SlideShare a Scribd company logo
1 of 21
HOW TO CREATE A MIND
CHAPTER3
M2
山本昇平
CONTENTS
1. THOUGHT EXPERIMENTS ON THE WORLD
2. THOUGHT EXPERIMENTS ON THINKING
3. A MODEL OF THE NEOCORTEX:
THE PATTERN RECOGNITION THEORY OF MIND
4. THE BIOLOGICAL NEOCORTEX
5. THE OLD BRAIN
6. TRANSCENDENT ABILITIES
7. THE BIOLOGICALLY INSPIRED DIGITAL NEOCORTEX
8. THE MIND AS COMPUTER
9. THOUGHT EXPERIMENTS ON THE MIND
10. THE LAW OF ACCELERATING RETURNS APPLIED TO THE BRAIN
11. OBJECTIONS
(大脳)新皮質
• 感覚認知(目に見えるものから抽象的な概念
までのあらゆるものの認知),動きの制御,空
間識から理性的な考え,言語,など私たちが
考えることと見なしてることを制御している.
新皮質の基本成分はパターン認識器から成る
• 人の新皮質には300億のニューロンが
存在する.
• 約100ニューロンで1つのパターン認識
器を構成するので,計3億程度のパター
ン認識器が存在する.
パターン認識器の構造
多入力
1出力
上位層
下位層
知覚情報
面白い,かわいい,皮肉な,など
文字”A”の認識
APPLE PEAR
単語”APPLE”の認識
APPLE
パ
タ
ー
ン
実物のリンゴと音声の”apple”の認識
曲線縁
Curved edge
表面の色のパターン
surface color patterns
I just saw an actual apple.
「apple」
音の周波数の組合せ
I just heard the spoken word ‘apple’.
パ
タ
ー
ン
パ
タ
ー
ン
認識するパターンには冗長なものも含まれる
• Keep in mind the redundancy factor.
→単に”apple”に対するパターン認識器を持っているわけではない
冗長なものはリンゴのインスタンスとしての認識の成功率を上げているだけ
でなく,現実世界のリンゴの変化も取り扱うことができる.
The redundancy not only increases the likelihood that you will successfully
recognize each instance of an apple but also deals with the variations in real-
world apples.
※redundancy 余分,冗長
likelihood 可能性,尤度
あらゆる形状におけるリンゴの認識
APPLE
入力には重要度があり,出力(認識する)には閾値が
存在する.
パターン
認識器A
パターン
認識器B
パターン
認識器C
パターン
認識器D
発火
firing 発火しない
重要度の高い人物像
特徴的な外見
パターン認識器間の情報は下位にも流れる
A認識器i
APPLE認識器
P認識器i L認識器i E認識器i
APPLE
情報は下位にも流れる
A認識器i
APPLE認識器
P認識器i L認識器i E認識器i
APPLE
情報は下位にも流れる
A認識器i
APPLE認識器
P認識器i L認識器i E認識器i
APPLE
情報は下位にも流れる
A認識器i
APPLE認識器
P認識器i L認識器i E認識器i
APPLE
情報は下位にも流れる
A認識器i
APPLE認識器
P認識器i L認識器i E認識器i
APPLE
E認識器に対する
閾値を下げよ
“APPL”を認識した段階で,現在
認識中のものは”APPLE”である
と推測する
推測はあらゆる階層で行われる
• 最も高い概念レベルでは
– 誰かが次に言おうとしていること
– 次に角を曲がってくる人
– 自身の行動の結果に対して etc.
私たちは時に,予期されるパターンの閾値を下げすぎたた
めに人や物事を誤認識する
We often misrecognize people and things and
words because our threshold for confirming an
expected pattern is too law.
閾値を上げる抑制信号も存在する
• 概念レベルの低い例
– 髭を認識した時,その人が自分の妻であるという
見込みを抑制させる.
• 概念レベルの高い例
– 自分の妻が旅行に行っていることを知っているの
で,目の前の人が妻であるはずがない.
パターン認識モジュールのモデル
新皮質パターン認識モジュール
上位層からの
抑制信号
下位層からの
抑制信号
上位層からの
予測パターン
サイズパラメータ
(時間,距離,周
波数)
重要度
サイズの変動性
出力
パターン認識器を構築するためには?
• 下位層からの入力に対する重要度,サイズ
(次元の種類),サイズの変動性を考慮した全
体的な確率を計算する必要がある.
階層的隠れマルコフモデルの適用(7章)

More Related Content

Similar to How to create a mind(3章)

Signal Study Session Pages
Signal Study Session PagesSignal Study Session Pages
Signal Study Session Pages
MizukiShirai
 

Similar to How to create a mind(3章) (7)

Signal Study Session Pages
Signal Study Session PagesSignal Study Session Pages
Signal Study Session Pages
 
Brain-Inspired Robotics and Neural Dynamics: Lecture 02 (2015)
Brain-Inspired Robotics and Neural Dynamics: Lecture 02 (2015)Brain-Inspired Robotics and Neural Dynamics: Lecture 02 (2015)
Brain-Inspired Robotics and Neural Dynamics: Lecture 02 (2015)
 
ディープラーニングのしくみと、どのように活用できるか?
 ディープラーニングのしくみと、どのように活用できるか? ディープラーニングのしくみと、どのように活用できるか?
ディープラーニングのしくみと、どのように活用できるか?
 
ギャラガー&ザハヴィ『現象学的な心』合評会 第3報告:神経科学の立場から
ギャラガー&ザハヴィ『現象学的な心』合評会 第3報告:神経科学の立場からギャラガー&ザハヴィ『現象学的な心』合評会 第3報告:神経科学の立場から
ギャラガー&ザハヴィ『現象学的な心』合評会 第3報告:神経科学の立場から
 
人工知能エージェントに「意識」を持たせるために必要な条件は何か
人工知能エージェントに「意識」を持たせるために必要な条件は何か人工知能エージェントに「意識」を持たせるために必要な条件は何か
人工知能エージェントに「意識」を持たせるために必要な条件は何か
 
第6回 KAIM 金沢人工知能勉強会 人工知能を知るために脳を知る
第6回 KAIM 金沢人工知能勉強会 人工知能を知るために脳を知る第6回 KAIM 金沢人工知能勉強会 人工知能を知るために脳を知る
第6回 KAIM 金沢人工知能勉強会 人工知能を知るために脳を知る
 
人工知能と社会
人工知能と社会人工知能と社会
人工知能と社会
 

Recently uploaded

Recently uploaded (12)

LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイスLoRaWANスマート距離検出センサー  DS20L  カタログ  LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
 
Utilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native IntegrationsUtilizing Ballerina for Cloud Native Integrations
Utilizing Ballerina for Cloud Native Integrations
 
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアルLoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
 
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
 
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
 
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
 
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半        2024/04/26の勉強会で発表されたものです。新人研修 後半        2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
 
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
 
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
知識ゼロの営業マンでもできた!超速で初心者を脱する、悪魔的学習ステップ3選.pptx
 
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
 
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
 
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
 

How to create a mind(3章)