パート 3. AI — 研究、イノベーション、起業家精神への新しいアプローチ

クレジット：【1]

「…生命が出現するのは物理学のスケールですが、その生命自体は、化学から細胞、社会に至るまで、さまざまなスケールで繰り返されるより広範な現象であり、より一般的には、情報 (抽象的な特性) と物質との相互作用に関係しています。」【2]

In 第1部このシリーズでは、人工知能 (AI) が分析用の新しいデータを作成し、合成データから洞察を抽出し、以前は人間が担っていた認知的役割の多くを引き受けるまでにどのように進歩したかについて説明しました。の第2部シリーズの中で、抽象化、洞察、合成データの概念をさらに掘り下げ、AI が人間の能力を超える可能性を紹介しました。このパート 3 では、AI の進歩に直面しても人間が付加価値を提供し続けるために、創造性をどのように再検討する必要があるかについて説明します。進化は、探求し、反復し、学習するという本能の一部として、すべての幼い子供 (飢え死にしない) が自然に創造的であるように優雅にプログラムしました。多くの調査によると、この創造性は、子供が 12 年生になるまでに、正式な教育を通じて子供からプログラムされていることが示されています。 21 世紀の創造性を形作るには、工業化時代とその富の創造モデルがほぼ終わったことを認識する必要があります。過去 XNUMX 世紀に人類の驚くべき進歩を形作った古いシステム、慣行、文化のセットは、再検討し、疑問を呈し、おそらく棚上げする必要があります。うまくいけば、この記事はそのような検討を開始します。

クリエイティビティ

私たちのほとんどは、創造性のコースを受講したことがなく、それを勉強したことのある人はほとんどいません。学生との私の経験では、ほとんどの学生は創造性を定義できません。イマジネーションとクリエイティビティの違いを知っている学生を私は見たことがありません。クリエイティビティの例を挙げるように求められると、ほとんどの人は歌、芸術作品、または映画を例として挙げます。数学、科学、または工学からの例を提供するものはほとんどありません。創造性を教え、数学、科学、工学、社会科学におけるその重要性を理解していないことは、人類が初めて絶滅の可能性に直面する歴史のこの瞬間に特に厄介です.

認知科学者のマーガレット・ボーデンは、創造性のXNUMXつのタイプを定義しています【3]. 1 つ目は、既存のコンポーネントまたは変数の「斬新な組み合わせ」です。これがアインシュタインの「組み合わせ遊び」という言葉の意味だと思いますが、これはポアンカレの発明が最初に創造的な選択肢からの選択であるという考えから派生したものかもしれません。ボーデンの他の 2 つの創造性の定義は、(XNUMX) 自分の文化に由来する「概念空間 [または] 構造化された思考スタイル」、および (XNUMX) これらの空間の探索に言及しています。ボーデンの「概念空間」には付加価値が見られません。概念空間には、再定義または変更できる特定の「コンポーネント」または「変数」があります。ボーデンと私は、創造性のこの構成要素の性質が AI などのアプローチに役立つことに同意します。さらに、人工知能が「創造的」であるかどうかについての議論は重要ではないことに同意します。 AI は、価値のある新しい結果を生み出しています。コンピューターが目新しさを追求するために意図的だったかどうかは、哲学者以外はほとんど関心がありません。それにもかかわらず、コンピューターが人間に取って代わる能力を拡大しているかどうかという問題は非常に現実的です。しかし、問題や質問は、肯定的に述べられるまで正しく理解されないと思います。したがって、より良い質問は、コンピューターと人工知能が人間の能力をますます複製する未来において、人間はどのように創造的になり、価値を生み出すのでしょうか?

この詳細な教育コンテンツがあなたに役立つ場合は、 AIメーリングリストに登録する新しい素材がリリースされたときに警告が表示されます。

研究とイノベーション

予想通り、AI は立ち止まっているわけではなく、テクノロジーの促進、資本の誘致、株価の促進、または上記すべてのために、すべての主要な進歩が大々的に公表されているようです。これらの進歩はすべて、人工知能の 1 つの機能、つまり (2) 通常は (XNUMX) 予測の目的でパターンを認識するコンピューターの能力に基づいています。進歩は通常、より複雑なパターンを特定し、複雑な主題に関する新しい洞察、知識、および理解の基礎をますます提供します。ユルゲン・シューミットフーバーは次のように述べています。

「過去の短く簡単な説明は通常、未来の予測にも役立つ繰り返しの規則性を反映しているため、将来の目標を達成することに関心のあるすべての知的システムは、その行動に応じて生の感覚入力の履歴を圧縮するように動機付けられる必要があります。前もって計画する能力を向上させます。」【4]

もちろん、この「反復規則性」は、人間が学習方法の基礎として進化を通じてプログラムされたのと同じ探索的で反復的な行動です。この種の行動は、ピアジェや他の多くの研究者によって記録されています。ただし、パターン認識だけではほとんど価値がなく、ここに人間の役割における継続的な重要性があることを認識しておく必要があります。学習と研究の両方を再定義し、人間の付加価値を明確にするのは、この AI 支援による新しいパターンの検索における人間の役割に焦点を当てているからです。この 17 部構成の記事を通して、私は常に認識論と形而上学の問題に立ち返ってきました。それぞれ、私たちの知識の理論とは何か、そして現実（現実）とは何か。デカルト、スピノザ、ライプニッツなどによって XNUMX 世紀に開発された現実の歴史的な概念は時代遅れであり、更新された概念により、AI を創造的に利用して革新的な結果を生み出すことができるようになると思います。私は一貫して、量子物理学、複雑科学、システム思考に基づいた現実の現代的な概念を提唱してきました。

皮肉なことに、現在利用可能な AI ツールは、人間よりもこの最新の形而上学に適しています。私たちが知っていることを見ると【5]:

(1) 創造性とは、既存のコンポーネントを新しい方法で組み合わせることです。この概念は、現実は、分子から人間や人工システムに至るまでのすべてを作成するために結合する亜原子および原子コンポーネントに基づいているという認識に他なりません。

(2) ハーバート・サイモンの合成の概念は、これらの天然および人工の構成要素を新しい組み合わせで「創造的に」組み合わせて問題を解決できることを示しました。

(3) ジョン・ホランドは、自然と人工のシステムの多くが、限られた数の規則や法則から理解できることを私たちが理解するのを助けてくれました。「限られた数の規則や法則によって生み出されるこの永続的な目新しさは、最も複雑なシステムの特徴です。DNA は同じ XNUMX つのヌクレオチドのストリングで構成されていますが、XNUMX 人の人間はまったく同じではありません。ユークリッド幾何学の定理はわずか XNUMX つの公理に基づいていますが、XNUMX 年経った今でも新しい定理が導き出されています。他の複雑なシステムについても同様です。」【6]

(4) Capra と Luisi は、人間の生活のすべての次元が複雑な非線形ネットワークであるシステムであることを示すことによって、必要な基礎を完成させます。「システムの生命観の中心的な特徴は、その非線形性です。すべての生命システムは複雑です。つまり、高度に非線形なネットワークです。そして、生命の生物学的、認知的、社会的、生態学的な側面の間には無数の相互関係があります。」【7]

この要約を理解すると、以下に定義されているように、計算上の創造性のすべての部分がわかります。

「組み合わせの視点により、可能な組み合わせの空間を介した検索プロセスとして創造性をモデル化できます。組み合わせは、異なる表現の構成または連結から、または初期および中間表現のルールベースまたは確率論的変換を通じて生じる可能性があります。」【8]

AI は、この自然な計算環境をモデル化するのに最適です。

経済史

ここでイノベーションの概念を紹介したいのは、創造性が発明 (具体的なプロセス、方法、構成、またはデザイン) にならない場合、創造性はほとんど価値がないことを明確にしたいからです。【9] そして、人々の生活に価値を創造することを提案します。伝説的な経済学者ジョセフ・シュンペーターの言葉を借りれば、「イノベーションとは商品化された発明である」ということです。イノベーションの議論は、人間性と人々の問題の解決に焦点を戻します。私たちは今世紀、環境における手ごわい問題、中国との「冷戦」、富の不平等の問題、そしてあらゆる社会問題に影響を与える「社会的決定要因」に直面しています。これらの問題の重大さと、私たちが住む世界の相互接続がますます進んでいるため、新しい科学と工学の必要性が最も重要です。しかし、「科学のための科学」の時代は基本的に終わったことを明確にしたいと思います。これは、全米科学財団 (NSF) が翻訳に戦略的に重点を置いており、革新的な科学と工学を市場に投入していることからも明らかです。 NSF は、米国の国家研究戦略を定義し、資金を提供するために 1950 年に設立されました。何年にもわたって、NSF は研究の商業化をますます強調して、スケーラブルな社会的および経済的影響を達成してきました。 NSF は、現在の問題の学際的な性質も認識しています。【10] AI を研究や商品化されたソリューションに統合する必要性【11].)

私たちが認識しているのは、新しい科学がより明確になるにつれて、問題も明らかになったということです。つまり、自然と人工のコンポーネントの組み合わせの性質を利用して解決策を作成する方法です。 Bryan Arthur が予測しているように、ツールは時代の問題を解決するように見え、機械学習、ニューラルネットワーク、および遺伝的アルゴリズムはすべて、これらの組み合わせソリューションを生成するために必要なツールの例です。生物学的および社会的接続性をよりよく理解するためのグラフニューラルネットワークもあります。多幸感に浸る前に、立ち止まって、経済学で何が起こっているかを考えてみましょう。

Schumpeter、Thomas Kuhn、Carlotta Perez をはじめとする多くの人々が、科学革命と産業革命を研究してきました。私の好きな研究者の XNUMX 人は、ロシアの経済学者ニコライコンドラチェフです。彼は、技術革新の波やサイクルについて説明しました。【12]以下に示すように。

人間は、原材料と原始的な道具を使ってニーズを満たし、経済的価値を生み出し始めました。富を創造するためのこの経済モデルは、効率と生産速度を高めるためにエネルギーが導入された 18 世紀まで続きました。多様な形態のエネルギーと関連技術の導入を通じて、私たちは第二次世界大戦の終わりまでイノベーションの範囲を広げました。 1960 ～ 1970 年代には、戦時中の必要に応じて資金が提供され、コンピューターが商用ツールとして登場しました。クロード・シャノンの情報理論と、ネットワーキングに対する自然な傾向に基づいて、コンピューターは情報に基づく新しい富の創造モデルを生み出しました。主要な経済的インプットとしてのエネルギー、土地、および材料の置き換えが始まりました。コンピューティングは、人々が情報の価値と得られる競争上の優位性を認識するにつれて、急速に進歩しました。 2005 年頃から、研究者と産業界は、1956 年にダートマスで打ち上げられた AI が真の科学的、経済的、社会的価値を得るには、より多くのデータが必要であり、計算能力が必要ではないことに気付きました。 AI は、合成化学、計算生物学、最終的には独自の合成データの生成などの新しい分野に適用され始めました。今日、物質と食物を合成材料に置き換え、生産プロセスを予測的にモデル化してエネルギー消費を削減し、効率を高め、合成データを使用して分子生物学、遺伝学、材料科学、およびその他の幅広い分野で新しい洞察を得ることができます。効果的に、富を創造するための新しい経済モデル、合成 — AI を使用して、さまざまな種類の新しいシステム、プロセス、およびプラットフォームの入力、出力、またはその両方としてデータを形成します。 AIと合成データを通じて発見されたばかりの古い問題と新しい問題に対する新しいソリューションを作成し、設計します。この新しい富の創造モデルを見る別の一般的な方法は、情報システムへの物理的、自然的、およびデジタルの融合、ジョン・ウィーラーの独創的な「It to Bit」の更新版 (この記事のパート 2 で説明されている) としてです。一連の記事）。

この経済史の教訓を、科学、創造性、イノベーションの現状に関する以前の要約と組み合わせると、次の概念に基づいて構築された将来の計画を立てることができます。

(1) すべての問題は今や情報の問題です。

(2) 科学、工学、数学の指導は、量子物理学、複雑さ、システム思考によって形成されるべきです。

(3) 自然と人工のシステムに固有の複雑さは、学習、研究、革新への学際的なアプローチに役立ちます。

(4) 応用 AI は、問題の複雑さを理解し、必要なイノベーションを開発する、学際的な研究アプローチの重要な要素です。

(5) 人類が直面している実存的な問題は、科学的研究を商業化する必要性を引き起こします。民間部門には、問題を解決するために必要な膨大なリソースがあります。問題の緊急性は、問題に対する政府や NGO の責任以上のものを必要とします。

多くの人が AI が人間の仕事を奪うことを懸念しており、別のグループは AI が動作するために必要なデータの差別的な偏見を懸念しています。さらに別のグループは、電力使用量の増加と、関連するデータストレージデバイスによる環境問題を懸念しています。多くのグループがこれらの問題に火をつけ、両側の愚かな政治家が火に油を注ぐだけです。蒸気機関以来のすべてのテクノロジーは、プラスとマイナスの結果をもたらしました。私たちは、生活水準を向上させるためにこれらのテクノロジーを創造的に活用することに成功しました。しかし、この進歩はまた、地球の限りある資源を使い果たし続けているため、私たちを絶滅の危機に瀕させています。

フランスの哲学者ミシェル・フーコーは、「不可能を可能にするためには、見えないものを見なければならない」と言いました。今日の問題に対する創造的な解決策を見つけるのは、パターン認識、類推、および洞察に対する人間の能力です。 AI は、分析、調査結果の決定、予測能力をスピードアップすることで、これらの取り組みをサポートします。本当の問題は、時間内に解決策を見つけるために AI を活用できるかどうかです。

私たちは新しいアルゴリズムを開発し続けると確信しています。そのためには、より多くの数学、統計学、応用機械学習を若い年齢の子供たちに教える必要があります。これらの新しいアルゴリズムは、科学、医学、環境研究において新しい知識を生み出します。この新しい知識は、問題に対する創造的な新しい技術的解決策につながり、これらの解決策の多くは、多くの場合ナノメートルスケールのコンポーネントベースのアプローチになります。この知識が平均余命を大幅に延ばし、最終的に、あまりにも長い間取り残されてきた人々の生活水準を改善できるようになることを願っています. 量子コンピューティングと原子力エネルギーが進歩するにつれて、私はこの予測についてさらに楽観的です。

私の楽観主義に対する最大のリスクは、自然災害の増加と環境の継続的な悪化です。人間は新しい技術のおかげでおそらく生き残るでしょうが、生活の質は劇的に変化したり低下したりする可能性があります. また、私の楽観主義を脅かしているのは、独裁と過激主義の発生率の増加です。この形の政府は革新を抑圧し、改善に対する人々の自然な欲求を抑圧します。中国とウクライナでの最近の出来事は、独裁政権の悪影響の例です。環境問題に適切に対処する機会があれば、より良い地政学的環境が必要です。政府の干渉がなければ、個人のエンパワーメント、創造性、イノベーションが繁栄し、時代の問題を解決できます。理想的には、すべての人に。