  |
はてなキーワード:NP完全問題とは
データを集め、確率を計算し、そこから最適解を選び出す。そういう構造があるのは事実だ。だから「まったく違う」と言い切るのも嘘になる。
だが、それを「AIって結局は統計だろ？」なんて一言で片づけるのは、あまりに横暴だ。
統計そのものを動かす理論や数理、そこに積み上げられたアルゴリズムの厚みを無視してしまっているからだ。
たとえば俺が本気で勉強したときにぶん殴られたのは統計の延長で片付けられないようなもっと複雑でもっと美しい構造だった。
だから、この言葉にモヤモヤするのは「半分は当たっているけど、半分は外している」から。
その両義性を理解せずに「統計だろ？」で済ませるのは、ピアノの音を聴いて「ただの鍵盤を叩いてるだけだろ？」って言ってるようなものだと思う。
そこで、AIの仕組みについて漠然と理解している人のためにおすすめの本を三冊紹介する。
ここで紹介する三冊は、そんな俺のモヤモヤを実際に言語化してくれた本たちだ。
難しいし、読み進めるのに何度も心が折れかけた。けど読み切ったとき、AIは統計か？それとも統計じゃないのか？という問いが、ようやく立体的に見えるようになったんだ。
だから是非一読してみてほしい。険しい山ほど、山頂からの景色は美しいものだから。
著者：Christopher M. Bishop
けど、それでも読み進めると「機械学習ってバラバラなアルゴリズムじゃなくて、確率という一本の軸で全部つながってるんだ」って感覚が急に開けてくる。
ロジスティック回帰もSVMもニューラルネットも、ぜんぶ親戚だったのかよ！って衝撃。
何度も挫折しかけてはメモ書きしながら戻って、理解できた瞬間に鳥肌が立つ。
俺にとって本書は、AIという森の入口に置かれた地図そのものだった。
著者：Michael Sipser
PRMLとは真逆の本。ここではただ無機質なオートマトンやチューリングマシンのみ。
「計算ってそもそも何なんだ？」っていう根本を突きつけてくる。AIだってこの枠組みの外には出られない。
NP完全問題の章なんか読んだ暁には「世界にはどう足掻いても効率よく解けない領域がある」って現実にぶん殴られる。
AIが万能に見えても、その背後には絶対の限界があるんだと分からされる。
ここを通ると、妄信的に「AI最強！」なんて言えなくなるしいい意味で冷や水ぶっかけられる本。
AI万能説が唱えられる昨今、この一冊を読み理解することでAIの本質を理解できるようになるのは確かだ。
著者：Ian Goodfellow, Yoshua Bengio, Aaron Courville
PRMLで仕組みの家系図を見て、計算理論で壁にぶち当たったあと、ここに来ると「でも実際に世界を変えてるのはこっちだろ」って現実を知ることができる。
CNNがどうやって画像を認識してるのか。RNNがどう文章を扱ってんのか。GANがなぜフェイクをリアルにするのか――それが手元の紙と数式の上でほどけていくと、ニュースのAIが急に手触りを持つ。
もちろんクソ難しい。何度も心折れた。
でもここにいまの世界の心臓部があるって思ったらページを閉じられなかった。
読み切ったあと、AIは魔法じゃなくて地道な科学だって確信が腹の底に残る。
名著。
数式だらけで頭が痛くなるし、途中で本を閉じて「俺には無理だ」って投げ出したくなる瞬間が何度もあった。
だけど不思議とまた戻ってきてしまう。何故か？何故ならそこにワクワクがあるからだ。
ページをめくるたびに「うわ、こんな発想があるのか！」って驚かされる。
統計だけじゃない。論理だけじゃない。人間の思考を真似しようとした末に生まれた知恵の積み重ね。
それを追体験するのは、ちょっとした冒険みたいなものだ。難しさと楽しさが同じ場所にある。
白状するが、当時は俺もそう思っていた。
実際に学んでみればそれがどれだけ奥深く、そして人間の営みそのものみたいに豊かな世界だったかが見えてくる。
だからもし、ここまで読んで「ちょっとやってみるか」と思った人がいたら、迷わず飛び込んでみてほしい。
でも、そのうち泳げるようになる。スイスイ泳げるようになる。それも保証しよう。
そして気づくはずだ。
巨人の肩に乗って見える景色は、めちゃくちゃ美しいんだなってことを。
Permalink |記事への反応(23) | 15:29
よし、論破してやろうか。
貴様の主張、聞いてる分には香ばしいが、冷静に分解してやると、根本から論的に破綻しておる。
以下、順を追って徹底的に粉砕してやる。首洗って待ってろ。
→証拠はどこだ。
定義もない。「テック右翼」なる造語の定義すら不明瞭。何をもって右翼とし、何をもって論理的思考力が低いと断定しているのか、全く根拠が提示されていない。
定義なき分類、エビデンスなき断定、それは論理ではなく妄想だ。
学術的な議論の世界で「○○は××が苦手である」という命題を立てるならば、
・サンプル数
・測定手法
・バイアス除去
などが最低限必要だ。
だが、ここには感情と印象だけがある。ロジックのロの字もない。
→寝言は寝て言え。
・プログラミングやアルゴリズムは「手続き的思考と抽象化能力」が問われる。
暗記でどうやってナビエ・ストークス方程式を解くんだ？
丸暗記でNP完全問題を解決できるなら、とっくにP=NP問題は解かれてるわ。
「理系は暗記だけ」と主張する者は、単に理系学問の本質を知らないだけだ。
見識の狭さが露呈しているぞ。
→文系にも理系にも、論理は要る。が、「論理＝文系」は飛躍だ。
論理的文章力が要求される場面は文系に多い。確かにそれは正しい。
だが、理系には
といった「形式的・記号的な論理」がある。こちらの方が遥かに厳密だ。
リアルタイムでの論理的対話能力＝知的優位などという短絡的な発想は、むしろロジックを軽視する者の特徴だ。
論理とは、命題と命題の妥当な接続であり、倫理とは価値判断だ。
この二つを混同して語ってる時点で、貴様の文章が論理的でないことの証明になっている。
まず「理系は人文系を見下してる」という全体化された主張自体が誤謬（ステレオタイプの適用）だ。
しかも「AIが人文系を不要にする」というのは、個人の意見であって、理系全体の総意ではない。
個人の過激な意見を拾ってきて、それを全体に敷衍するのは「藁人形論法」だ。
知ってるか？ Strawman Fallacy ってやつだ。論理の初歩。
貴様の主張は、
この五重苦に陥っておる。
これで「論的思考ができる」などと自称するとは、自己矛盾の権化だな。
以 上。
世間では理系とひとくくりにされがちだけど、自然科学系の理系と情報系ではかなり本質的に性質が異なるんじゃないかと思った。
自然科学は相手が自然なので、『全てを把握できるわけではない』という意識がまず前提にあると思う。それは別に不確定性原理でもいいし、もっと単純にモデル化して近似しないとほとんど何も計算できないという現実でもいい。
対して情報系では、扱う対象がそもそも『人が作ったシステム』であり、基本的には『本質的に全てを把握できるもの』だ。ゲーデルの不完全性定理とか、NP完全問題なんかの話もあるが、これらをまともに扱う人間は情報系の中でもごく一部ではないかと思うし、述語論理のような完全システムを構成することも可能だ。
何を言いたいかというと、世間一般に流布している『理系は頭が固くて融通が利かない』というようなイメージは、理系の中でも情報系の人間によるところが大きいんじゃないかと思ったということだ。
それが良いとか悪いとかいうことではなく、刷り込まれた思考の様式として、情報系の理系は何事にも『完全なシステム』を構築しようとするケースが多いんじゃないかと思う。
なぜそんなことを思ったのかというと、俺は物理出身なんだが、全くいい加減でテキトーな人間なんだ。世間で言われるような『キッチリカッチリ』というようなイメージの対局にいる。だから(特に理論)物理学の『まぁ大体こんなもんでしょ』という大雑把さがとても肌に合っていたのだ。
もちろん単なる性格の問題と言うのもあるとは思うが、周りの情報畑の人間を見る限り、専門分野の雰囲気による影響というのも結構あるんじゃないかと思ったのだ。
