数学を初めとした理系の学問と哲学について 10
レス数が1000を超えています。これ以上書き込みはできません。
哲学が何の役にたっているのか誰にでも分かるように説明できる人いる? 哲学って自分が役に立ってほしいと思っている人たちの役にたってればそれでいいのかな >>950
>私の主張は独断論ですよ
もっと早く言えよ
自信満々に絡んで来るからこいつの相手していると思索が深まるかなと思ったが同じことを何度も何度も言わされて本当に時間の無駄だった
>「独断論を区別するべき」だとね
よくわからない
独断論と独断論でないものを区別するべきだということなのか(犬と猫とに区別する)独断論の中であれとこれに分けるべきだということなのか(犬の中でチワワと柴犬に区別する)
前者の場合独断論を区別するべきだと言うことが出来るという主張は独断論と独断論でないものの両方が存在することが前提になっているが
君はまだ独断論でない証明がありえることを独断論でない方法で証明していないつまり独断論でないものの存在を主張できる立場にないのに何言ってんだろって感じ
後者の場合唐突過ぎて独断論を何と何に分けるのかよくわからない
>aとかXを認識しているのです
君は区別の基準に無頓着なんだね
ある動物を犬か猫かに区別しようとする時はそれに先立って犬という概念と猫という概念が成立していないといけない
犬とは何か猫とは何かがわかっていないとこれは犬だこれは猫だと判断できない
つまり区別するための基準が成立していないと区別できないということ
しかし犬とは何か猫とは何か何を犬と呼び何を猫と呼ぶかは恣意的であってそこに独断論が成立してしまう
恣意的に前提を置いて区別できましたと言うだけなら誰でもできる
>漏らした?
>>948に書き漏らしたということ
>例え話も含め、貴方の話は妄想が多いですね
例え話が実話なわけないだろ >>958
ディープラーニングだと教師データを一切与えなくても、猫画像とか犬画像に分類できるよ。
つまり、猫や犬という概念がゼロであっても、大量の画像データから猫や犬をクラスに類別できるということ。 >>959
残念ながら俺は人間の話をしているんだ
>ディープラーニングだと教師データを一切与えなくても、猫画像とか犬画像に分類できる
について詳しく教えてほしい
どのようにしてそれが可能になるのかを ↓は、6年前の記事だから、その2012年には出来ている技術。
米Googleは26日(現地時間)、同社の「Google X Labs」が人間の脳をシミュレーションする研究で
大きな成果を挙げたと発表した。コンピューターが猫を認識する能力を自ら獲得することに
成功したという。自動運転車の研究などでも知られる同研究所は、人間の脳の働きを
シミュレーションするために大規模なネットワークを用いる新たの方法を開発。
このシステムにYouTubeの動画を1週間見せつづけたところ、猫がどういうものかを学習し、
猫を認識できるようになったという。
従来の技術でもコンピューターに画像を見分けさせることは可能だが、例えば人間の顔を
コンピューターに自動選別させるには、人間の顔がどういうものかを人間がコンピューターに
教育する必要がある。しかし、今回の研究成果では、コンピューターは猫がどういうもので
あるか人間に教えられること無く、自力で理解した。これは機械学習の「self-taught learning
(自己教示学習)」と呼ばれるものだという。
こうした研究は画像の識別だけでなく様々な分野への応用が期待される。今回の研究では
1万6000個のCPUを接続したが、人間の神経回路は100兆もの接続があるとされる。
したがって「研究はまだ成長の余地がたくさんある」とGoogleの研究者は語っている。 どのようにして
が書いてある記事の方が質問者に親切じゃね? そもそも機械学習の分類の仕組が分かっていないといけないね。だから、分りやすく
「教師あり学習」で説明してみよう。たとえば、画像や動画から、猫の顔を検出する
分類器を実装する例をあげてみよう。
まず機械学習の訓練データで必要になるのは猫顔画像セット(正例・正解データ)と猫顔で
ない画像セット(負例・誤謬データ)を用意する。だから、後者は犬の顔とか、人間の顔、
あるいは建物でも、ドラえもんの顔でも、猫の顔以外のデータなら、何でもいいでしょう。
ただ、訓練にするには他の動物の顔写真が一杯あった方が良さそうだ。そして、
SVM(サポート・ベクター・マシン)などで、正例と負例をより分ける関数を作って、
入力された画像データに対して、ある閾値で猫顔か否かを判別できるような分類器の
アルゴリズムと閾値を実装する。 ただし、機械学習で使う画像認識は、そのままだと膨大な次元数(640×480のカラー画像で約92万)で
表現されるので、そのままだと計算量が膨大になり情報に冗長性が生じるので、上手く学習
出来ない。だから、次元削減などして正規化してあげて、学習しやすくしてあげる。要は猫の顔の
特徴量を抽出できればいいだけのことなので。特徴量は、ベクトルで数学的に表される。
それはたとえば局所的な明暗のパターンを符号化したり、テクスチャの形状違いをベクトルで
表す。ツルツルの顔では猫っぽくないだろう、毛で覆われた顔の方が猫っぽいテクスチャー
だろうという感じで機械学習が進んでいく。
そして、注目画素とその周辺画素の近傍ごとの輝度の違いや大小を見つけたり、それらを
数学的にパターン化していく。たとえば、注目画素より明るい画素は白で1と表現し、暗い画素は
黒で0という感じで近傍画素を計算していき、それをベクトルで特徴量としてとらえていく。
すると、その特徴量のベクトルのパターンで、対象画像がどんな質感のものかがだんだん
分かってくる。そのテクスチャーがツルツル、あるいはザラザラしてたら、これは猫の顔では
ないな、という風になる。 そんな感じで、対象画像を隈なく走査していき、ターゲットである猫顔の特徴量が見られた対象を
未知の画像や動画から検出できた時、それで上手く猫顔を機械学習できたことになる。
これがテンプレートマッチングと呼ばれるもの。あとは、検出精度を上げていけばよく、
機械学習で正解出来なかったもの(誤検出)は、再度、負例として教師データに入れてあげれば、
猫顔分類の学習精度はどんどん向上していく、というプロセスになる。あえて難しい猫っぽい顔
だけど違うという分類困難なデータを訓練データに入れたりして、紛らわしい画像も正しく分類
できるようにしたりする。 ディープラーニングと言えば、NN(ニューラルネットワーク)なので、
ついでにそれにも触れておこう。m次元のベクトルxをn次元の
ベクトルyに写す写像fを推定するのが、ニューラルネットワーク。
入力層のユニットに入れるデータが各xで、それは中間層や各層の
ユニットを経て、出力層で各yとして出力される。これも機械学習と
同じでベクトルで表現されたもの。NNでは、重みづけパラメータに
行列表現も使われる。各ユニットで関数に重みづけのパラメータが
乗じられ、活性化関数δとしてはシグモイド関数がよく使われる。
シグモイド関数は、入力xに対して、出力yが0〜1の値域を取るように
なっている関数で、イメージ的には0か1の値だけを取る階段関数に似ている。 そして、関数、もしくは写像fのモデルに適当なパラメータの初期値を与え、
それを徐々に更新しニューラルネットワークがより適切な各パラメータを
取れるようにする。このパラメータ更新の際に使われるのが
確率的勾配降下法(SGD)や誤差逆伝播法(バックプロパゲーション)などの
アルゴリズムが使われる。学習率αというパラメータや各パラメータの
偏微分などを使って、各データが更新されていく。
誤差逆伝播法は出力層に残った正解との誤差を今度は逆向きに、すなわち
入力層に向かってその誤差を伝播させて、その過程で重み付けパラメータや
バイアスを調整・修正していく手法で、NNでよく使われる学習手法。 NNがこれら一連の処理をしながら、正解データとの誤差や損失関数
を小さくするよう正しく学習し、対象を適切に分類できるようになる。
そこでNNの各層で各パラメータをより適切なものに調整・更新していく。
NNでは交差エントロピー誤差や2乗誤差が使われるけど、これらの誤差を
なるべく小さくして、学習モデル(回帰)や分類器をより精度の良いものに
していくということ。
たとえば、集合AのクラスA={a1,a2,a3,a4,…,an}となるn個の分類項目が
あるとして、あるデータxをNNの入力層に入れて上げると、それがAの
どの項に分類されるかのが正しいかを上記のアルゴリズムをもとに計算し、
最後に出力層でそれが求まるということ。x3のデータなら、a8に分類する
のがいいとなれば、この考え方は写像の単射と同じになる。全部に当たって
いれば全射、各aに一個ずつ各xが分類されたら、それは写像で全単射になる。 >>961
>猫がどういうものかを学習し、猫を認識できるようになった
って書いてるのに
猫や犬という概念がゼロであっても、大量の画像データから猫や犬をクラスに類別できる
と言えるのか?
>>963
教師データなしで分類が可能になるのはどのようにしてかという質問に対してどうして教師データありの場合の話をするの?
教師データなしの場合については説明しないの? 「教師なし学習」は、正解データや正解ラベルなしで、機械学習が自律的に進んでいくもの
だよ。膨大なデータをコンピューターに解析させることで、そこにある一定の構造やパターン、
特徴量、法則、傾向性が見られる対象物を自動的に検出したり、当該カテゴリーとなる属性や
特定の対象物を「教師なし機械学習」の場合は、人間の手を経ずに自律的にその定義まで
行えるということ。
だから、猫とはこういうものだと人間が予め定義しなくても、すなわち、正解データを
教師データとして事前に付与しなくても、コンピューターの側が膨大なデータの中から、
そこに同一の特徴のある対象物、たとえば猫などを自律的に分類していく。そのため、
「教師なし機械学習」では人間が気付かないような未知の分類項目をデータマイニングと
して検出できることもあるだろう。人間の直感や認識からは決して導出できないような
パターンや法則性を膨大なデータから検出出来る。AIのブラックボックス化にも
そうした類似の構造があるだろう。 この教師なし機械学習が自律的に進むためには、報酬がネックとなる。
上手く学習出来た場合は報酬としてポイントを与えるようなアルゴリズムにすれば、
機械学習は自律的にその報酬を最大化するような方向へ学習を進めていくので、
それで精度なり分類器の向上も見込めることになる。得点を最大化する方向で
探索やデータマイニングを進める、という表現でもいいだろうね。 >>971
人間が定義をしていないだけでAIが自ら定義を産み出しその定義を基に分類しているのなら結局区別するための基準が成立していないと区別できないということに変わりないよね >>973
AIが定義を産み出しているわけじゃなくて、単に分類できれば形式的な数学をはじめとしたプログラミング理論は成功したことになるからいいんだよ
コンピュータや数学を形式的に利用している人間にとって成果があればいいわけだからね。区別しているか否かという本質的な区別は後付で
人間が、おぉ猫抽出できたじゃんと満足できるか、なんだよドラえもんまで抽出してるアホ解析じゃねーかと不満に思うかで本質的に区別される >単に分類できれば形式的な数学をはじめとしたプログラミング理論は成功したことになるからいいんだよ
そんなことないよ、成功したと言い張るあなたの自己満足、たんに自己主張を認めさせたい願望だ
>本質的に区別される
それは個人の好き嫌いにすぎない、おまえの思い込み、 そんなことないよと言い張るのは975の好き嫌いにすぎないという自己主張を認めさせたい願望
そのお思い込みは数学的な形式的正解に基づいたすばらしい見解
哲学的には自己肯定への渇望からくる心理的反応の正しい表出 >>974
>AIが定義を産み出しているわけじゃなくて
>>971に
>人間の手を経ずに自律的にその定義まで行える
とあるけど?
>分類できれば形式的な数学をはじめとしたプログラミング理論は成功したことになる
確かにそうだ
だから>>959の一行目を説明できたことになるけどその一行目の説明と二行目とがつながらないよね
一行目の説明について
>人間の手を経ずに自律的にその定義まで行える
としている以上二行目の
>猫や犬という概念がゼロであっても
には絶対につながらないよね >>977
寝起きで早合点してしまったから一部訂正するわ
>分類できれば形式的な数学をはじめとしたプログラミング理論は成功したことになる
確かにプログラミングは成功したことになるけど数学まで成功したことにはなるのか
その点についても説明しろ
そもそも数学の成功って何だよ プログラミングに用いた数式が成立してるということ以外に逆になんかあんのか?w >>979
そういうことか
馬鹿は何考えているのかわからないからもっと笑えることが言いたいのかと思ってしまった 974を書いている人と、その前に一連の機械学習について書いている人=自分は
別人物だからね。数学使わないで直感で認識すると、このように混同し、判別
出来なくなる例だな。少しは勉強し給え。 学習もしないで、能書きばかりで笑える。
無知蒙昧で、議論出来ると思っているの。
質問するだけのクレクレ星人。
自らはなにも学ぼうとしない愚劣なクレーマー。
そのくせ、態度は横柄。 >>982
君があれは自分の書き込みでないと言うことも俺があれは君の書き込みだろと言うこともどちらも証拠を提示できないんだよ
それを踏まえて聞くがここ数日における君の書き込みはどれだい? >>981
ついでに言っとくとどの書き込みを誰が書いたか見分けることと数学との関係について説明してもらえるかな >>987
誰かの頭の悪さを白日のもとに曝したとしてもそれによって自分の頭のよさを主張することはできない
両者の間には因果関係も相関関係もないから
どういう思考過程を経て>>980から>>987に至ったのか説明してほしい
全く新しい論理の発見につながるかもしれない 反論できなくてくやしいのはわかるけどちょっと低レベルだよね >>991
プライドをずたずたにしてごめんね
もうすぐ1000だし次スレでは気を取り直してまた書き込んでね >>958
>自信満々に絡んで来るからこいつの相手していると思索が深まるかなと思ったが同じことを何度も何度も言わされて本当に時間の無駄だった
嘘を言ってはいけませんよ
貴方に限りませんけど、ここには
ストレス発散してるだけのポンコツしかおりませんのでね
>よくわからない
当然後者ですよ(いや、わかるでしょ普通)
貴方は、数学も独断論だし、物理学も独断論だと思っているでしょう
その中で、数学、物理学、哲学、・・・というふうに、ちゃんと区別できているでしょう
>君は区別の基準に無頓着なんだね
そのとき、基準を認識しますよね(より長い、より高い、より熱い、などなど)
で、その前提として基準を構成する要素を認識している
つまりですね、問答無用に「区別できること」が前提なんですよ
なぜなら、認識することは、それをそれ以外と区別することだからです
>例え話が実話なわけないだろ
それならリーマン幾何とか見栄をはらずに(本当はよく知らないのでしょう?)
おとなしくマンガの例でもした方が良かったのではないでしょうか ああ、それから
恣意的についてですけど(ソシュールでも齧りました?)
恣意的というのはですね、必然性が無い、ということなんですよ
つまり基準が無い、ということです
ですから貴方の理解はちょっとおかしいですね
ちなみにですけど
世の中の森羅万象はですね
「分かれる理由はあるけれど、分かれる直接の原因は無い、だが、そして、分かれる」
ということに満ちているのです
分かれることの方が先なんですよ
ですから、貴方の信念はそもそも根拠の無い感情論なのですよ >>848>>851あたりを読めばわかるけど元々は独断論と独断論でないものの区別が成り立たないという話だったのにどうして独断論の中の話になってんの
勘違いしてそうだけど>>893も
>区別しないというのも実際は区別している
とあるとおり区別すること自体が不可能だと言っているのではなくて
>区別しないと区別するは区別できない
と言っているだけ
そこまで言うのなら犬が何か猫が何かを知らずに犬と猫を区別してみろよ
基準を知らなくても区別できるの極端な例は0歳児でもこれは犬だこれは猫だと区別できるかどうかってこと
ついでに言っておくと必然性がないものに区別の基準を設定するから「恣意的」なんだよ
>>893で言ってるだろ
恣意的に意味付けして区別できましたと言うだけなら誰でもできる
って
お前自分のプライド守るためにいちゃもんつけたいだけだろ
相手してもらえることを感謝してほしいレベルでうざいよ
ごめんなさいしないともう相手しないよ 米は固く飯は柔らかいというように異なっているが英語だとどちらもrice
日本だと区別されるものがイギリス(アメリカでもいいが)だと区別されなくなる
概念による前提が置かれる前に区別が成立しているのならイギリスでも米と飯を分けないとおかしいだろ 笑いのツボとか何に幸せを感じるかとかはどうなんだろうね >>995
>元々は独断論と独断論でないものの区別が成り立たないという話だったのにどうして独断論の中の話になってんの
それはね、私は>>822ではないけれども、
>>822が言っている「独断論的な言説」をどう捉えるか、の問題なんですよ
私なんかはね、たとえばそれを「正義とは○○だ」とか「宇宙とは波動だ」とか
そういった、「それらしいだけでの(根拠のない)教義」のようなもののことかな
なるほどそれなら、いわゆる独断論と呼ぶにふさわしいだろうな、と理解するわけです
でね、貴方は、そこをすっとばして、「独断論と独断論でないものの区別はない」と
いきなりメタに話を飛ばすわけ
そういうことをすると、議論は空中分解するのですよ
なぜなら、いくらでも話をメタにスライドさせていけるから
要はね、相手の言いたい内容を理解するように努めましょう、ってことです このスレッドは1000を超えました。
新しいスレッドを立ててください。
life time: 54日 7時間 32分 12秒 レス数が1000を超えています。これ以上書き込みはできません。