生成AI

ニューラルネットワークの「学習」を支える計算法が誤差逆伝播法です。バックプロパゲーション法、略してBP法とも呼ばれます。『高校数学でわかるディープラーニングのしくみ』の著書を読んで、この計算方法のしくみをエクセルのVBAマクロで体感することができました。

AIブームを巻き起こした畳み込みニューラルネットワーク（CNN）や記憶機能を持たせたしくみのリカレントニューラルネットワーク（RNN）をエクセルという身近なツールを使ってその仕組みを感覚で捉えることができました。

著書『高校数学でわかるディープラーニングのしくみ』を読んで感動したことは、“AIはこのような考え方で判断を下しているのだ！”ということがエクセルという身近なツールを使って、人の脳神経細胞のネットワークをモデル化したAIを体感できたことです。

自我のメカニズム研究を生涯の研究テーマにしていきたいと思うようになって、いろいろ文献を探り始めました。身体をもたない人工知能に与えられた機能の多くは、環境に立脚していないので、個人のアイデンティティをそこで形成していくことはできないことがわかりました。

自我のメカニズム研究の動向を最新ChatGPTの頭脳をお借りして調査しました。まだ遠い将来かも知れませんが、人間と人造人間がお互いに助け合いながら、共存していく世界を夢に見て、この研究を続けていきます。

主観的な意識を観測して分析できるようになったとき、つまり「意識のハードプロブレム」の壁をクリアできたときには、その技術的特異点（シンギュラリティ）が物事に及ぼす影響は計り知れないものと思います。

自然言語処理の分野においての最大の衝撃は、プログラミング言語で回答することができるようになったOpenAI社のGPT-3です。生成AIの知能にあたる大規模言語モデル（LLM）は、学習済みのデータを基に、統計的に確率が高い回答を生成します。

アイデンティティ・エントリーシステム（IES）の開発の投稿で、自我のメカニズムを究明していくことを私の生涯の研究テーマにしていきたいと思うようになってきました。自我のメカニズムの解明の前にもっと基本となる意識の解明へのアプローチがあります。

今まで社会変革を起すような会社をつくるという発想に至らなかったものをこの生成AIはその発想の原点となりました。製品のひな型設計に入るところで開発プロセスを積極的に生成AIを活用していくことで、大幅な開発期間の短縮が可能になると考えています。