なぜAIは「常識」を持てないのか ―常識＝断絶の集合体、オントロジーとしての常識
なぜAIは「常識」を持てないのか ―常識＝断絶の集合体、オントロジーとしての常識
AIは、非常に多くのことを知っている。百科事典より広く、専門家より速い。
それでも私たちは、ある瞬間にこう感じる。
「このAI、常識がないな」
...
ICT技術:ICT Technology
なぜ「説明可能AI」は本質的な説明にならないのか ―Explanation と Justification の違いと、ロジックと説明責任の分業
なぜ「説明可能AI」は本質的な説明にならないのか ―Explanation と Justification の違いと、ロジックと説明責任の分業
「説明可能AI（XAI）」という言葉がある。ブラックボックスではなく、判断の根拠を説明...
確率は不確実性を減らすためのものではない ―確率の本当の役割と、「曖昧さを保持する設計」という視点
確率は不確実性を減らすためのものではない ―確率の本当の役割と、「曖昧さを保持する設計」という視点
確率が出ると、人は安心する。
成功確率 82%
リスク 18%
信頼度 0.91
数字が並...
最適化が暴走するとき、何が起きているのか ―目的関数が世界を歪める瞬間と、Goodhartの法則を設計でどう扱うか
最適化が暴走するとき、何が起きているのか ―目的関数が世界を歪める瞬間と、Goodhartの法則を設計でどう扱うか
AIは最適化が得意だ。むしろ、それしかできない。
だからこそ、最適化が暴走したとき、世界そのものが歪む。
これ...
AIはなぜ「責任」を持てないのか ――判断と責任が分離できない理由と、ロジック外在化の必然性
AIはなぜ「責任」を持てないのか ――判断と責任が分離できない理由と、ロジック外在化の必然性
AIは、驚くほど正確に答える。ときには人間より速く、網羅的で、冷静だ。
それでもAIには、どうしても持てないものがある。
それが「責...
なめらかに世界を計算するための数 e と π
なめらかに世界を計算するための数 e と π
ここまで、判断・最適化・推論・実行といった「意思決定の構造」を扱ってきた。最後に、少しだけ視点を引いて、それらを“なめらかに扱うための数”について触れておきたい。
それが e と π...
人間はどこに残るのか──Human-in-the-loop の再定義
人間はどこに残るのか──Human-in-the-loop の再定義
ここまで述べてきたことを、一度整理しよう。
AIは世界を理解していない
AIが扱っているのは、なめらかな計算だけである
現実の判断には、断絶と非連続が...
なめらかな計算では、判断は表現できない ──AIと不連続性の問題
なめらかな計算では、判断は表現できない ──AIと不連続性の問題
昨日は、なぜAIプロジェクトがPoCで終わり、現場に定着しないのかを書いた。
今日はその理由を、AIが「何をしている存在なのか」という技術的な前提から考えたい。
...
AIプロジェクトは、作る前に「死ぬ」
――今だから言える、AI事前死亡診断の話
AIプロジェクトの相談を受ける中で、ここ数年、同じ光景を何度も見てきました。
PoCは作れた
デモも動いた
でも、現場では使われない
数...
ソフトマックス関数の概要と関連アルゴリズム及び実装例について
ソフトマックス関数の概要
ソフトマックス関数（Softmax function）は、実数のベクトルを確率分布に変換するために使用される関数であり、通常、機械学習の分類問題において、モデルの出力を確率として解釈する...