2017年04月11日

〈量〉よりも、〈質〉。そして、客観的な〈質〉。


ディープラーニングに興味があって、数学が苦手という人は、「機械学習入門」という本を読むといい。

https://www.amazon.co.jp/%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E5%85%A5%E9%96%80-%E3%83%9C%E3%83%AB%E3%83%84%E3%83%9E%E3%83%B3%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%81%8B%E3%82%89%E6%B7%B1%E5%B1%A4%E5%AD%A6%E7%BF%92%E3%81%BE%E3%81%A7-%E5%A4%A7%E9%96%A2%E7%9C%9F%E4%B9%8B/dp/4274219984

この本はどんな本かといえば、以下

「私が世界で一番美しい」と思っているお妃さまがいる。
だが、真実の鏡は、「あなたが世界で一番美しい」ではないとして、「世界で一番美しい人の割り出し方」を、人工知能的に開発する。
その物語の中で、人工知能やディープラーニングに関する基礎的な考えや用語が解説される。

「美しい」とは〈質〉であり、その〈質〉を数値化して、「世界で一番○○な…」を決定させる〈客観的な手法〉を実現する。
それこそが、人工知能によって、実現できること。




具体的に、〈質〉の算出法は以下である。

各評価項目の評価ポイント(偏差値?)×重要度(重さ)をまず算出して、それらの積算した値が〈質〉のポイントである。


具体的にいえば、アイドルには、年齢・体重という数値がある。

※ 容姿、演技力、歌唱力、舞踏力などは数値化が複雑になるので、とりあげない。顔の美については、「機械学習入門」で考察している。



以下は、私が創作したたとえ話である。


たとえば、年齢16歳、体重45kgのアイドルAと、年齢24歳、体重60kgのアイドルBがいたとする。

年齢の重要度が50。体重の重要度が100だとする。

評価ポイントは、非線形関数によって割り出すのだが、単純にイメージすると以下。

年齢の関数は、16歳が頂点の標準偏差。ただし、50以上は、その乖離を50から引く。つまり、偏差値70だったら、ポイントは30になる。
体重の関数は、45kgが頂点の標準偏差。ただし、50以上は、その乖離を50から引く。つまり、偏差値70だったら、ポイントは30になる。

ならば、
Aさんは、
年齢16歳=年齢偏差ポイント50×50=2500
体重45kg=体重偏差ポイント50×100=5000
アイドル品質(積算値)=7500

Bさんの各偏差ポイントを仮に30とすれば、以下。
年齢偏差ポイント30×50=1500
体重偏差ポイント30×100=3000
アイドル品質(積算値)=4500


このようにして、〈客観的な質〉が実現する。

「機械学習入門」では、この〈数値〉を〈実際の感覚値〉と近くなることが、〈人工知能〉の精度をあげることであるとしている。




〈量〉は客観的で、〈質〉は主観的と思っている人が多い。つまり、〈量〉は科学的で、〈質〉は文学的であると…。

娘が大学で授業を受けたこともある情報系の先生が学会誌に、「居心地の良さ」について印象批評を越えない論文を掲載していた。
大学で教授を名乗る人であっても、入門書のことを踏まえないとはある意味、驚きであった。

彼の論文の中には、「一人称研究」というのが、最近注目されているとあった。いままでの観察は、観察主体と観察対象を分離させることで、客観性を実現していたが、観察主体と観察対象が一体化した一人称も手法として否定してはならないということだろう。

だが、彼は、「評価基準」「形式批評(評価基準によって評価すること)」によって、一人称研究にも「客観性」が実現できる。というところまで到達していない。



というか、「客観的」などという雑駁な論理がダメなのであって、

「客観性」の根っこには、〈相対批評〉があって、それらの集合体から、評価者の特性を捨象する・分類する・特定することによって〈客観性〉に到達できる。

人間は神様ではないから、客観性は人間には実現できないとの諦観があるが、神様もけっして一人ではない。


だが、アカデミズムの人たちは、いまだに〈絶対批評〉こそが、客観であると信じてやまないのである。



つか、何物かを生み出さなければならない〈人工知能の現場〉と、アカデミズムの「情報学」との乖離は、思いのほか大きいのである。
posted by スポンタ at 08:00| 東京 ☀| Comment(0) | メディアウォッチ | このブログの読者になる | 更新情報をチェックする
この記事へのコメント
コメントを書く
お名前:

メールアドレス:

ホームページアドレス:

コメント:

ファン
 メッセージを送る
 このブログの読者になる
 更新情報をチェックする
 ブックマークする
 友達に教える
RDF Site Summary
RSS 2.0