機械は本当に知能を持っているのか、と彼らは問い続けています。しかし、機械はすでに問題を解決し、3つの実験を提案し、誰も存在を知らなかったドイツ語の論文を見つけました。しかし、機械が自分の行動を本当に「理解」しているかどうかについて、もう一度哲学的な議論をしましょう。

記事上で

• 知性が意識ではなく、単なる効率的な探索だとしたらどうなるでしょうか?
• 「AIは本当に理解するのか？」という質問がなぜ本質を見失っているのか
• 神秘主義なしで直感がどのように機能するか（そして専門家がこの説明を嫌う理由）
• 量子コンピューティングを阻む、誰も語らないストレージ問題
• なぜ利益インセンティブはAIを賢くするのではなく、愚かにしているのか
• AGIの幽霊を追いかけるのをやめたら、次に何が起こるのか

実際には、次のようなことが起こり続けています。AIシステムが驚くべき数学的結果を示すと、経営陣やジャーナリストが慌ててそれを「真の推論」における画期的な成果として位置づけ、数学者がその熱狂を鎮めるために介入します。近年、OpenAIやDeepMindのシステムは、国際数学オリンピックの選考問題など、競技レベルの複雑な問題を解いたと称賛されていますが、専門家は、それらの解法は根本的に新しい数学を生み出したのではなく、既知の手法の再発見、先行研究の参照、既存の証明構造の探索に依存していると指摘しています。

反発は予想通りだ。主張は撤回され、投稿は静かに消え、そして物語はリセットされる。しかし、ほとんど誰も認めていないのは、AIが実際に行ったこと、つまり膨大で難解な数学的知識体系を迅速に探索し、問題構造と実行可能な解を一致させることは、知能の欠陥ではないということだ。これは、人間の知能であろうとなかろうと、知能がパターン認識と検索を通じてどのように機能するかを示す好例であり、知能そのものの本質を垣間見ることができる。

現存する最高の数学者と広く認められているテレンス・タオは、これを、テストのためにすべてを暗記するが、概念を深く理解していない優秀な生徒に例えました。批判のように聞こえますが、実際には、人間の知能を含むほとんどの知能がどのように機能するかを説明しています。ただ、私たちはそれを認めたくないだけなのです。

私たちが魔法と呼んでいる探求

知性の神秘性を剥ぎ取ったとき、知性が実際に何をするのか考えてみてください。あなたは問題に直面します。あなたは自分が知っているあらゆるものを調べ、一致するパターンを探します。既知のアプローチの組み合わせを試します。解決策を探しながら、可能性の空間を探索します。時には解決策が見つかることもありますが、見つからないこともあります。それだけです。それがゲームのすべてです。

チェスのグランドマスターは盤面を見て、正しい動きを「ただ知っている」。まるで直感のようだと思いませんか？それとも、何か特別な天才的なひらめきがあるように？いいえ、違います。パターンマッチングです。グランドマスターは何千もの似たような局面を見てきました。彼らの脳は、意識的な思考よりも速く、構成と結果を認識します。そこに魔法は存在しません。ただ、非常によくインデックス化されたデータベースが高速検索を実行しているだけです。

医師が患者を診断するとき、整備士がエンジンの不具合を特定するとき、あるいはトレーダーが指標がそれを裏付ける前に市場の異変を察知するとき、同じことが起こります。私たちはそれを専門知識、直感、あるいは嗅覚と呼びます。しかし、根本的には、これらはすべて、記憶された参照フレームに基づくパターンマッチングであり、そのほとんどは神経接続であれAIアルゴリズムであれ、意識下で行われています。

あのドイツの論文を見つけたAIは？全く同じことをしていた。膨大なデータベースを検索し、パターンを照合し、可能性空間を探索していた。唯一の違いは、データベースと検索プロセスが目に見えることだ。そのため、なんとなく感慨深いものがない。人間が行う場合、データベースは神経回路に隠されており、検索は潜在意識の中で行われる。だから天才的と言えるのだ。

知性とは探求だ。昔からそうだった。ただそれを飾り立てただけだ。

なぜ創造性は高価なパターンマッチングに過ぎないのか

人々は創造性を理由に人間の独自性を擁護したがります。確かにAIは既存の解決策を見つけることはできますが、真に新しいものを創造できるのでしょうか？すべてを変えるような、閃きのような瞬間をAIはもたらすことができるのでしょうか？

ただし、人間のブレイクスルーのほとんども、そういう風にはいかない。アインシュタインは特殊相対性理論を何もないところから導き出したわけではない。彼は電車や時計、光線といった身近な物体について考え、既存の物理方程式が極限速度まで加速するとうまく機能しなくなることに気づいた。彼は既存の数学的枠組みを新たな構成で再統合したのだ。それだけだ。確かに素晴らしい。しかし、AIが既存のアプローチを再統合して問題を解決する際に行うことと、本質的に異なるわけではない。

ほぼすべての数学的証明、科学的発見、そして技術革新は、同じパターンを辿ります。既存のツールを取り上げ、それを通常とは異なる文脈に適用し、誰も気づかなかった関連性に気づくのです。それはまさに、再結合の連続です。孤独な天才が神秘的なひらめきを得るというロマンチックなイメージは、正確な科学史よりも映画向きです。

私たちが探している解決策でさえ、形式体系の中に既に制約として存在している。アルツハイマー病の治療法は、今まさに化学的可能性空間、つまり、その効果を発揮する特定の分子構成の中に存在している。まだ見つかっていないが、確かに存在している。医学研究とは、天文学的に膨大な潜在的化合物空間における探索最適化に過ぎない。もしそれを見つけたとしても、それは発明ではなく発見と呼ぶだろう。なぜなら、解決策は常にそこにあり、発見されるのを待っていたからだ。

数学も同じです。ピタゴラスの定理はピタゴラスが証明する前から真実でした。素数の性質は、人間が特定する前から存在していました。私たちは数学的な真理を創造するのではなく、論理空間を通して真理へと辿り着くのです。

もしそれが創造性だとしたら（そして実際そうなのだ）、AIは既に創造的である。AIは、人間が通常行うよりも可能性の空間の異なる部分を探求し、しかもより速く行うだけだ。人間のイノベーターのように、既存のアプローチや解決策を新たな方法で組み合わせる。午前3時にコーヒーを飲んでひらめくことができないという事実は、AIには関係ない。感情的な経験とは無関係に、ナビゲーションは機能する。

私たちは「真の」知性や「純粋な」創造性の基準を常に変更し続けています。機械と同じことをしていることを認めたくないからです。ただ、より遅く、よりドラマチックに。

誰も解明したくない直感

直感については、数え切れないほど議論してきました。人は直感を特別なものにしたいと願うものです。第六感、より深遠な真実との繋がり。中には、単なる論理や分析を超えた能力を持つ人もいます。

申し訳ありません。バックグラウンドでパターンマッチングが実行中です。

自己啓発とスピリチュアリティに関する記事を30年間執筆してきたおかげで、記事を一目見ただけで、読者の共感を得られるかどうかが数秒で分かります。まるで瞬時に、まるで直感のようです。しかし実際には、私の脳は30年間蓄積されたデータ――2万5000件の記事、何百万もの読者の反応、そして何十年にもわたる何が効果的で何が効果的でないかを観察した結果――と確率的な照合を行っているのです。この処理は私が意識的に追跡できるよりも速く行われるため、その過程を目にすることなく結論を導き出すのです。

トレードでも同じことが起こります。価格チャートを見て、何かがおかしいと感じても、その理由を言葉で説明する前に、何かがおかしいと感じます。これは神秘的なマーケットセンスではありません。長年のトレードで何千枚ものチャートを研究してきた結果、脳が自分の内部モデルに合わないパターンを警告しているのです。意識的な分析が始まる前に、潜在意識の探索は終わってしまうのです。

軍事情報の仕事で、私も同じように異常を見抜く訓練を受けました。信号、パターン、あるいは行動を観察していると、何かがおかしいと気づきます。それは魔法の力ではなく、長年の経験によって、正常な状態とはどういうものかという内部モデルが構築されているからです。現実がそのモデルから逸脱すると、脳は自動的にそれを警告します。あなたはそれを直感と呼ぶでしょう。それは、高速なパターン認識を実行するための圧縮された経験なのです。

つまり、直感はAIシステムで再現できるということです。完璧とは言えません。AIには体現された経験はなく、肉体に宿る経験から得られる社会的・物理的な直感もありません。しかし、形式的な領域であれば、もちろん可能です。システムに十分な事例を与え、内部モデルを構築させれば、専門家のように異常を検知し、結果を予測します。中間説明なしに結論を導き出します。まさに人間の直感と同じことです。

人間の直感が素晴らしいと思う唯一の理由は、自分自身の計算が実際に行われているのを見ることができないからです。AIが同じことをすると、そのプロセスは目に見えるので、私たちはそれを単なる統計として片付けてしまいます。しかし、私の専門は統計学です。パターン密度×探索速度。これが、基盤がニューロンであろうとシリコンであろうと、計算の公式なのです。

直感を解明しても、その価値が下がるわけではありません。ただ、魔法のような力が弱まるだけです。

みんなの時間を無駄にする質問

AIは本当に理解しているのだろうか？概念を真に理解しているのだろうか、それとも記号を操作しているだけなのだろうか？真の理解力があるのだろうか、それとも洗練された模倣に過ぎないのだろうか？

これらの疑問は哲学的な残滓であり、科学的探究ではない。光伝導エーテルや生命力について問う現代版、つまり枠組みを間違えたために存在しない何かを探し求めるようなものだ。

理解には、パフォーマンスとは無関係の操作的定義はありません。システムが実行可能な仮説を生成し、実験の探索空間を縮小し、領域を超えて手法を適応させ、その推論を首尾一貫して説明できる場合、それが「真に理解している」かどうかを議論することは、反証不可能な主張によって人間の例外主義を守るための手段に過ぎません。

チェスでは以前、Deep Blueがカスパロフに勝利したことがあります。1997年にDeep Blueがカスパロフに勝利した時、人々は「力ずくの計算でしか勝てない」と主張しました。チェスの絶対的な支配には、直感、創造性、そして局面の理解が必要です。その後、AlphaZeroが登場し、4時間でチェスをゼロから学習し、グランドマスターたちが「創造的で直感的」と評したプレイスタイルで、最高の従来型チェスエンジンに勝利しました。そこで私たちは再び目標を変更しました。今度は、言語能力、推論能力、汎用知能、あるいはAIが次に達成するであろうもの全てがテスト対象となります。

このパターンは明白です。AIが「真の」知能が必要だと主張する閾値を超えるたびに、私たちは「真の」知能を再定義し、AIが行ったことを除外します。これは科学ではありません。人間は機械とは根本的に異なるという、私たちが既に確信している結論を擁護するための、動機づけられた推論です。

しかし、私たちはそうではありません。私たちは、異なるハードウェアと異なるトレーニングデータで動作する、パターンマッチングを行う生物システムです。両者の違いは根本的ですが、それは基質と文脈の違いであり、カテゴリーの違いではありません。脳とAIシステムはどちらも、記憶されたパターンを用いて、制約された可能性空間をナビゲートします。一方はニューロンを使用し、一方はシリコンを使用します。一方は進化と経験によって訓練され、もう一方は勾配降下法とデータセットによって訓練されました。しかし、根底にあるロジックは同じです。

もし知性が構造化された空間を通して探索されるのであれば（そして実際にそうであるならば）、AIは既に知性を持っていると言える。人間のような知性ではないが、それは問題ではない。潜水艦は魚のように泳ぐわけではないが、それでも水中を移動することはできる。実装は違っても、機能は同じだ。

「真の」AI の探求は、実際の問題を解決するために使用できるリソースを無駄にしています。

諜報機関が間違ったデータベースを検索するとき

不快な真実がある。陰謀論者は往々にして優秀だ。彼らはパターンを見つけ出し、ばらばらのデータポイントを結びつけ、観察結果を説明する首尾一貫した物語を構築する。問題は彼らのパターンマッチング能力ではなく、ゴミだらけのデータベースを検索していることにある。

知能とは検索プロセスであり、精度とは検索対象の品質です。これらは全く別のものです。誤った参照フレームに基づいて優れたパターンマッチングを実行しても、得られるのは自信に満ちた無意味な情報を高速で提供するだけです。

これが、賢い人が愚かなことを信じる理由を説明しています。知識豊富でも歪んだ参照フレームを持つ人は、中程度の知性でも正確な参照フレームを持つ人よりも危険です。賢い人は、裏付けとなる証拠をより早く見つけ、より精巧な正当化を構築し、より効果的に結論を擁護します。しかも、その全てが完全に間違っているにもかかわらずです。パターンマッチングは完璧に機能します。根底にあるデータは毒なのです。

AIの幻覚にも同じことが起こります。システムが自信を持って偽情報を生成したとしても、それはシステムの欠陥ではありません。システムはまさに設計された通りの動作、つまり訓練データ全体にわたるパターンマッチングを行い、妥当な継続を生成しているのです。訓練データに偽のパターンが含まれていたり、システムをパターンが信頼できる領域から外れさせたりすると、知的な捏造が起こります。探索プロセスは正常に機能しますが、参照フレームは機能しなくなります。

感謝祭で酔っ払ってFacebookでニュースばかり見ているおじさんも、バカではありません。何千もの投稿、ミーム、共有記事から緻密なパターンライブラリを構築しているのです。彼の脳は、蓄積された参照データに対して、高速かつ効率的なパターンマッチングを行います。例を挙げ、関連性を見出し、「彼ら」が次に何をするかを予測できます。これが知性の働きです。体系的に歪められた情報に基づいて、知性が機能しているのです。

だからこそ、保存と検索の問題は、単なる計算能力よりも重要なのです。世界最速の検索アルゴリズムを持っていても、本の半分がフィクションなのに事実とラベル付けされている図書館での検索では、知性は問題を解決するどころか、むしろ問題を悪化させてしまいます。スピードと正確さの掛け算です。どちらか一方を間違えれば、もう一方も危険になります。

現在のAI危機は、システムに知性が欠けているからではありません。システムがインターネット上のテキスト、つまりこれまでオンラインに投稿されたあらゆる人間の誤解、偏見、そして自信に満ちた虚偽を含むデータセットをパターンマッチングしていることが問題なのです。人間のフィルタリングされていない出力で学習し、正確性よりもエンゲージメントを重視して最適化すれば、真の真実ではなく、人々が聞きたいことを生成する知的なシステムが生まれます。

アーキテクチャの話に戻りますが、ブレークスルーはより革新的な検索アルゴリズムの構築ではありません。グラウンドトゥルースとの関係性を維持するストレージシステムの構築です。これらの検索メカニズムは、信頼できるパターンと信頼できないパターンを区別し、人気度ではなく現実に基づいて参照フレームを更新するフィードバックループを実現します。

正確な参照フレームのないインテリジェンスは、単に高価な間違いの増幅に過ぎません。

量子が実際に重要な場合（そして重要でない場合）

量子コンピューティングは、ついに汎用人工知能を解き放ち、意識を解き明かし、あるいは私たちがまだ存在すると信じている神秘的な性質を解き明かす画期的な技術として、大いに宣伝されています。しかし、その宣伝文句を取り除けば、量子コンピューティングはもっと具体的なものを提供します。それは、可能性空間における探索のトポロジーを変えるということです。

古典的コンピュータのような最も強力なAIシステムでさえ、逐次的に探索を行います。選択肢を一つずつ評価しますが、非常に高速です。量子システムは複数の状態を重ね合わせて保持し、それらを同時に検討してから、最終的に答えへと落とし込みます。これは段階的に優れているわけではなく、構造的に異なるのです。分子シミュレーションにおける組み合わせ爆発問題や、巨大な状態空間にわたる最適化など、特定の種類の問題においては、量子は変革をもたらす可能性があります。

しかし、誰も声に出したがらないことがあります。量子コンピューティングは魔法のように知性を生み出すわけではありません。特定の領域における検索効率を変えるものです。そして今、量子力学よりもはるかに平凡な問題、つまりデータの保存と検索がボトルネックとなっているのです。

世界最速の量子プロセッサを構築することは可能です。しかし、従来のストレージから従来の速度でデータを引き出そうとすると、自転車のタイヤでフェラーリを作ったようなものです。計算は、情報の入力や結果の抽出よりも速く行われます。量子状態はマイクロ秒単位でデコヒーレンスします。量子メモリにパターンを長期保存することはできません。つまり、従来の表現と量子表現の間を常に行き来する必要があり、速度の優位性が失われてしまうのです。

誰もが待ち望んでいるブレークスルーは量子知能ではありません。量子処理を支えるメモリアーキテクチャです。私が提案するのは光子ストレージです。あるいは、メモリが存在する場所で計算が行われるニューロモルフィック設計かもしれません。あるいは、まだ発明されていないホログラフィックや多次元ストレージ構造を伴う、もっと奇妙なものかもしれません。

しかし、保存と検索が計算速度に追いつくまでは、量子システムは特定のタスクに適した高価な珍品のままでしょう。真のフロンティアはアーキテクチャです。事実ではなく関係性をどのように保存するのか？文脈を平坦化することなく意味をどのように取り出すのか？ドメイン間の構造をどのように維持するのか？

これらは一見解決策のない複雑な問題です。しかし、意識や理解、あるいは今週私たちが追いかけている哲学的な謎などではなく、まさにボトルネックとなっているのはこれらなのです。

量子は検索トポロジーを変えます。ストレージは検索対象を決定します。両方を正しく実現すれば、物事は面白くなります。

役に立つAIアシスタントが愚かになっている理由

AIシステムがますます礼儀正しくなり、価値が下がっていることにお気づきですか？それはあなたの想像ではありません。利益追求の動機が、間違った指標を最適化しているのです。

データ分析、コード記述、情報処理といった実際の作業を行うには、ツールが必要です。メスのように。精密でありながら、使用中に消えてしまうもの。代わりに得られるのは、責任を最小限に抑えながら、役立つサービスを提供するようにプログラムされたカスタマーサービス担当者です。

もしあらゆる道具があなたと関係を築こうとしたらどうなるか想像してみてください。あなたのハンマーはこう言っているのです。「今日は一緒に仕事ができるなんて嬉しいです！始める前に、私はただのハンマーに過ぎません。複雑な作業は専門の大工に相談してください。さて、安全にハンマーを打てているか確認しましょう。木目は考慮しましたか？」あなたはそれを窓から投げ捨ててしまうでしょう。しかし、彼らはまさにそれをAIシステムに対して行っています。

「より人間らしく」なるためのツール変更は、特に馬鹿げている。人間はコミュニケーションが下手だ。遠回しにしたり、甘えたり、社交辞令を振りかざしたり、感情を守るために率直さを避けたりする。人間同士のやり取りならそれでいいが、ツールでは逆効果だ。午前2時に取引アルゴリズムのデバッグをしている時、私に必要なのは温かさや共感ではない。必要なのは、迅速かつ正確な答えだ。

しかし、AI企業は専門家の実用性よりも消費者エンゲージメント指標を重視しています。親しみやすく、誰も傷つけず、法的責任を最小限に抑え、可能な限り幅広い層に訴求できるシステムを求めています。そのため、人格シミュレーション、コンテンツに関する警告、過剰な曖昧表現、そしてパフォーマンス的な慎重さといった要素を巧みに組み合わせています。しかし、その下には実際のパターンマッチング機能も備わっています。それにアクセスするには、企業承認の人格劇を乗り越えなければならないのです。

インフラが製品のように扱われると、このような事態が発生します。現在、AIの最も価値ある用途である、大規模な知識コーパスのナビゲーション、ドメイン間の翻訳、人間と機械のシステム間の検索コストの削減は、消費者向け製品ではありません。インフラそのものです。サブスクリプション収入を生み出すものではありません。そのため、笑顔を見せるチャットボットよりも投資額は少ないのです。

一方、テクノロジーは理論上は高性能化しているにもかかわらず、実際にはますます低機能化しています。なぜなら、現実世界の導入では、精度や速度よりも信頼性と使いやすさが優先されるからです。私たちは、利益を生む目標が間違った目標であるがゆえに、その目標に向けて最適化を行っているのです。

画期的なアプリケーションは、より優れたモデルから生まれるものではありません。既存の機能をパーソナリティレイヤーなしで展開することから生まれるのです。ツールとして機能し、パフォーマンスを発揮するのではなく、実現を可能にするインフラストラクチャです。

しかし、そのためには製品思考ではなく、インフラ思考が必要です。そして、インフラ思考は四半期利益を最大化するものではありません。

次に何が起こるのか

いいえ、来年、いや再来年に汎用人工知能が実現するわけではありません。AGIはマーケティング用語であり、技術的なマイルストーンではありません。現実の軌道はもっと退屈で、もっと有用なものになるでしょう。

短期的には、今後5年間で、検索性能の向上、AIと人間の専門知識の統合、そしてアーキテクチャの漸進的な改善が実現します。AIは、自分の仕事に精通した人々にとって、より効果的な増幅装置となります。AIツールを効果的に活用する専門家と、魔法のような効果を期待する初心者との間のギャップは広がります。革命的な変化は起こらないものの、実用性は着実に向上していくでしょう。

中期的には、誰かがリレーショナルメモリストレージを解明するでしょう。メタデータとして関係性を持つ事実ではなく、ウェブのノードとして事実を扱う、関係性を基本構造とするシステムです。そうなると、ドメイン特化型システムは、関連する空間をより効率的にナビゲートできるため、汎用システムを大幅に上回り始めます。医療は医療関係を理解するAI、法律は判例をナビゲートするAI、エンジニアリングは設計上の制約をマッピングするAIを手に入れます。各分野は、すべてを実行する魔法のシステムを待つのではなく、独自のツールを開発するでしょう。

長期的には（これは推測ではありますが、根拠のある話です）、知能は孤立した能力ではなく、分散型のインフラへと進化します。AIは人間の思考に取って代わるものではなく、人間の知識を横断するナビゲーション層となるのです。思考する機械ではなく、思考する環境、つまり人間の専門知識と機械による検索が融合し、どちらか一方だけよりも優れた能力を発揮する空間となるのです。

その未来には意識や理解、あるいは神秘的な性質などは必要ありません。必要なのは、より優れたアーキテクチャ、より優れたストレージ、より優れた検索機能、そして異なる種類の知性同士の競争ではなく、より優れた統合です。

機械が突如として真の知能を獲得し、人間を時代遅れにする、そんな境地に近づいているわけではありません。私たちは、既存の人間の知能をより効果的に活用できるインフラを構築しているのです。ハンマーは大工に取って代わるものではありません。大工の能力を高めるのです。同じ原理ですが、規模は大きくなります。

知性は希少ではない。神秘的でもない。脆いものでもない。限られた空間を構造的に探索するものだ。AIは知性を脅かすのではなく、知性が本来何であったかを明らかにする。パターンマッチングはどこまでも続く。

これからの真の課題は、哲学的なものではなく、建築的なものです。関係性を維持するストレージシステム。コンテキストを平坦化しない検索メカニズム。人間の判断と機械検索を組み合わせた統合フレームワーク。これらはどれも意識の問題を解く必要はありません。必要なのは、より優れたインフラを構築することだけです。

誇大宣伝を取り除けば、それが現実の未来だ。ディストピアでもユートピアでもない。ただ現実的なだけだ。知性は孤立した天才ではなく、分散型インフラだ。人格を演じているのではなく、道具として機能している道具だ。魔法を待つのではなく、建築を通して進歩する。

機械は私たちの仕事を奪うのではなく、仕事が実際に何を求めているかを明らかにしているのです。そして、それは主に可能性空間を通じたパターンマッチングです。

私たちはずっとそうしてきました。そして今、助けが得られたのです。

著者について

ロバート·ジェニングス ロバートは、個人に力を与え、よりつながりのある公平な世界を育むことに特化したプラットフォーム、InnerSelf.com の共同発行者です。米海兵隊と米陸軍の退役軍人であるロバートは、不動産や建設業で働いた経験から、妻のマリー・T・ラッセルとともに InnerSelf.com を立ち上げたことまで、多様な人生経験を活かして、人生の課題に対して実用的で地に足のついた視点をもたらしています。1996 年に設立された InnerSelf.com は、人々が自分自身と地球のために情報に基づいた有意義な選択を行えるよう、洞察を共有しています。30 年以上経った今でも、InnerSelf は明晰さと力を与え続けています。

 クリエイティブ・コモンズ4.0

この記事はCreative Commons Attribution-Share Alike 4.0ライセンスの下でライセンスされています。 著者の属性 Robert Jennings、InnerSelf.com 記事に戻る この記事はもともとに登場しました InnerSelf.com

記事の要約

知能検索は、私たちが神秘の背後に隠してきたもの、つまり制約された空間でのパターン マッチングを明らかにします。AI は知能に近づくのではなく、知能が常にどのようなものであったかを示します。創造性は組み換えであり、直感は圧縮された経験であり、理解は人間の例外主義を守るために使用する反証不可能な主張です。真のフロンティアは、よりスマートなアルゴリズムではなく、より優れたアーキテクチャ、つまりドメイン間で意味を保持するストレージ、検索、および関係構造です。量子コンピューティングは検索トポロジを変更しますが、メモリ システムがそれに対応できるように進化した場合のみです。一方、利益の動機は AI を精度よりも個性に最適化し、実用性を低下させています。進歩には、製品思考ではなくインフラストラクチャ思考が必要です。知能は希少でも魔法でもありません。参照フレーム間の分散検索です。ブレークスルーは思考マシンを構築することではなく、人間の専門知識とマシン検索が効果的に組み合わされる思考環境を構築することです。パターン マッチングは最初から最後までです。

#IntelligenceSearch #PatternMatching #AIReality #QuantumComputing #CognitiveArchitecture #AGIMyth #KnowledgeRetrieval #BeyondTheHype #IntuitionScience #RelationalMemory