世の中にはチャットGPTの本やセミナーがあふれている。ああいう深層学習の考え方は2000年代からあり、音声認識や画像認識には使えるようになったが、自然言語だけはだめだった。それは言葉の文脈を機械に学習させることがむずかしいからだ。たとえば次のような質問を機械にしてみよう。
これは有名なWinograd Schemaという問題で、1972年にWinogradの著書で発表されたが、当時の人工知能では答えられなかった。「それ」が何をさすのか、わからないからだ。正しく答えるには、おもちゃと箱のどっちが大きいのか、箱をおもちゃに入れることはできないのか、といった予備知識(フレーム)を無限に学習させないといけない。
これをフレーム問題という。第5世代コンピュータではそのフレームを人間が入力したが、これでは膨大な労力が必要になり、小学3年生の国語の問題を1問とくのに1年かかった。人工知能でフレーム問題は解決できない、というのが5Gの結論だった。
しかしチャットGPTに上の質問をすると、「大きすぎたのはおもちゃです」と正しく答える。この簡単な問題を解くのに50年もかかったのは、言語をめぐる思想の大転換が必要だったからだ。
続きはアゴラサロンでどうぞ(初月無料)
おもちゃが箱に入らなかった。それは大きすぎたからだ。大きすぎたのは何か?
これは有名なWinograd Schemaという問題で、1972年にWinogradの著書で発表されたが、当時の人工知能では答えられなかった。「それ」が何をさすのか、わからないからだ。正しく答えるには、おもちゃと箱のどっちが大きいのか、箱をおもちゃに入れることはできないのか、といった予備知識(フレーム)を無限に学習させないといけない。
これをフレーム問題という。第5世代コンピュータではそのフレームを人間が入力したが、これでは膨大な労力が必要になり、小学3年生の国語の問題を1問とくのに1年かかった。人工知能でフレーム問題は解決できない、というのが5Gの結論だった。
しかしチャットGPTに上の質問をすると、「大きすぎたのはおもちゃです」と正しく答える。この簡単な問題を解くのに50年もかかったのは、言語をめぐる思想の大転換が必要だったからだ。
続きはアゴラサロンでどうぞ(初月無料)