チャールズ・サイモン、Brain Simulator IIの著者 – インタビュー・シリーズ

チャールズ・サイモンは、Brain Simulator IIの著者であり、Brain Simulator IIは、エンドツーエンドのArtificial General Intelligence（AGI）システムを作成することを目的とした無料のオープンソースソフトウェアプロジェクトのコンパニオンブックです。

オリジナルのBrain Simulatorソフトウェアは1988年にリリースされました。ソフトウェアの世界では、これは非常に長い時間です。Brain Simulator IIは、その前身よりもどれほど進歩していますか?

今日のシステムは、元のシステムよりも約100万倍高速です。オリジナルのBrain Simulatorは、FORTRANで書かれ、IBM ATクローンで動作し、最大1,200個のニューロンをサポートし、約2サイクル/秒の速度で計算しました。一方、今日のプログラムは、ネットワークで動作し、パワフルなデスクトップCPUで約25億のシナプス/秒を処理できます。

この本は、エンドツーエンドの人工知能を作成することを目的としたオープンソースソフトウェアプロジェクトであるBrain Simulator IIについてです。このソフトウェアを実行するには、どのようなコーディングの経験が必要ですか?

コーディングの経験は必要ありません。如果あなたがプログラマーでない場合、Brain Simulatorと時間を過ごすことで、ニューロンの能力と限界、知識表現について少し学び、独自の制限付きネットワークを構築することができます。如果あなたがプログラマーである場合、より深い技術的な説明に従って、システムをより高度なAGI戦略に拡張するための独自のモジュールを構築することができます。

AGIを達成するために、AIの生物学的根源に戻ることはなぜ重要ですか?

1980年代の考え方は、十分に大きなニューラルネットワークを構築できれば、それは自発的に知能を獲得することができるというものでした。40年が経過した今、このシナリオはますますありそうにありません。したがって、クラシックAIアプローチがAGIには適していない場合は、異なるアプローチを検討し、唯一の動作するAGIモデルである人間の脳を調べます。

同時に、生物学的妥当性に固執する理由はありません。たとえば、人間の脳は、2つの目で受け取った画像のわずかな違いを基に、物体までの距離を推定できます。これは、3D映画の基礎です。ただし、脳でこれがどのように機能するかはわかっていません。代わりに、幾何学を使用して距離を推定するモジュールをプログラムしました。人間の脳がこのように機能することはないかもしれませんが、幾何学的なアプローチは、おそらく高速で正確です。

あなたは本の中で、AGIにはロボティクスが必要であると述べています。これはなぜ重要ですか?

盲人に色を説明したり、聴覚障害者に音楽を説明したりすることを考えてみましょう。もし、将来のAGIが単にコンピュータ上的プログラムである場合、3歳の子供が知っているような基本的な事柄をどのように理解することができますか? 子供は視点を持ち、現実に囲まれています。子供は、物体が現実に存在し、多くの物体を操作できることを知っています。ブロックを操作することで、子供は形、サイズ、剛体性、重力、視覚的遮蔽、距離などについて学習できます。自律移動、視覚、操作によって、AGIは、テキストや画像データのみに頼るプログラムよりも、より基本的なレベルで現実について学習できます。

ロボティックAGIが現実の物体について基本的な理解を獲得した後、その知識はノンロボティック思考マシンに複製できます。視覚や聴覚を失った人と同じように、別の方法で事物を理解することができます。

Brain Simulator IIの重要な側面の1つは、バックプロパゲーションを使用しないことです。このアプローチを採用しなかった理由は何ですか?

あなたの脳はバックプロパゲーションを使用せずに動作します。したがって、AGIはバックプロパゲーションを使用せずに可能である必要があります。実際、バックプロパゲーションは生物学的モデルと根本的に相容れないものです。バックプロパゲーションは、シナプス重みを相当の精度で感知および変更する必要があるためです。Brain Simulatorを使用した後、シナプス重みをある程度の精度で設定することは非常に難しいこと、シナプス重みを正確に感知することは不可能であることを確認するでしょう。根本的な問題は、発火するニューロンがシナプス重みを変更するが、シナプス重みを感知するにはニューロンを発火させる必要があるため、シナプス重みを変更せずに感知することはできないということです。

バックプロパゲーションには生物学的アナログがなく、非常に強力な統計的手法であると考えています。多くの人がバックプロパゲーションを使用しており、一部の人は優れた結果を出しています。私のポイントは、スパイクニューロンとプラグインソフトウェアモジュールを使用して、AGIの問題に異なる視点からアプローチすることです。

脳を調査すると、無秩序性とランダム性が見られます。これは、真のAGIが現れるためにソフトウェアシステムに導入する必要があるものですか?

私はそうは思っていません。個々のニューロンやシナプスを見ると、その機能は決定論的であり、トランジスタと同様です。脳では、ノイズレベルが高く、情報成分が明らかな順序にないため、ランダム性のように見えます。しかし、視覚を考えてみましょう。テキストを明確に読むことができ、読み取りプロセスには無秩序性やランダム性はありません。したがって、少なくとも視覚皮質はかなり信頼性が高く繰り返し使用可能であると結論付けることができます。ただし、調査すると、他の部分の脳と同様に無秩序に見えます。したがって、他の部分の脳も、視覚皮質と同様に信頼性が高く繰り返し使用可能である可能性があります。ただし、組織や秩序はまだ見えません。これは、中国語を読むのと同様です。私にとっては、無秩序でランダムなマークですが、言語を読める人にとっては、絶対的な組織があります。ただし、脳の内部言語はまだ読むことができません。

あなたは、ユニバーサル・ナレッジ・ストア（UKS）と呼ばれる概念を導入しています。簡単に説明してください。これは何ですか、それが重要な理由は何ですか?

ロボティクスについて考えたことを思い出してください。一般知能の1つの側面は、さまざまな感覚からの知識を統合する能力です。あなたは、ブロックについて知っていることを、ブロックを見たり触れたりすることで、またはブロックについての言葉を聞くことで知っています。すべてこれらは、ブロックについての情報を表します。したがって、AGIが同様の能力を持つには、幅広い異なる情報を扱い、さまざまなアイテム間の有用な関係を作成できる一般的なストレージメカニズムが必要です。UKSは、非常に一般的な方法で知識グラフであるため、任意の種類の情報と関係を扱うことができます。

UKSは、迷路アプリケーションに必要な空間情報や、迷路を移動して目標を達成するために使用される決定と結果のツリーを保存できます。同様の構造は、単語を色と関連付けるために使用されます。このような汎用性は、AGIに不可欠です。

AGIが現れるまでの時間枠は何ですか?

難しい質問です。すでにAGIに必要なハードウェアを持っています。1つのブレークスルーが必要なだけです。それはいつでも起こり得ます。ブレークスルーを説明してみましょう。

もし、あなたが知っていることが「赤は色である」と「青は色である」だけだったら、色の名前を尋ねると、「赤」と「青」と答えることができます。問題は、AGIが「は～である」という関係をどうやって学ぶことができるかということです。私はその関係を簡単にプログラムすることができます。しかし、その場合、AGIは新しい関係を学ぶことができません。子供は、近い/遠い、大きい/小さい、先/後、前/後などの関係を学ぶことができます。しかし、これらは、サイズ、距離、時間などのさらに基本的な概念に依存しています。

どのようにしてニューロンの集まりがこれらすべての基本的な事柄を学ぶことができるのでしょうか? これは、ロボティクスの必要性に結びついています。AGIは、どこかへ行くことができない、または何かに触れることができない場合、距離の概念をどうやって学ぶことができるのでしょうか? これは、ユニバーサルストレージの必要性にも結びついています。AGIは、どこかへ行くことをどうやって理解することができるのでしょうか? これは、場所と時間の概念を組み合わせたものです。どこかへ行くことは、比較的簡単です。どこかへ行くことをどうやって理解するかが、はるかに難しいです。我々は、これらすべての基本的な質問が、同じ根本的な問題の表れであると考えています。その問題の解決が、必要なブレークスルーです。

多くの人は、この質問に取り組んでいません。主な理由は、真に成功した場合、3歳の子供の能力を持つAGIを作成するには3年、10歳の子供の能力を持つAGIを作成するには10年かかるため、短期的な利益は見込めないからです。したがって、解決策は、おそらく、問題に取り組む時間とエネルギーを持つ小規模な独立した研究者から来るでしょう。

Brain Simulator IIまたはAGI全般について、他に共有したいことはありますか?

ニューロンやシナプスを使用して、これらの基本的な問題に対処する回路を設計するときに、概念が数十のシナプスによって表現されるのではなく、数十のニューロンによって表現される必要があることを結論付けることができます。つまり、脳の容量は、一般的に考えられている数十億のものではなく、数百万のものに限定されているということです。したがって、1000万のものしか理解できないAGIは、少なくともこれらの基本的な概念を把握することができます。コンピュータシステムが1000万のものを表現することは、今日のハードウェア、ひょっとすると今日のデスクトップコンピュータでも可能です。

Brain SimulatorのV1.0リリースは、実際には「成熟」したリリースです。現在、容量と洗練されたUIが備わっており、より広い研究対象者にとって非常に役立つものになっています。これは、コミュニティプロジェクトであり、開発チームが成長し、エンドユーザーも増えています。私たちは一緒に、新しいアイデアを試し、知能とAGIの基本的な質問について進歩を遂げていきます。

素晴らしいインタビュー、ありがとうございます。常にAGIについて話すのは面白いです。もっと知りたい読者は、Brain Simulator IIを読むことをお勧めします。