強いAI・弱いAI の商品レビュー

鳥海不二夫(著者)

2022/08/30

中古で安く買った本。
人工知能に関する専門家たちの対談集で、タイトルの通り「強いAI・弱いAI」にトークテーマをフォーカスしている。対談なので、技術書や専門書とは異なり、気軽にさらっと読める。

元々「強いAI・弱いAI」に対して理解が不足していると感じていた上、専門書でも「強いAIは～～である」といった定義はしてくれない分野でもあり、理解を深めるにはいい本だったと感じた。
発売から5年が経過しているが、十分今でも価値はある。

2021/07/03

強いＡＩとは何かを考えたい人におすすめ。

【概要】
●人工知能に携わる複数の著名人との対談

【感想】
●強いＡＩ、弱いＡＩとは何か具体的に知ることができた。
　汎用型ＡＩと強いＡＩの違いについても理解することができた。
●強いＡＩに関する解釈は、人によって異なる部分があるが、その定義は重要ではなく、その実現を社会の何に役立てていくかが重要である。
●本書に書かれている技術には、まだ見えていない部分もあるが、何年かした先に飛躍的な技術の進展があったとしたら、また振り返って本書を読むのも面白いだろう。

2020/04/05

松尾豊氏、松原仁氏など9名の研究者に強いAI・弱いAIという切り口で、インタビューを行い人工知能を紐解きます。強いAIとは自我、自意識を持つとするも、数学の発展、身体性が重要、脳科学からとそのアプローチの方法は様々です。強いAIへの道は人間の自我・自意識の解明と歩調を合わせた合わせた長い旅になりそうです。

2018/12/08

学者たちがAIについて語っていく本。面白い考え方があるにはある。拾うのが大変。

人は本能的に「コンピューターに意識や知能を持たれたくない」と考えている。特に西洋はその傾向が強い。人間を霊長類(top)と捉えている。
中国人の部屋ー相手の応答に合わせて何を返すかを選ぶという作業が知識。
環境ーパターン処理ー記号システムー知識・社会、DL以前はパターン空間（特徴量空間）をうまく処理できず、すぐに記号につなげていた。
片付けロボットができたらいい。

AIには本能というものがない、恐怖感とか。恐怖心がないおかげで新しい見方ができるという点もある。

記号設置問題、カップとはなにか、形なのか、用途なのか。カップのように使えるバケツはカップなのか

2018/02/20

数式的な専門書ではなく、各業界のＡＩに対する「感触」をインタビュー形式で記載されているので、「雰囲気」をつかむにはとても面白く読めました。
「強いＡＩ」「弱いＡＩ」に対する評価も人それぞれという印象でしたし、専門家でも意見がわかれるところも面白かったです。

2018/01/20

現在のAIと今後のAIの進みそうな方向についての対談集。

AIの研究者が大半を占める中で羽生善治さんとのお話があるのが、面白いところでした。現在の機械学習の延長に汎用AIがなさそうだということはわかりました。

機械学習や深層学習以外にも様々な研究をされている方々がいるので、どこかで成果が出るといいなあと思いました。

（以上、ブログ全文です。）

ブログはこちら。
http://blog.livedoor.jp/oda1979/archives/5321284.html

2018/01/13

2018/01/12：読了
　インタビュー形式の本

人工知能を皮膚感覚で理解する／読みやすさ
1）人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質
2）強いAI・弱いAI 研究者に聞く人工知能の実像
3）人工知能は人間を超えるか ディープラーニングの先にあるもの

人工知能を体系的に理解する
1）人工知能は人間を超えるか ディープラーニングの先にあるもの
2）強いAI・弱いAI 研究者に聞く人工知能の実像
1）人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質

2017/12/02

研究の世界でも個人が優秀な論文を書くことよりも、より多くの論文を書ける人を集めた方が、大きな成果を出せるということで、実際にそれが現実になってしまっている。戦争に例えると、最前線での鉄砲の撃ち合い、戦車や軍艦の直接の戦いも戦争だが、物資の輸送や補給といった兵站も戦争、軍事費を稼ぐ経済活動も戦争の一部。古代では兵士と兵士の直接の戦いが勝敗を決してたが、近代になると兵站や経済力が重要になり、勝敗を決するのは後者の優劣に変化した。ここ20年くらいで情報科学の世界は大きく変化し、ビジネスと結びついた形の研究の優位性が急激に高まった。研究を続けることが競争力いｎ繋がらなくなった。昔は研究者は産業や社会を意識するｋとおなく研究に没頭すればよかった