人工知能ロボットの製作

2013 7.6 ハイデッカーの存在と時間を読んでいて思ったのですが、
物のの存在とは時間的に変化しないようなものであって、
継続しているものとまとめてしまうことができると思います。
これについては、認識論とか、時間が自分の意識の中での時間、
そういうものの細かいものを論じようとすれば
ハイデッカーの存在と時間になるのでしょうけれど、
一番の問題としては、物と何かということであると思います。
これは対象となるものは一体どうして対象物であるのか、
背景からどうして切り出すことができるのかという問題です。
しかし、これは人間の主観によるものです。
つまりはものすごい長時間化かって獲得された文化的、
生物的歴史の背景からできたものであって、
人体を構成している腎臓、心臓、肺はどうしてこのようにできているのかといっているようなものです。

きれい、汚い、とがっている、速い、くねくね、、このような形容詞副詞に該当する概念は
何も無いところから機械学習でできるものではありません。
ビックデーターからの機械学習といっても昔ながらの線形多項式に
いろいろ付けるだけであって、深いレベルのデータマイニングができないのは、
このようなレベルのものが形容詞副詞などで構成されるものだからだと思います。
これは人間の感覚であって、一朝一夕でできるものではありません。
追加して言えば人間の行動学習にミラーニューロンというものがあるのならば、
人間は最初から特定のものを学習できるようになっているのです。
機械学習では何かわけのわからないところから関係とか取り出して、
どんどん何でも取り出さなければならないように言っていますが、
人間の学習でさえもテンプレートを生得的に持っていて、それを使っているだけだと思います。

今の時代にはコンピューターとかテレビカメラやセンサー類がいろいろあるのだから、
もっとまとめてある本があってもよさそうなのですがありません。
2013 3.27

 フォイエルバッハの弁証論的唯物論とか書いてあるけれど、
問題は、心身二元論と一元論という話は二元論ということと一元論との論点は、
時代背景からして人間の持つ意識とか考えているということは、
心霊現象と結びつかないもの、つまりはオカルトを否定したいのが一元論、
物質で構成されていてその上に成り立っているということを言いたいものです。
それに対して二元論で主張したいことは、
レベルが違うということであって、
例としてはＣＰＵと関係なくＮ８８ＢＡＳＩＣは動くということであって、
物質で構成されていてＮ８８ＢＡＳＩＣで書かれているものは物質の上に成り立っていると
主張したいのが一元論です。
つまり二つがまるで違うことであって、一元論と二元論についてどっちが正しいとか言うものではありません。

フィリピンに整備された観光地があるというのをテレビのクイズで特集していたのですが、
フィリピンといえば若王子さん、というのがあって、
よくわからない武装した共産党勢力があったと思って検索したら、
毛沢東主義というのが書いてあったけれど、読む気もしないし、
そこにキーワードで唯物史観という言葉があって、
読んでみると、所有がどうとかいう問題で、認知心理学で唯物論とか言う話ではないので、
唯物論というところをみると、フォイエルバッハの弁証的唯物論とか言う
なんだか言葉で弁証法というものの中から作ったような理論なのかと思って読んでいました。
昔からやろうとはしているけれど、問題そのものが間違っていて、
つまりは唯物論で言いたいのは人間は物質で成り立っていて霊魂とか言うものを否定したいだけなのではないのかということです。
そうなると、二元論であるのはレベルの違う、ハードとソフトの関係であって、
ソフトはまるで時限の違う存在であるわけです。
時代背景としてオカルトの霊魂を否定したかっただけではないのかと思います。
宗教がらみです。

そうなるとキリスト教の教会が黙っては居ません。
ラ・メトリーの人間機械論は発禁処分になりました。
Ｍ．Ｍｉｎｓｋｙも宗教さえなければ科学はもっと進展していたと、
そういう面では東洋では禅宗などというものがあるので、
宗教と言っても対立するものではないのですが、
記号論というものが出てくるほどの社会環境にバイアスがないから、
欧米ではだましだまされるので契約書というもので厳密に書いておこうとするから、
ラテン語のようなものが出来て記号でしっかりと記述するということが出来たのです。
意味としてあいまいさを絶対に残さないで書こうとしていたから、
厳密に一つの意味としてしか通らない文章というものをせっせと作っていたのです。
しかし、東洋ではそれほどのものはありません。
日本では八百万の神です。

呪術とかオカルト類を否定しようとしているのと、
カントのように理性というものの根源を形而上学としていたものとか、
、フッサールのように客観的というものについて追求しようとしたものと
もっと古代のプラトン、アリストテレスの時代のものは
哲学と書いてあるけれど、フィロソフィは物理でも化学でも何でも書いてあるから、
五大元素説とかまでも入っていて、
結局はこの時代の哲学という言葉は学問とかと訳するのが正しいと思います。
そこから、物理、化学、認識論と分離していっているのに、
それが今の時代の表現では単なる信念のことを哲学というのが一般的理解となっています。
言葉の内容が一定ではないことが機械的に記述することの障害となっているのです。


それで、デカルトのコギトエルスムスで自分の意識というものはどういうことかということになると、
プラトンのイデア論のようにどこからか理想的なプロトタイプが有って、そこから派生しているということになると、
これは心霊現象のようなものになってしまうのです。
実際に、人間の体の臓器はそれぞれが細かく機械のように部品のように出来ているようですが、
どうやって出来たんだというとものすごい長い時間をかけて出来たのであって、
創造主が突然作ったわけではないのですが、
キリスト教徒の理論では、あちこちで出てくる鏃とかの古代のものは、
突然出てきたのではなくて作ったものが居たからであって、
人間も作ったものが居るはずだから、それが創造主たる神であるということになっています。
どうやったらそういう飛躍した論理ができるのかわかりませんが、
欧州では今でもキリスト教が占めていて反論すると無神論者だといって排斥されます。
そういう点でも日本の八百万の神は寛容です。
2013 3.23

ラメルハートらがＭ．Ｍｉｎｓｋｙにバックプロパゲーションを見せて、
パーセプトロンを終わりにしたのは間違いだと言ったそうですが、
線形多項式で出来ているものは、
結局はプロトタイプとの距離を出しているだけなので、
自己組織的学習は単にプロトタイプとの距離が近いものが出てくるだけなので、
厳密にしようとすれば教師信号は不可欠です。
そうなると、プロトタイプの形成はプラトンのイディア論のものから基本的に一歩も出ません。
どこから対象は対象であるのかということが認識されるというのかというのが、
イデア論よりも他にあるものなのでしょうか、
カントの純粋理性批判では空間と時間がアプリオリであると有りますが、
それは対象物を取り除いていくとそうなると書いてありますが、
対象物を対象として認識できるからであり、
アプリオリとするならば、時間、空間、対象の存在はアプリオリである、
ということになります。
対象の存在がアプリオリであるということは認識の源泉が人間の主観によるものですから、
唯物論は成り立ちません。
つまり唯物論というものを考えるとすれば単なる物理現象であって、
それ以上の別の次元の対象という認識を持つレベルで生活している人間のものではないのです。
人間の感覚というものが有ってこその対象の存在であって、
感覚というものは物理現象を介するといっても、情報としての処理に使われているだけであって、別のレベルのものです。
この別のレベルのものである対象というものを認識するには人間の感性が必要なわけです。
人間の感性というものは人間の持つ評価であって、価値です。

パーセプトロンでＥＸＯＲをするには固定入力を一つ追加すればよいということはよく書かれていることであります。
１９６０－１９７０の年代にハードウェアレベルでニューラルネットを作っていたわけですから、根本的にパーセプトロンが汎用コンピューターになるわけもないのです。
機械式ニューラルネットを作って見せようとして、
面白い例題というものがありません。
リレー（継電器）を使って計算させるというのはカチカチカチと音がして面白いけれど、
ニューラルネットの荷重を多回転バリオームをモーターで動作させて学習させるものは、
何か全体が動いていて面白そうですが、
５ｘ５の入力に対してニューロンは２５個で、全結合で２５＾２です。
アナログ的に１０個のニューロンで一つの出力を得ようとして、
機械的に作る意味が見出せません。
テーブルから近いものを検索するほうが妥当としか言いようがありません。
2013.3.2

ミッシェルフーコーの「知の考古学」と言う単行本を買ったんですが、
狂気と狂気じゃないものについて、というのが最初に書いてあるんですが、
結局、狂気であるという事柄について列挙しなくてはならなくなって、
そこに言葉の意味の変換などが入るというもので、、、

オントロジーで言うところの、ＩＳ－Ａ ＰＡＲＴ－ＯＦで
知識構造は、ある概念であることを ＰＡＲＴ－ＯＦで列挙しておいて、
言い換えはＩＳ－Ａで行うんです。
それだけになってしまいます。
2010 7.2

4月から基本的な図形を使用して対象を記述する方法にするプログラムを製作中。
オントロジーとは違う体系の知識表現を作ろうかと検討、
オントロジーは文字列だけでの記述であるから、イメージレベルが伴わない不都合がある。
カテゴリーが類似しているかどうかは人間が記述するのでどこまでやっても終わりがないと思う。

Back PropagationをCUDAで作ろうとする。
50x50 10x10 50x50で構成したがいまひとつ学習定数、結合係数が調整が面倒である。
2010 4.10

数学はcycorpではthingの下である。
これは心身二元論を超えて三元論である。
数学の概念は簡単に作れるものではない。
数学を取り込むことを考える。

プラトンのイデア論では、プロトタイプの生成は謎であるが、
それと同様に、数学はどうして出来上がったのかと言うことを追求しても無理である。

ＡＭという色々な定理を作るプログラムが３０年以上前にあったそうだか、
ｍｕｄという意味の無い羅列を沢山作り上げて、
数学の意味のある定理を作ることは一部だけ出来たそうである。
結局、概念を作ると言うことは、
アミノ酸に放電して生物を作る試みをするようなものである。
アメリカにも出願中、
新しいものも書類作成中、
更に新しいもの開発中、
2010 3.30

Philosophy and the Mirror of Nature
Richard Rorty

邦題、哲学と自然の鏡
http://press.princeton.edu/titles/778.html

古代から近代までの哲学の全部を混ぜて書いているんですが、
ビントゲンシュタインとラッセルやフッサールまでで、ハイデッカーの後からはどうでも良いです。
サルトルだのデリダとかフーコーとかは何もすることなくなって言葉遊びの世界です。
カントの物自体というところから、コンピュータで情報処理するレベルではフッサールや、
ヴントゲンシュタイン、ラッセルのゲームの例題は分類の話で実用的だけれど、
後の時代の実存なんていうのを前に出したものは何なんだろうかと、
唯物論は成り立つわけありません。
ルドルフカルナップの言う擬似命題は、さらに考えてみれば言葉で表せるものは全部命題です。
情報として処理しなければならない対象に他なりません。

ルドルフカルナップの擬似命題の中に、
Ａｒｉｓｔｏｌｅ　ｉｓ　ｐｒｉｍｅ　ｎｕｍｂｅｒ．
とあって、アリストテレスは素数である、と書いてありますが、
アリストテレスは素数である、と書いてあったら、単なる誤訳ではないかと思いませんか。
素数と言うのが何か別の意味である考えませんか。
完全に擬似命題と言う物は作れないと思います。
逆に、擬似命題と言うカテゴリーが出来てしまっているのですから、
記号にして記述したものは全てが命題です。
2010 3.26

ＧＴＸ－２８５　でのCUDAはＸｅｏｎ３．１６ＧＨｚの６倍で動きました。

機械学習データマイニングは動的圧縮以外の何ものでもないとおもいます。

Machine learning and data minig are compression of information ,I think.
I choice simple method.
2010 2.28

セマンティックネットとオントロジー

キリアンの意味ネットは以前はいとこだの親子だの持っている、色々な関係がグラフ構造で記述されていた。
最近のものはＩＳＡ　ｐａｒｔ－ｏｆのリンクばかりでオントロジーのようなものになってしまった。
これ以上簡単な意味はないし、これで何を記述するというのであろうか、
私は時系列的な変化を入れるといえば、それはモーダル理論だといわれ、
モーダル理論の一部かもしれないが、そのものではない。
2010 2.22

顔の認識

顔の認識は難しいと言うが、大体、比較する二枚の画像だけでは同じ人物でも違うように見えるのであるから、どだい少ない枚数から顔の認識など無理である。
枚数を増やして、モデルを形成すると称して目や鼻を特徴としてニューラルネットで識別するとしたら、ニューラルネットと言う物自体が距離で動いているだけなのであるから、
元の画像を入れておく方が良い。パラメーターの修正に長い時間かけるなど意味が無い。
何か数式の塊にしないと気がすまないというのが問題である。
結局は計算機資源の問題ではないのかと思う。
昔の音声合成では音素から合成していたのであるが最近のは単なる録音データである。
入りきれないものを圧縮しているのであって、特徴ベクトルを出そうとしてパラメーターの修正しているのは圧縮である。
粗悪な動的圧縮を作ろうとしているのである。

プロトタイプの形成、機械学習

実際問題として、原理的なものは多変量解析程度しかない。
そこへモンテカルロとか何か数式のパラメーターの修正で何か出そうとしても単なる距離で検索とどう違うのであろうか。
物の認識は感覚からなる、感覚と言う物はアプリオリであって。後天的なものではない。
特定のレベルのデータを集めて出てくるものは、それほど深い関係など出てくるわけはない。せいぜい多変量解析で出る程度の関係である。
プラトンのイデア論から一歩も出ない。
大量の画像から、直線の概念が取り出せるであろうか、三角や四角、円の概念が取り出すことは不可能である。
2010 2.7

Ｃｏｒｅｉ７とCUDA

Ｃｏｒｅｉ７－９２０（２．６６Ｇ、４コア）
メモリ１２Ｇ、ＨＤＤ１Ｔ、ＧＴＸ２８５－１Ｇ
ＡＳＵＳ　Ｐ６Ｔ　Ｄｅｌｕｘｅ　Ｖ２　
ＯＳ　Ｗｉｎｄｏｗｓ２００３　ｘ６４

キャッシュメモリとかメモリバスの周波数は何の意味が有るのかわからない、
ハイパースレッド、、やはり見せかけの８コアで実質はそれほどの速度はないようである。
ＣＰＵの周波数とコアの数で速度が決まるのではないのかと思う。
ＰＶＭを再検討するが、Ｗｉｎｄｏｗｓのものはインストールも不能、ＬｉｎｕｘのＧＮＵ　Ｃが
ＶＣ＋＋ほどの最適化が無いならば意味は無い。
インテルＣはスレッド並列が中に条件文があると変換しない。
浮動少数では最適化の効果はどれでも同じであるが、整数演算では数倍違う、
ＶＣ＋＋で速度の最適化で４－５倍になってしまう。

ＧＰＵとＣＰＵをフルに使っていないので消費電力は良くわからないが、１００Ｖ１．７－１．９Ａであった。
音がしないのが良い、
2009 12.26

Superπと言うベンチマークをしたら、最悪でした。
過渡的なものとしてＣｏｒｅｉ７１０枚程度のものを作って見ようと思います。
とりあえず、Ｃｏｒｅｉ７とＣＵＤＡで二枚だけ作ります。量産品の方が高速で使い方もわかりやすいと思います。

ＢＸ６２０Ｓ２　全てのＯＳをＷｉｎｄｏｗｓＶｉｓｔａｘ６４にする。
２００８ｈｙｐｅｒＶ　２００８インストールできるが、パスワード設定できず。
パスワードなど要らないのだけれど、
２０００ａｄｖａｎｃｅｄはなんとしても入らない。
2009　12.24

10年前のアルゴリズムのプログラムを製作しなおし、リニューアル、

プログラムの名前が付けられない、忘れてしまいます。
以前、自作の飛行機に天山と付けて、ローマ字でプロポに入れたら、
忘れて、一号機のデータが無いと、、、

Ｗｉｎｄｏｗｓ２００３　２００８　ＶＳ２００５　２００８　２０１０

６６０足して紀元２６７０年の２６７０という名前にしようかと思いましたが、
2009 12.13

ＢＸ６２０Ｓ２　Ｘｅｏｎ　３．８ＧＨｚ　４コア　４－１２ＧＢ　８枚
ブレードが動くようになる。一枚目は故障した。一枚だけＷｉｎｄｏｗｓ７　ｘ６４　残りはＶｉｓｔａ　ｘ６４　

ＶＣ＋＋　Ｖｅｒ５．０　ＶＳ２００５

８コアＸｅｏｎが出たら、４ＣＰＵの方が扱いやすいと思う。
ＬＡＮ並列は耐ノイズ試験のためである。
ＬＡＮ並列でロボットは動かないと思う。

最近の機械学習のＵＡＩのメーリングリストをみても、国内のでも、数学的な手法で持って、、、と書かれている、単なる画像から匂いが数学で出せるのか、
モノクロ画像からカラーを推定するのか、
私は数学を習う前にコンピュータを使っていたので、数学は単なる操作でしかない。
何も神秘的なものは無い。
パターン認識、機械学習で、ベイズの式から始まっているものは役に立たない。
学術的パターン認識装置など無い、
学会は論文作りに始終しているのであって、機械学習を本気で作るつもりなど無いと思う。
一枚あたりの速度は２．６６ＧＨｚ８コアと変わらないようである。体感的には

速度の比較のために一枚だけＵＳＢ　ＨＤＤを使っている。ＵＳＢ　２．０と１Ｇｂｐｓで３－４台使うのとの差を見ている。

ＬＡＮハブは一つは２４ポート、
もう一つは８ポート、
２００Ｖ　１２－１４Ａ
ＡＰＣの１５００三台使用、
ＢＸ６２０のＨＤＤに左右のＰＣを使用する。
２００９　１２．９
ＢＸ６２０　Ｓ２　ＭＳＤＮ　Ｄｅｌｕｘ　Ｗｉｎｄｏｗｓ　Ｖｉｓｔａ　ｘ６４　を入れる
２００Ｖ　ＵＰＳ　ＲＴ５０００
2009 11.21
BX 620 Ｘｅｏｎ３．８ＧＨｚ　総コア３６　総メモリ９０ＧＢ OS 色々試す　６４ＢｉｔＯＳしか受け付けない、ＨＤＤ７３ＧＢしかない、
電動ジャッキで、水準器も置いている、まだ４枚のみＯＳ入り、
2009 10.12

つまりは、対象は副詞形容詞を基底とするもので記述される。空間時間だけがアプリオリではなく、空間時間、対象、形容詞、副詞もアプリオリである。
音を感知しない機械では音に関する事柄を記述できない。色を識別できるセンサーが無ければ彩りに付いて記述できない。

およそ、日常的な画像を部屋に取り付けたビデオカメラで撮影し続けても、何の概念も出てこない。
データマイニングの深い意味は単なる確率では出てこない。
もしも確率的に出すとすれば、何万年分かのデータと数え切れない複数の視点からであろう。
ブレードサーバーの中古を入手、Ｘｅｏｎ３．８ＧＨｚ　総コア３６　総メモリ９０ＧＢ
2009 10.5

データ同士の関数を作った場合、ある人の尿量と株のＴＯＰＩＣＳは関係してしまう。全く関係ないと思われる事象でも関数は作れる。
データマイニングで日常の画像を撮り続けたとして、そこから何が出るだろうか。
わけのわからない確率程度しかない。
深い意味と言う物は、アプリオリな感覚から来るものである。
カントの物自体、フッサールの現象論でも論じられている。
モノクロ画像からカラーを予測できるのであろうか。
マイク無しに音声認識が出来るかどうかである。
２００９　８．１４

試製０号機を作ったのが２００４年、汎用品の寄せ集め
１号機が２００５年、２号機が２００６年、３号機が２００７年、　基本的に同じ基板、
４号機が２００８年、４号改改、ＡＤＣをふやす。
２００９年　５号機、ローターリーエンコーダーを追加して製作途上、（４号機の足回り、ＣＣＤの位置操作を変更）
２００９年　７月　４号機での空間認識の方法の変更に伴い人型一号設計開始
２００９　６．１８　

記号推論との協調動作の実際の記述

＊ＭＷ＋＊Ｔ＋＊Ａ＋＊Ｎ＋＊Ｋ＋＊ＬＸ＋＊ＬＹ＋＊ＬＺ＋＊ＫＶ
＊ＲＷ＋＊Ｔ＋＊Ｓ＋＊Ｅ＋＊Ｄ＋＊ＬＸ＋＊ＬＹ＋＊ＬＺ

＊Ｓ　開始画像番号
＊Ｅ　終了画像番号
＊Ｄ　画像比較して距離範囲、０－１００％

＊ＭＷ　－＞　＊ＲＷ　
＊ＭＷ　＜－　＊ＲＷ
2009 5.21

記号レベルのモデル世界と実世界との差は大きいと思いますが、記号レベルで目標状態まで探索して、現実に置かれている実世界のロボットの操作を行います。
現在では実装メモリが大きいから横型探索でも可能ですが、それに伴って実世界操作が追従するの
考えると縦型で行ってた方が良いと思います。
何と言っても評価関数の働きが問題です。
大体ここまで来ると古典的アプローチそのままです。
しかし、現状ではＸｅｏｎ８コアでも完全に不足で、ＬＡＮ並列も加えて４ＣＰＵＸｅｏｎ６コアが売っているとして、
経験上、４台以上のＬＡＮ並列はメンテナンス、操作において困難なので４ＣＰＵＸｅｏｎ９６コアを考えています。
（入出力は３２Ｂｉｔで）
しかし、７４００のＸｅｏｎが殆ど売っていません。

試製五号機は製作途上、、、
2009 5.10

記号レベルと実世界の画像、センサー、サーボのつながりが出来そうです。
もはや対象の確立は人為的作業によるアウトソーシングを考えています。

次は、形容詞、副詞からなるコギタチオの製作です。
ＢＡＳＩＣ　ＥＮＧＬＩＳＨ (オグデンの「意味の意味」　The meaning of meaning )　から取り出そうと思います。

これを初期状態から、目標状態へ向けての、評価関数の一部として使う。
目標、現在の状況の差分を評価関数とした場合には、コギタチオを評価関数の一部として、任意の荷重で目標探索します。
つまり、嫌なものに出くわすと回避したりします。
2009 4.26

カントの純粋理性批判の最初にある、時間、空間はアプリオリであると書いてあるが、空間、時間、対象が対象であることもアプリオリであると思う。
対象の確立にかなりの時間を掛けたが結論が無い、円や矩形に置き換えたら古典的アプローチである。
教示学習として、人為的に対象となるものを切り出す。プラトンのイデア論より一歩も出るものではない。
2009 3.23

最低限必要な機能として、自己参照、自己記述、
メタレベルの概念を考えるときには不可欠であると思われる。
そのためには、あまりにも多層なシステムでは不可能である。
記号レベルでの自己記述、自己参照を考えるときに、以前は人工生命で流行った
ティエラというものがあったが、あのようなものは色々な現象は出てくるが
その続きが作れない。
あれを大規模にしてもどうなるものでもない。

人工知能には単純な層構造が必要である。

かなり以前に作っていたもので、三領域モデルというのが私の作ったプログラムにある。
作っているうちに色々なものが出来てしまって、このモデルの解釈は製作した私でも良くわからないものがある。
基本形としては、

実世界、仮想世界　→　入力　操作　目標
　　　　　　　　　←　　←　　←　←　

このように一つの層で動かすことを考えた。
2008 12.13

フッサールのイデーン、ノエシスとノエマ

結局は、外界の認識とモデル世界の構成についていっているものであるが、言葉は変わっているがやはり、プラトンのイデア論から抜けられないのではないのかと思う。
そこから、デカルト、カントとなるが、カントの判断力批判は何なんだと思う。

外界にあるＡは意識としてＡと認識するにはＡという識別するものが必要である。

私はコギタチオは形容詞と副詞から作ろうと考えている。

感覚器は最初に受け取るのは形容詞副詞である。形容詞副詞にはプラスとなる価値もあれば、マイナスとなる価値もある。
これを評価関数として、システムが起動してから記録している一連の場面から評価関数の変化で場面を取り出す。
場面からは対象を取り出す。
対象から属性を取り出す。

架空のものと現実のものとの比較がよく出てくるが、内部世界、モデル世界と、外界の差別は、直接の情報量と、モデル世界で扱える計算機資源に依存すると思う。
2008 10.8

以前に書いたもの、、、２００８　３．１９

このような方法からでは、図形的関係が出ても、文化的背景を持つような抽象的な概念は出でこない。
オグデンの「意味の意味」のなかでも、犬という言葉は、犬自体ではなく、犬を指している言葉である、と、
オグデンはBASIC ENGLISHで語彙を制限することで意味と言うものを取り出そうとしていたのだろうけれど、
シャンクのCDはあまりにも少なすぎるので限界がありすぎる、そのために、単なる対象の時系列的変化として考えたのが私のAL
Artificial Language、
しかし、物体の位置的存在としての関係は記述できても抽象的関係は属性リストと言うものの中に入ってしまって解決できなかった。
しかし、言葉が何を指しているのかということを考えれば、どのようなものでも記述できる。
ならば、人工知能とは何なのかと言うことになるが、単なる形を変えたプログラムである。
プログラムを多数記述すれば、Cycorpの主張するようにいつかはプログラム自身がプログラムを作成できるのかも知れないが、
それには単なる記号レベルだけでの記述で可能なはずが無い。


２００８　３．１９

実際の場面から導出される対象同士の関係、
レベルの異なる概念、
何らかの要素を設定して、仮説、実行、仮説、実行の繰り返しから導出する。
フッサールでも実際の現象を反映していないものがあることに注目している。

現在直面している実世界の時空間のパターンベクトル
X1 X2 X3 X4 X5　X6 X7 X8 X9 X10 ....Xn
という特徴ベクトルで記述できるとする。
これらの特徴ベクトルは物体として他のものと区別するために教示を必要とする。
自己組織的に行う場合には自己相関ＢＰの中間層やＳＯＭを用いるものとする。
対象となるものは特定の特徴ベクトルの集まりで記述されるとする。

これらの特徴ベクトルの記述から主だったものを特徴ベクトルで記述する
Y1 Y2 Y3...
さらに
Z1 Z2 Z3...

この際にZ1 Z2 Z3...からY1 Y2 Y3...の変換を試みる。
しかし、Z1 Z2 Z3...はY1 Y2 Y3...の細部を省略しているものであるから正確な逆変換にはならない。
このように、最上位の概念は現実を必ずしも正しく記述しているとは限らない。
物語理論によると特徴ベクトルである、ある記述の一部から発展した記述を行うことで出来上がった記述は成り立つとしている。
例えば、風船は飛ぶ、この概念を適用すれば、現実の大きさや重さと関係なく飛ぶということに出来る。
物語としては人間に小さい風船を付けても空に飛んでいく。

つまり、推論とはＸｔからＸｔ＋１への予測である。
このために用いる手段であるから、予測が成り立てばよいのであって使用する各々の要素がどのようなものであるかは関係ないのである。

あまりにも少なすぎるデータからでは何も結論できない。
道路を走行する自動車からの画像を元に完全に学習を行ったとしても出てくるものは限られている。

ｐ２［］の段階でＳＯＭを行ってｐｒｅ対象が確立されて、
位置的な状況から同一のものとして扱い、一つの対象として扱う。
今までは存在者と物体とは同じ対象として扱ってきた。

＊Ｔ＊Ａ＊Ｎ＊Ｋ
時間、仮想、平行、対象の格、
さらに分類の属性、

価値、距離、
モデル世界の操作として、
比較、消去、複写、コード化、論理演算
代入、等号、否定、比較　＜　＞
目標、評価関数、
時間、仮想、平行、格、位置、距離、面積、体積、価値
目標までの経路探索
2008 9.26

二号機のカメラを38万画素のものに変更、
アームと連動するようにする。
しかし、パケットとの距離が出来たので、注視領域を使わないと動作しない。
便宜的に九つに画面を分割して注視領域を決めるが、１コマづつ指定していくのが面倒なので
現在は使っていない。
2008　9.14

感覚器、作用素など外部世界、モデル世界に対してのアプリオリなもの、
原始関数というか、原始作用素があるとして、
S1 S2 S3 S4 .....Sn

これらの時間的な組み合わせには離散時間として、ステップがnnならば、
Sn^nnの組み合わせがある。

昔あったAMとか言う、数学の定理を発見するシステムには、mudという、
意味の無い組み合わせが多数出来て、意味のあると思われるものはほとんど無かったという

。

S1 S2 S3 S4 .....Sn

の組み合わせは無数にあるが、この中には、疲れるとか、飽きるという作用素
があったとすれば、組み合わせに制限が出来る。

さらに、綺麗、汚い、などの形容詞に関しての作用素というか感覚に元づくもので
も制限させる。
最初に持っている、S1 S2 S3 S4 .....Sn、の内容によって学習できるものは限られる。
感覚を学習することは不可能である。
モノクロのCCDをいくら用いても色の概念は導出不可能である。
画像データからは臭いは推測できない。


人工知能というものは、人間の歴史が始まって以来の文化、知識、感覚の集積である。
これは多数の人間の経験からなる、膨大な、空間的、時間的なパターンである。、
これには、外界の世界もあれは、内部世界、モデル世界から生じる空想的なものも含む。

人工知能を作るには外界、モデル世界に対しての、S1 S2 S3 S4 .....Snを決定する必要があ

る。
これには、人間の経験からなる、膨大な、空間的、時間的なパターンを元に作る。
S1 S2 S3 S4 .....Snの中には、モデル世界、内部世界に対しての、一番基本的な知識表現の

方法も含んでいる。
*T *A *N *K *L 時間、仮想、平行、対象の格、空間の位置、
これらを用いた表現はアプリオリなものとして、S1 S2 S3 S4 .....Snに含める。

人工知能を作るには外界、モデル世界に対しての、S1 S2 S3 S4 .....Snを決定する必要があ

る。
これらの元になるのは人間の経験からなる、膨大な、空間的、時間的なパターンである。
それで、人間が操作する感覚器を持つロボットを作った。
しかし、単純なロボットであるのであまりにも制限がある。

人工知能を作るには外界、モデル世界に対しての、S1 S2 S3 S4 .....Snを決定する必要があ

る。
これらの元になるのは人間の経験からなる、膨大な、空間的、時間的なパターンである。
アメリカのCycorpは、常識と言われるものを記述し続けているが、ものすごい労力である。

BASIC ENGLISH は約千語からなるものである。
これらから、基本的部分を作成しようと考えるが、意外と量が多い。
アルゴリズムの解説　2008.5.20
知識表現のイラスト的アルゴリズムの解説
2008 5.18
試製四号機が一部稼動する。
コップのような硬いものを掴もうとして失敗すると弾いてしまう問題がある。
2008 4.29

階層化擬似的ＳＯＭのプログラムが一部完成、学習と想起が出来る。
第三層目にて位置的なものが大まかになってくる。

今まではひとつのコアで行っていたが、8個のスレッドで並列化したので一回の物体の操作に取り込んだ枚数が20-30
枚であったのに、400-500枚になった。20倍程度の処理速度になったことになる。
Ｘｅｏｎ　Ｑｕａｒｄ　Ｃｏｒｅ　３．１６ＧＨｚ　ｘ　２
Ｍｅｍｏｒｙ　１６ＧＢ
2008 4.7

階層化ＳＯＭが基本構造であるとすれば、
以前の２ｘ２からのコード化は方法としては正しかったが、
時系列の想起が不安定であり、探索の組み込み方がわからなかった。

現在の方法は学習ではなく単なる検索である。
階層化ＳＯＭにすると計算量が大きくなる。
ｐ２［］に対して擬似ＳＯＭを用いることを考えている。
対象は時間微分で動きから取り出したものを用いる。
どちらにしても、画像データからだけでは何も概念は出てこない。

空間と時間と対象をアプリオリにする。

この次にはモデル世界の操作である。

＊Ｔ＊Ａ＊Ｎ＊Ｋ
時間、仮想、平行、対象の格、
さらに分類の属性、

モデル世界の操作として、
比較、消去、複写、コード化、論理演算
代入、等号、否定、比較　＜　＞
目標、評価関数、
時間、仮想、平行、格、位置、距離、面積、体積、価値
目標までの探索をして、使った作用素を出す。

機械学習、
機械学習はある種の情報の圧縮である。
何らかの基準パターンに対して分類できること。
ランダムに決定した基準パターンに対して、提示パターンを変換して行う。

時系列の画像を自己相関ＢＰで学習させて要素を確立する。
これはＳＯＭでも同等であると思われる。
ＢＰでは計算量が大きすぎる。
ＳＯＭは擬似ＳＯＭで代用できるとする。
そうなると一つの要素はあらかじめ設定できる。
これは以前からある格子点の考え方と同様であるが擬似ＳＯＭは実際のパターンを反映している。

ｐ２［］に対して擬似ＳＯＭを行うことを考えると、
リアルタイムでは擬似ＳＯＭだけでもかなりな計算量である。
相対座標として８０ｘ８０の大きさで６４０ｘ４８０を分割して
ｐｐ３［］として変換する。８ｘ６ 左右、ｘ２　　動きの分今回は入れないｘ２
pp2x[PP2MAX][18][CPMAX] ->ｐｐ3[8x6x2] p3d[P3MAX][8x6x2]
pp2y[PP2MAX][18][CPMAX]

ＰＰ２ＭＡＸ　プロトタイプの数の上限、
Ｐ３ＭＡＸ　　記録してあるＰ３の枚数　
コードは順次割り当てる。
パターンの距離を測定して一定以上で新しい要素にする。

６４０ｘ４８０時間微分、左右で一つのパターンをコード化して１５０ＫＢ ９６＊４＝１９２＊２Ｂｙｔｅｓ
一万枚で１．５ＧＢ　１８７５＊２ＫＢ
十万枚で１５ＧＢ　　１８＊２ＭＢ
一年分の画像データは３６５＊２４＊３６００＝３１５３．６万枚
４６２０ＧＢ　　　　５７７３＊２ＭＢ


2008 4.10

識別

現在のパターンが他のものと違うとして識別するには特徴ベクトルを出す。

空間の表現の実際、

モデル世界の構造 2007 6.19より

最初に向いている方向を０度として
移動の１ステップを５ｃｍとして５ｃｍｘ５ｃｍｘ５ｃｍを一つのボクセルとして扱う。
移動してセンサーの距離から空間の物体位置を計測して距離を返したところのボクセルを
物体が存在するとする。
ｘ，ｙ，ｚ高さ，ｈou 方向　５ｍ５ｍ４ｍ 最初の位置を２ｍに居るとして、下がる場合を　
＝５００ｃｍ５００ｃｍ４００ｃｍ
５ｃｍ５ｃｍ５ｃｍを一つのボクセルとして、charで配列を作る

ｃｈａｒ　ｍｗ［１００＊１００＊８０］

不明　　　　９９　
空　　　　　０
物体がある　１

反時計にセンサに番号をつける、

　　　　　　　↑　進行方向　

　　　　３　　２　　１
　　　　　　　　　　
　　　　　　　車体

　　　　４　　５　　６


上向き下向きは４５度であるとして、
最初に電源を入れた場所で５０，５０，０の座標にする。
最初の向きはｘ，ｙ，ｚで　０，－１，０とする。
スキャンする。

スキャンする方向ベクトルをＳＶ［１８］
Ｓ１　１，－１，＋１
　　　１，－１，０　
　　　１，－１，＋１

Ｓ２　０，－１，＋１
　　　０，－１，０　
　　　０，－１，＋１

Ｓ３　０，－１，＋１
　　　０，－１，０　
　　　０，－１，＋１
．．．．．．．．．
．．．．．．．．

１，－１，＋１　正規化してセンサの距離を掛ける　

移動方向のベクトル　＊　スキャン方向ベクトル　／　ｓｑｒ（スキャン方向ベクトルの大きさ）＊距離／ボクセルの大きさ　＝　座標

正面のセンサーＳ２の０，－１，０

移動方向ベクトルは大きさが正規化しているとする。
移動方向ベクトルはキャタピラの出力の値で考える。
2008 3.25
外界の認識、画像、距離、その他のセンサー
これらの感覚の認識から経験主義といわれるようなロック、ヒューム、ベーコンなどの概念形成だけでは不十分であり、
さらに抽象的な概念の形成にはあるていどは人間が記述する必要がある。

砂時計型といわれるニューラルネット、
あるところの文献で、自己相関のバックプロパゲーションを用いて情報の圧縮とか特徴ベクトルの抽出に用いているものがあった。
バックプロパゲーションの中間細胞を用いてこのような特徴ベクトルの抽出を作ったことがある。
５ｘ５のパターンに０－９のパターンを作って中間細胞を５個に設定して行ったが収束するにはかなりの学習回数が必要であった。
実際の対象に対しての特徴ベクトル抽出には非常に大きな計算機資源が必要であると思われる。

ＳＯＭで画像の認識
ＳＯＭを用いて画像の認識を行おうとしたのが、別のページにある連想と探索と書いてあるところのものである。
ＳＯＭを用いて階層的に時系列パターンの想起を行ったものである。本来はこれを用いて模型の制御を考えていたのであるが、あまりにも不安定で、必要な計算機資源が膨大であったので現在の方法になっている。
このときに用いたものはＳＯＭも行ったが、擬似的に動作させるＳＯＭを主に用いていた。

文字列からの単語の確立、
文字列からキーと成る言葉を見つけることは画像の中の対象となるキーと成る特徴ベクトルを見つけることと等しいと思われる。

操作と対象の確立、
操作することによって、対象が対象であることを確立する。
仮想的な、想像上のものであっても、モデル世界で操作可能であれば対象である。
人工知能ロボットの製作 文章作成　２００７　１２．１６

記号的アプローチから実世界へ

パターン認識、機械学習、教示学習
写真、試製二号機　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
サーボ８個、ＡＤＣ８個
ＣＣＤ　２個　
ＲＳ２３２Ｃで制御、
コントロールはＪＩＳ規格のユンボと同様、
画像と機体の制御の安定した動作の電波の届く範囲は建物内で２０－３０ｍ
機体のみは１００ｍくらい電波が届く、

この文章を書いている時点で、稼働時間２００時間程度
ギヤなどに異常は無い。

傾斜センサー、把握の歪センサー装備、
赤外線距離センサー５個装備
７．２Ｖ４０００ｍＡｈのニッケル水素バッテリーで連続1時間動作する。
電源は７．２Ｖに単一化されている。

専用基板使用、サーボ制御用にＰＬＤ、通信その他にＨ８　　愛媛のシステックで製作


試製　三号機　ＣＣＤの固定を変更しようとして考えているが手付かず。
試製　一号機　ＣＣＤが一つなので二つにして改装しようと考えている。
　　　　　　　　　　電源は二つのバッテリーを使用。１２Ｖと７．２Ｖ

試製　零号機　アームが無い。タミヤのユニットで動作させる。私の自作、

試製四号機　アーム部分の改良、
　　　　　　　　ＡＤＣ２４本に変更、
　　　　　　　　超音波距離センサーに変更


パターンの伸縮に対応、把握の位置の補正付き、
凡そ１秒で一万枚検索　３２０ｘ２４０　６４０ｘ４８０も同じくらいであるが検索のための前処理に時間が掛かる
記号的アプローチで知識表現、
外界の状況を記録しつづける。
記録した場面から類似の部分を取り出して対象の確立

一つ上のレベルの概念は下のレベルから導出して出来るものではない。

形容詞、副詞は主観的概念であり、導出することは出来ないから定義する必要がある。

Cycorpの知識表現では数学が高い位置にあるが、数学はアプリオリではないと思う。

ＢＡＳＩＣ　ＥＮＧＬＩＳＨの語彙から構成することを考える。
参考文献

「人工知能ハンドブック」１－４　共立出版
「エージェントアプローチ人工知能」　共立出版
「知の創生」　
「神経回路と情報処理」福島邦彦
「脳の計算理論」川人光男
「脳の理論」アービブ
「パーセプトロン」Ｍ．Ｍｉｎｓｋｙ
「ビジョン」デビット・マー
「インダクション」ホーランド
「自然言語理解入門」ロジャーシャンク
「意味論序説」ルドルフ・カルナップ　丸善
「意味と必然性」ルドルフ・カルナップ
「カルナップ哲学論集」
「フッサールの現象論」ダン・ザハヴィ
「純粋理性批判」カント　岩波文庫
「論理哲学的論考」ヴントゲンシュタイン
「Ｌｉｓｐで学ぶ認知心理学１－３」東大出版
「考える道具としてのＬｉｓｐ」
「純粋理性批判」カント
「形而上学」アリストテレス
「自己組織オートマトン」ノイマン
「パーセプトロン」Ｍ．Ｍｉｎｓｋｙ
「ニューラルコンピューティング」ヘクトニールセン　トッパン
「人工知能学辞典」人工知能学会　共立出版

「現象学の理念」 フッサール　みすず書房
「イデーン　Ⅰ」
「イデーン　Ⅱ－１」
「イデーン　Ⅱ－２」
洋書は最近のものだけ
 "Neural Networks for Pattern Recognition" Christopher M. Bishop;
"The Minimum Description Length Principle (Adaptive Computation and Machine Learning)" Jorma Rissanen;
"The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics)" Trevor Hastie;
"Pattern Classification" Richard O. Duda;
"Predicting Structured Data (Advances in Neural Information Processing Systems)" Gokhan Bakir;
"Semi-supervised Learning (Adaptive Computation and Machine Learning)" Olivier Chapelle;
"Probabilistic Robotics (Intelligent Robotics and Autonomous Agents)" Sebastian Thrun;
"Algorithmic Game Theory" Noam Nisan;
"Large-Scale Kernel Machines (Neural Information Processing)" Leon Bottou;