのかもしれない
　＊だからと言って人種差別は仕方ないとかいう話ではないのだが

　＊知能とはなにかを正しく解釈するというより、
　＊生存のための外界認知を作成するシミュレーターに過ぎない

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『アンコンシャスバイアス』

（ネットより画像引用）

『人間の脳とサンプル数』『先天的バイアス説』『脳の生得性』

🌸人間の脳は少ないサンプルで学習できる１

⛳生成ＡＩを上回る効率性を持つ脳
　☆生成ＡＩも人間の脳も現実のシミュレーターに過ぎない

　☆各々異なった限界を持っている

　＊人間の脳は錯視という誤った情報処理を行う

　＊生成ＡＩは椅子がぐにゃぐにゃになるような誤りを引き起こす

　☆現実のシミュレーターとして

　＊人間の脳に匹敵するような性能を持った生成ＡＩ現れたか理由

　＊学習に必要な大量のデータとそれを処理できる

　＊大容量のメモリで高速な計算機の登場のだった

　＊人間の脳と生成ＡＩは異なったやり方で

　＊現実を解釈しているシミュレーターである

　☆大量のデータを必要とする生成ＡＩに比べ

　＊人間の脳ははるかに少ないデータ量で学習することができる
　☆生成ＡＩと人間の脳の異なったシミュレーターの学習プロセス

　＊この問題は、ニューロンの集合体が

　＊なぜ知性を発現するのかを人間が

　＊理解していないのと同じように、まだ解決がついていない

　☆どのような説があるのか、ということについての概説と

　＊筆者自身の意見を書くことに留める

⛳先天的バイアス説仮説
　☆人間の脳は世界シミュレーターであるといっても

　＊学習しないといけない世界が決まっているのだから

　＊まっさらの状態で学習を始めるより

　＊基本的な部分は遺伝的に組み込んで

　＊学習が済んだ脳がある程度完成した状態から

　＊追加で学習を行ったほうがよいのは明らかである
　☆人間の脳は突然現れたものではなく

　＊進化の過程で出現したものであり

　＊進化の過程で基本的な機能は学習した状態で

　＊遺伝子に組み込まれていても全くおかしくはない

　☆現状、大脳が言語を生得的に理解しているという説は

　＊あくまで仮説の範囲を出ていない
　☆この説には脳の可塑性に抵触するという大きな問題がある

　＊脳卒中などで脳を破壊され、手足が不自由になった人間でも

　＊リハビリによって再び手足を動かせるようになるが

　＊これは破壊された脳が修復されたわけではなく

　＊脳の他の部位が手足の制御に転用されることで起きている
　☆この問題はいまでも決着がついているとは言い難い

⛳脳の生得性

　☆ニューロンのどのような活動で実装されているかは

　＊最先端の研究課題にとどまっている
　☆現状できていることは

　＊非侵襲な観測手段を用いて

　＊言語処理が脳の特定の部位で行われており

　＊言語が異なっても、それが同じ部位で行われていることから

　＊なにかしら生得的な言語処理機構が脳の特定部位に

　＊ハードウエアードされているということの解明までである

　☆人間がなぜ少ない情報からシミュレーターとしての

　＊知能を解明できるかを説明できるようなレベルには到達はしていない

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『人間の脳とサンプル数』『先天的バイアス説』『脳の生得性』

（ネットより画像引用）

『生成ＡＩは シミュレーター』『Ｓｏｒａ』『画像認識』

🌸世界のシミュレーターとしての生成ＡＩ４

⛳Ｓｏｒａの失敗からわかる生成ＡＩの限界
　☆生成ＡＩは、現実世界のシミュレーターだ

　＊その象徴が、オープンＡＩが作った動画生成ソフト「Ｓｏｒａ」

　＊Ｓｏｒａをただの動画生成ソフトとは位置づけてない
　＊Sｏｒａを現実世界のシミュレーターと位置づけている

　☆Ｓｏｒａが生成した椅子を掘り出すシーンのビデオクリップ
　＊椅子が柔軟性があるような中途半端なリアルさから考えて

　＊Ｓｏｒａは正確に現実を模すことを目的としているのではなく

　＊内在的なルールに基づいた現実のシミュレーターだ

　☆本当に現実を模すことが目的で学習がされているなら

　＊椅子だけぐにゃぐにゃ動くみたいなミスは犯さないはずだ

　☆現実の物理法則を完全に無視している以上

　＊画像生成の内在的なルールが誤っている

⛳知能とは事物の地図を脳内に作ることである
　☆ＬＬＭの場合も同じようなことが言える

　＊ＬＬＭが学んでいるのは人間の言語だけだが

　＊実際にはトークンの地図、という形で仮想的な世界を構築している

　＊ＬＬＭは意味を全く理解していないが

　＊雲をダイナミカルモデルが雲を作ってみせたように

　＊入力された言語に対して適当な応答を作れるダイナミカルモデルだ

　☆トークンで地図を作ることが知能だというのは

　＊違和感があるかもしれないが、実際はその様な事だ

　☆脳も生成ＡＩも、現実世界のシミュレーターという意味では等価である

　＊知能とは現実をシミュレートする機械装置である

🌸コラム

　☆目覚ましい成果をあげるデイープラーング

⛳画像認識

　☆ コンピュータが画像だけから外界を認識できるようになった
　＊従来、認識する事物のサイズ等を事前に入力しなくてはならなかった

　＊生成ＡＩや深層学習のおかげで

　＊初見の物体でも認識することができるようになった

　＊動画のリアルタイム画像認識が可能になったことは

　＊実用上のインパクトが非常に大きい

　＊ロボットに「壷を机に置け」というような指示が可能になった
　☆自動運転

　＊「画像だけから外界を認識できる能力」大きな利点となっている

　☆分子生物学の分野

　＊はアミノ酸の配列だけから

　＊タンパク質の構造を推定一することが重要とされているが

　＊長あいだ十分な精度で行うことができなかった
　＊それが、タンパク質の構造が理解できるようになった

　☆分子生物学の研究に大きな貢献をし続けている
　＊深層学習は創薬の分野でも大きな貢献をすることが期待されている

　＊機械学習による創薬は、化合物を対象とした機械学習だが

　＊化合物に対する機械学習は他にもある

⛳病理診断

　☆がんになっているかどうかは、資格のある病理医のテリトリー

　＊病理医はいつも不足気味なので

　＊画像診断を機械学習で行って病理医は確認するだけにすれば

　＊かなり労力が削減されるだろう

　☆コロナ禍のときに

　＊肺のレントゲン写真からコロナかを診断するシステムが考案された

⛳いまや一般的になった顔認証も深層学習が使わている

　☆中国に行けば認証がみな顔認証になっている

　＊日本でも出入国のパスポート確認は顔認証でいいことになっている

　☆このように深層学習や生成ＡＩは

　＊一般の人々の目に触れない分野でも革命を起こしつつある

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『生成ＡＩは シミュレーター』『Ｓｏｒａ』『画像認識』

（『知能とはなにか』記事、ネットより画像引用）

『生成ＡＩシュミレーター』『ユニバーサリティ』『物理学者』

🌸世界のシミュレーターとしての生成ＡＩ３

⛳物理学者たちは、非線形非平衡多自由度系を構築した

　☆現実をシミュレーションする場合にでも

　＊現実と同じ原理を採用しなくてもいいと言う事だ

　☆ダイナミカルモデルで作成されたの生成のシミュレーション

　＊雲の生成原理は、かなりの程度まで理解されいる

　＊雲の生成を再現するダイナミカルモデルには

　＊この様な正確な情報は何も組み込まれていない

　＊決して現実そのものではない

　＊しかし、生成される雲は現実のものにとてもよく似ていた
　☆特撮映画での動物の群れや群衆の動き、炎のパターンをＣＧで作る場合

　＊現実そのものではないにもかかわらず、現実そっくりの結果を出す

　＊しかも、現実を反映した正確な情報を用いたら

　＊ともでもなく時間がかかる

　＊ダイナミカルモデルは、現実モデルよりも圧倒的に早く

　＊遜色のない結果を叩き出す

⛳数ある選択肢の中の一個の実現性

　☆現実の世界はいろいろな可能性があるものの中の

　＊一個の実現性に過ぎないみたいな考え方

　＊普遍性（ユニバーサリティ）と呼ばれ

　＊物理学者が割と好んで使う考え方だ

　☆現実と同じことが起きるには、完全に現実と同じである必要はなく

　＊なにかキーとなる要素があれば本質的に同じことが起きるはずだ
　☆生成ＡＩがやっていることはまさにこれなのである
　＊生成ＡＩは現実と見まどう会話や映像を作り出すが

　＊それは決して内部に同じ現実を実現しているということではなく

　＊計算機で扱えるような、現実をかなり正確に再現できる

　＊シミュレーターを作成しているに過ぎない

⛳物理学者はなぜ生成ＡＩを作れなかったのか

　☆物理学者は、ダイナミカルシステムに学習させられるだけの

　＊大量のデータと、大量のデータを学習させられる

　＊計算機の能力がなかったからだ

　☆物理学者は現在の生成ＡＩのようなものの作成に成功し

　＊いまのチャットＧＰＴや画像生成のソフトを作っていたら
　＊研究者の地位は物理学者のものになっていた

　☆実際、生成ＡＩの仕組みを表現する模式図には

　＊必ず方向を示す「↓」がついている
　＊これこそがダイナミカルシステムの「↓」

　＊つまり時系列的なアップデートに他ならない
　☆いまの生成ＡＩの中身は

　＊本質的にかっての非平衡非線形多自由度系の一種である

　＊ただ、「学習」という重要なプロセスは

　＊物理学者が研究した非線形非平衡多自由度系には欠けていた
　☆物理学者が生成ＡＩの成功に至れなかった、もう一つの理由

　＊物理現象をシンプルな方程式や法則で説明しようという志向があり

　＊「世界は単純な少数個の法則で書けるはずだ」という思い込みが

　＊働いたからだろう

　☆現在の生成ＡＩ

　＊やたらと複雑で何をやっているのかチンプンカンプンだが

　＊アウトプットの精度は素晴らしいみたいな方向には

　＊物理学者目が向かなかったというのも大きい

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください

⛳出典、『知能とはなにか』

『生成ＡＩシュミレーター』『ユニバーサリティ』『物理学者』

（『知能とはなにか』記事より画像引用）

『非線形非平衡多自由度系』『ダイナミカルモデル』『ライフゲーム』

🌸世界のシミュレーターとしての生成ＡＩ２

　☆耳慣れない言葉多く、少し丁寧に読まないと理解し難いですね

⛳いつのまにか似ても似つかないものに
　☆脳のニューロンを模したアナゴリズムのニューラルネットワーク

　＊独自の進化を遂げた

　＊オリジナルとは似てないものになりつつある

　＊ニューラルネットワークとニューロンは動作原理が全然異なる

　☆トランスフォーマー、ＧＡＮ、拡散モデル

　＊文字と画像という違いはあるが

　＊意味があるものとないものを区別できる

　＊地図を作っているという点では同じだ
　☆地図があるからこそ

　＊何もないところから文章や画像を「生成」しているように

　＊見える離れ業が可能になる
　☆生成ＡＩは、多様なアルゴリズムが採用されている

　＊それらに共通するなんらかの性質がある

　☆コンピュータのほうも飛躍的に性能が向上した

　＊遠隔で自在に扱えるようになった

　☆それまでの「シミュレーション」

　＊現実にあるものを計算機で再現するという意味だった

　☆今は、みんなが「自由な」モデルで計算をするようになる

⛳非線形非平衡多自由度系とは
　☆「非線形」の意味

　＊「１たす１が２にならない世界」ということ

　＊現実世界では、複数のものが組み合わさった結果

　＊その総計以上の力が発揮されることは頻繁に起きる
　☆「非平衡」の意味

　＊平衡に達した静的な状態ではないということ

　＊例えば人口は減ったり増えたりするが

　＊これは平衡に達していないからである

　＊世の中には、平衡に達していないものが多いから

　＊「非線形」と同様にむしろ現実に即している
　☆「多自由度系」の意味

　＊たくさんの要素が集まっていること

　＊例えば、水や空気

　＊原子や分子がたくさん集まっているので多自由度系
　☆自然科学の王様みたいな物理学でも

　＊長らく「現実世界」は扱えなかったが

　＊コンピュータのおかげでできるようになった

⛳ダイナミカルモデルが生み出す限りなく現実に近い世界
　☆非線形非平衡多自由度系はコンピュータの中で実行される以上

　＊特徴は、一種のダイナミカル（動力学）モデルだ

　☆ダイナミカルモデルとは

　＊「未来は、現在と過去から決まっているというモデル」になる
　＊当たり前じゃないかと思うかもしれないが

　＊私は、近代科学が当たり前の世界に住んでいるからだ

　☆神がこの世界をコントロールしているという世界観を持っていれば

　＊自分の言動を神がどう断じたかで世界が決まると思うだろう
　☆「未来は現在と過去から決まっている」と仮定すると

　＊ダイナミカルモデルの例としてのライフゲーム
　＊ライフゲームでは、実数ではなくグレーと白の２状態のマスしかない

　＊グレーが「生」で、自が「死」である

　＊ライフゲームはその簡単さにもかかわらず

　＊極めて多彩な動的なパターンを示す

　☆ライフゲーム、マスの状態は２状態しかないにもかわらず

　＊実際にどんなパターンがでるかわからない

　＊非線形だし静的でない周期運動などもある

　☆ライフゲームは、非線形非平衡多自由度系である

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『非線形非平衡多自由度系』『ダイナミカルモデル』『ライフゲーム』

（『知能とはなにか』記事、ネットより画像引用）

『拡散モデル』『ＧＡＮ』『ＬＬＭ』

🌸世界のシミュレーターとしての生成ＡＩ

　☆少し難しいですが、読めば理解できます

⛳拡散モデルのからくり
　☆生成ＡＩは、脳の知能とは現実世界のシミュレーターである　

　☆生成ＡＩは多種多様である
　＊その裏側では、さまざまなアルゴリズムが走っている
　＊画像生成ＡＩは、拡散モデルというアルゴリズムで作られている

　☆アルゴリズムとは
　＊画像生成ＡＩの現在主流となっている「拡散モデル」

　＊既存の画像に徐々にノイズを加えてから

　＊最終的にはノイズだけの画像に変換する

　（この過程を「拡散」という）

　＊次にこのプロセスを逆回転させて

　＊徐々にノイズを消して元の画像を再現する

　＊拡散モデルでは、このトレーニングを積み重ねて

　＊ノイズから画像を作り出すスキルを身につけていく
　☆素材となる「ノイズ」を与えるだけでは

　＊機械学習が勝手に勘違いし

　＊ありもしないリアルな絵を作ってしまう

⛳ニセ画像生成装置と進化競争で画像を作り出すＧＡＮ
　☆ＧＡＮはノイズから画像を作るのは同じだが

　＊訓練方法が拡散モデルとはかなり違う

　☆ＧＡＮはノイズから画像を作る生成器と

　＊生成器が作ったニセ画像と本物の画像を判別する判別器からなる
　☆生成器はなるべく本物そっくりの画像を生成するように

　＊パラメータをチューニングする
　☆判別器は生成器の作ったニセ画像を本物の画像と区別できるように

　＊パラメータをチューニングする

　☆これを交互に繰り返し、生成器が本物と区別がつかない

　＊精緻な画像を作り出せるようにするのがＧＡＮの仕組み

　☆拡散モデルにおいても、ＧＡＮにおいても

　＊ノイズから脱ノイズして意味のある画像を作るという過程で

　＊ニューラルネットワークが使われている

　☆コンピュータにノイズにまみたの画像を与え

　＊「ノイズを取り除いたらどんな画像になりますか？」という

　＊当て物を学習させていると言ってもいい

⛳大規模言語モデルで活躍するアルゴリズム「トランスフオーマー」
　☆短い文章からハイクオリティのＣＧ動画を生成したＳｏｒａ

　＊拡散トランスフォーマーという技術が使われていた

　＊画像生成Ａｌのアルゴリズムである「拡散モデル」と

　＊チャットＧＰＴを含む大規模言語モデル（ＬＬＭ）を採用する

　＊トランスフォーマーというまた別のアルゴリズムを結合した

　＊ハイブリッドモデルである

　☆ＬＬＭで使われているトランスフォーマーのキーとなる技術は

　＊「セルフアテンション」というもので

　＊文を入力して穴埋め問題を解かせると

　＊なぜか文中の単語の関係を学習してしまう「謎機能」を持っている

　＊プロセスに、ニューラルネットワークが使われている

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『拡散モデル』『ＧＡＮ』『ＬＬＭ』

（『知能とはなにか』記事他より画像引用）

『ＢＥＲＴ』『チヤツトＧＰＴ』『生成ＡＩ』

🌸コラム（ＢＥＲＴ）

⛳基盤モデルベースで自然言語処理に最初を果たしたＢＥＲＴ

　☆チャットＧＰＴではなく、ＢＥＲＴである

　＊深層学習による一般自然言語処理がＢＥＲＴで可能な事を示した

　（基盤モデル＋転移学習という枠組み）
　＊ＢＥＲＴを提案したグーグルはオープンソースで公開した
　☆チヤツトＧＰＴとＢＥＲＴの明暗を分けたもの

　①ＢＥＲＴは厳密には言語モデルではなかった

　＊言語モデルは言語を「生成」するためのものだったが

　＊ＢＥＲＴにはそのままでは生成機能がなかった

　＊ＢＥＲＴは基盤モデルに特化したソフトでその後

　＊転移学習たるファインチューニングをして使うものだった
　➁ＧＰＴはフアインチューニングをしていなかった

　＊プロンプトエンジエアリングを駆使して使うものだった
　＊プロンプトエンジエアリングとは

　＊入力である問いを工夫することで

　＊出力が望みどおりになるように調整することを言う

　＊概念も方法も全く異なった別手法である

⛳当時すでにＧＰＴは膨大な量の学習を行っていた

　☆仮にソースが公開されても誰も転移学習たる

　＊ファインチューニングを行うことはできなかっただろう
　☆ＢＥＲＴは文章読解に優れていた

　＊ＧＰＴは文章生成に優れていた
　＊違いは主に学習の仕方の違いに起因していた

⛳２０２１年時点

　☆グーグルは、人間と見ま違う会話ができたラムダを開発していた

　＊チャットＧＰＴの作成可能と知らなかったとは想像しにくい
　＊現実にはグーグルは人間と会話可能な生成ＡＩを公開しなかった

　＊オープンＡＩは、チャットＧＰＴを広く無料公開し時代の寵児となる

　☆歴史に「もしも」はないが

　＊ちょっと状況が変わっていたら、生成ＡＩ全盛の時代が

　＊全く違うものになっていたかもしれないと思う

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『ＢＥＲＴ』『チヤツトＧＰＴ』『生成ＡＩ』

（ネットより画像引用）

『錐体ニューロンの樹状突起』『非線形非平衡多自由度系』『生成ＡＩとニューロン』

🌸ニューロンの集合体としての脳２

　☆非線形非平衡多自由度系とはカオスの事？

　☆私にはわかった気がするが、残念ですが理解できてない

⛳「謎」はニューロンに隠されている
　☆研究は、個々のニューロンの機能に焦点が当てられた

　＊知能はあくまで多数のニューロンの協働で発現するものだから

　☆個々のニューロンに焦点が当たるのは奇異に感じるかも知れが
　＊知能に関与しているニューロンと

　＊そうではないニューロンが区別できれば

　＊なんらかの知見が得られるのではないかと期待された

　☆結果、知能の基盤として重要視される

　＊錐体ニューロンの樹状突起の大きさや複雑さ

　＊より高いＩＱスコアと関連しており

　＊これが情報処理効率の向上につながると知見が得られた

　＊これはパーツの性能が知能の高低に関係しているとわかったに過ぎない
　☆ニューロンの観測や刺激で

　＊脳の機能を解明しようという研究、数えきれないのが現状だ

⛳非線形非平衡多自由度系としてのニューロン研究
　☆近年の観測技術の進展に伴い

　＊ニューロンの観測や制御は容易になり

　＊膨大なデータが集まるようになった

　☆非線形非平衡多自由度系としてのニューロンの集団としての振る舞い
　＊神経信号からニューロンのつながりを推定した研究

　＊複数のニューロンがどのような相互作用をしているかを

　＊観測データから推定する方法が提案された

　＊今後は個々のニューロンではなくニューロンの組が

　＊どのような機能を持っているかの研究も進むだろう
　☆この様に多彩なニューロンの研究が行われているが

　＊ニューロンという１種の論理素子が実際にどのように協働することで

　＊知能を生み出しているかということは杏として知れない状態が続く

　☆実際にニューロンが協働して知性を生み出しているにしても

　＊知性的な行動のような高度な機能を実現するには

　＊膨大な数のニューロンが複雑に相互作用しあって

　＊知能を作っていることが予想されるので

　＊現在の人類のデータ解析能力では

　＊与えられたニューロンの発火パターンから

　＊知能を生み出す論理回路の働きを逆推定することができない

　☆実際のニューロンの活動から

　＊カオス的な振る舞いがあることは実際に観測されている
　＊ニューロンの複雑で予測不可能な活動であっても、

　＊簡単な非線形力学則に従う決定論的な現象である

　＊自由度系であることはすでに実験的に実証されている

　☆ニューロンは、非線形非平衡多自由度系の末裔である

　＊生成ＡＩが知性を持っている振る舞いをしても驚くことはない

⛳ニューラルネットワークとニューロンは似て非なるもの
　☆生成ＡＩは知性を生み出す装置という意味では

　＊脳と同じような仕組みを持っていない

　☆ニューラルネットワークの起源がニューロンにあるとしても

　＊ニューロンの集合体としての脳の動作原理は

　＊ニューラルネットワークや深層学習のそれとは別物であり

　＊当然、その延長上にある深層学習や生成ＡＩとは

　＊似て非なるものである

　☆今後の研究では、特定の細胞型や脳領域の特性のばらつきを探求し

　＊遺伝的差異と細胞特性、認知能力との関係を解明することが求められる

　☆人類は長らく、人工知能が実現できないのは

　＊人類が知能の発現機構を理解していないからで

　＊それを理解できれば人工知能も成功するだろうと期待してきた

　☆生成ＡＩが人工知能のようなものを実現したのに

　＊その機能はわからないままだというのは

　＊大脳における知能研究の現状そのままだとも言える

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『錐体ニューロンの樹状突起』『非線形非平衡多自由度系』

『生成ＡＩとニューロン』

（ネットより画像引用）

『脳は、ニューロンにより「知能」実現する』『知能は遺伝する』

🌸ニューロンの集合体としての脳１

⛳ニューロンの集合体として「知能」を実現する脳

　☆脳は、ニューロンの集合体という形で知能を実現している

　＊ニューロンの集合体として

　＊知能を理解しようという試みは当然ある

　＊その延長上にニューラルネットワークをベースとする

　＊現在の生成ＡＩの誕生があったのもまた事実

　☆ニューロンの集合体としての脳が

　＊ニューロンがどのように働いて

　＊知能を発生させているかは、よくわかっていない

⛳知能は脳の特定領域に偏在しない
　☆脳の大きさと知能には適度な正の相関がある

　☆知能は特定の脳領域に依存するものではなく

　＊頭頂前頭ネットワークとして知られる脳全体に分布した

　＊複数の領域が協働することで成り立っていることがわかっている
　☆脳全体のパフォーマンスで

　＊知能に実現しているのが徐々に明らかになっている
　＊脳の構造という観点からは

　＊近縁の類人猿と人間の脳は大差ない
　＊構造的観点から知能を理解するのには無理がある
　＊この限界を突破しようという試みがないわけではない

　☆流動性知能

　＊複雑なタスクをパーツに分解して処理し

　＊あとで統合するという方針で知能は達成されるので

　＊脳全体で協働的に知能が発生して見えるという仮説がある

　＊だが、それでもあくまで有力な仮説というだけだ

⛳知能の個人差は遺伝に由来する
　☆知能の研究は他の側面からのアプローチも行われている

　①知能は遺伝的要因にかなり影響を受けている

　＊双子研究により知能の個人差の５０～８０％が

　＊遺伝によるものであると示されている
　＊どの遺伝子が知能に関係しているのかも精力的に調べられている

　＊結論として、ゲノムと知能の関係

　＊関係があることはわかった

　＊あまりにも多くの場所が関係していて

　＊具体的にはどう関係しているかわかりませんという状態
　➁転写されている領域と転写物の量と知能の関係

　＊細胞型や組織特異的なトランスクリブトームデータの利用により

　＊知能に関連する遺伝子が神経組織（海馬、中脳、皮質）で

　＊優先的に発現が明らかになっている

　☆多くは神経組織の発生に関わるもので、機能に関わるものではなかった

　＊転写の動的な制御が知能を司っているという知見には至っていない

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『脳は、ニューロンにより「知能」実現する』『知能は遺伝する』

（ネットより画像引用）

『人間の知能は脳で生み出す『脳＝シミュレーター』『錯覚』

🌸脳の機能としての「知能」２

⛳脳でなければヒトの知能は作り出せない
　☆脳自体の機能について物理学者による研究もかなりある

　＊脳の機能は、脳というハードからは独立には

　＊機能しないことを示唆している

　＊脳というハードとは独立に古典的記号処理パラダイムに則って

　＊論理演算だけで知能を実現することはそもそも不可能である

　＊脳から独立にカオスを取り出して再現することはできない

　☆最近、量子計算が脳の機能に重要だという研究もある

　＊量子計算は本質的に「チューリングーノイマン系列」の

　＊コンピュータでは実行できない
　☆脳はどのようなものだと思うのが妥当だろか
　＊可能性は車のようにそれ全体でなにかの機能を

　＊実行する機械装置であるとみなすことである

　＊車には様々な部品があり、独自の機能を持ってはいるが

　＊それらはほとんど単体では機能しない受動的な部品に過ぎない

　☆脳も様々な区画に分かれて、機能的な分業を行っているが

　＊その部分を取り出して機能させることに成功した例はない

⛳脳の特異性

　☆人間の臓器１つだけ取り出してそれだけで動作させるのが難しい
　＊個々の臓器はあくまで人体の中で機能するパーツに過ぎないからだ
　＊脳も臓器である以上、この縛りからは逃れられない
　＊脳の場合は、他の臓器以上に、単独ではその機能を発揮できない

　☆脳の外部の器官との連携という意味ではあって
　＊脳がそれ自身だけで機能しえないという立場としては

　＊同じ立場に立っていると考えることも可能だ

⛳脳は周囲の状況を再現するシミュレーター
　☆脳は現実のシミュレーター

　＊脳は周囲の状況を脳内で再現するシミュレーターという機械装置

　＊生成ＡＩとの関係を考えるのにも都合がいい
　☆我々が見ている世界は世界そのものではない

　＊視覚心理学の研究で我々がよく見ている錯視は

　＊情報から外界を再構成するための正統な情報処理の帰結だ

　☆我々の情報処理系がバグっていなくては成り立たない仕組みだ
　＊我々の大脳がやっていること、現実世界のシミュレーションである

　＊本来、３次元である世界を網膜に映る２次元の映像で

　＊再現することは物理的に不可能である

　☆同じ２次元の映像を作るであろう無限の３次元の配置の中から

　＊「もっともありそうなもの」を選んでいるのが

　＊我々の視覚処理であり、ある意味で錯視そのものなのだ

　　　　　　　　　　　　　　　　　　　　　　　　（敬称略）
⛳知識の向上目指し、記事を参考に自分のノートとしてブログに記載
⛳出典内容の共有、出典の購読、視聴に繋がればと思いブログで紹介
　☆記事内容ご指摘あれば、訂正・削除します
⛳私の知識不足の為、記述に誤り不明点あると思います
⛳投資は、自己責任、自己満足、自己判断で
⛳詳細は、出典原書・記事・番組・画像でご確認ください
⛳出典、『知能とはなにか』

『人間の知能は脳で生み出す『脳＝シミュレーター』『錯覚』

（『知能とはなにか』記事他より記事画像引用）