この動画では、AGI到達度が96%に達したとするAllenの保守的カウントダウンの最新状況を紹介し、Googleの新しい入れ子学習アーキテクチャ、中国の驚異的なアクロバット能力を持つヒューマノイドロボット、ゲームの超リアルなAIモッド、拡散モデルとトークンベースモデルを組み合わせた新しいハイブリッドアーキテクチャ、人間の脳により近い構造を持つAIシステム、位置情報を特定できるAIエージェント、アルゴリズムによる価格設定の開示を求めるニューヨークの新法案、刑務所の通話を監視するAI、そして物質ではなく意識が現実の基盤であるとする新しい理論まで、AIと技術の最新動向を幅広く解説している。
AGI到達度96%への道のり
Allenの保守的なAGIへのカウントダウンがまた一段階上がりました。私たちは正式にAGIまで96%のところまで来ています。私のチャンネルをフォローしている方ならご存知だと思いますが、最初のビデオを作った時は60%台、少なくとも70%台前半だったと思います。それが間もなく100%に到達するのを見ることになるなんて、本当に驚きです。
もちろん、これは具体化された汎用知能を意味しています。つまり、今本当に推進しているのはロボットなのです。しかし、このGemini 3とClaude、そしてGoogleの適応学習論文について見ていきましょう。中国は矢をかわして横宙返りするヒューマノイドロボットを持っています。冗談ではありません。あの横宙返りを見てください。すごいですね。新しい超リアルなAIモッドがゲームプレイをこんなふうに変えます。
これは皆さんが見ているビデオゲームにエフェクトをかけたもので、本物に非常に近く見えます。彼らの足元を本当によく見てください。ただ滑っているだけなのが分かります。これはゲームの映像ではありません。深圳では清掃用自律ロボットのパレードがありました。そう、そういうことです。人々がそれを見に来ました。
拡散で考えるけれどもトークンで話す、AIモデルの魅力的な新アーキテクチャ。二つの世界が衝突します。AIアーキテクチャにいくつかの小さな変更を加えると、人間の脳のように考えるようになることについてお話しします。これは私たち自身についての洞察を与えてくれるように感じます。
Geo Vistaは、AIエージェントが実世界のストリートビューをズーム、パン、推論できる新しいAIモデルです。なぜそれが重要なのか疑問に思っているなら、おそらく推測できるでしょう。位置情報の推定、写真がどこで撮影されたかを当てるのです。そして推測したら、実際にGoogleマップに行き、ストリートビューを見て、自分で正しいかどうか確認できます。
つまり、その写真がどこで撮られたか見つけるまで、一日中検索し続けることができるのです。ニューヨークは非常に興味深い法律の制定を検討しています。Amazonのようなウェブサイトに対し、人工知能によって利益を最大化するために価格が調整されたかどうかを実際に知らせることを要求するものです。そして正直なところ、もし私が買おうとしているものの下にこれが大文字で書かれているのを見たら、「この価格はあなたの個人データを使用したアルゴリズムによって設定されました」と、実際にありがたいと思います。
すぐにVPNに接続して、国内で最も貧しい地域に変更して、もう一度価格を確認するでしょう。そして十分な数の人々がそうすれば、私たちから最大限搾り取ろうとする価格設定は彼らに裏目に出るかもしれません。刑務所の通話で訓練された新しいAIモデルがあり、刑務所からの犯罪計画を探しています。
大量の通話を聞いて、犯罪が考えられたり企図されたりしているのを検知し理解して、サイクルのはるかに早い段階で彼らを捕まえるのです。マイノリティ・リポートを思い出させます。でもまず、今すぐYouTubeのハイプボタンを押してもらえますか。モバイルアプリ、おそらくiPhoneかAndroidを使っている必要があります。
コメントの横に右スワイプしてください。そして、この動画が公開されてから7日以内、つまり新しく見ているなら、まだ3つのハイプのうち1つを使っていなければ、そのハイプには多くのポイントが付いています。でも、もしハイプをくれる気にならなくても、私はAllenの保守的カウントダウン96%の最高の分析をお届けします。
入れ子学習とAIの進化
上がりました。さて、このカウントダウンはしばらく動いていませんでした。9月に95%に達してから停滞していたのが分かります。なぜなら、今は本当に機械についてなのです。LLMテストのようなものでどれだけ良い成績を収めるかだけではありません。だから私はこの論文をかなり真剣に受け止めました。
GoogleのDeep Mindから出た適応学習、入れ子学習です。これは非常に有名なトランスフォーマーの修正版で、人間の脳によく似ています。人間の脳のような大きな変更点の一つは、推論中に継続的に学習し記憶できることです。つまり、考えているときに自分自身について学習し、自分の考えを更新しているのです。
人間の神経可塑性を模倣するだけでなく、それにロックされていません。この論文を見てみましょう。私にとって、これはかなり響きました。進化がどのようにしてきたかのように感じます。爬虫類脳のようなものがあって、本能的に物事を行い、食べ物を欲しがるだけで、その上に座っているような別の種類の脳があり、時々気づいて、時々怖がって気づかず、少し弱く感じますが、はるかに先の未来を計画することもでき、自分自身に気づくこともできます。
これは瞑想しているときに、自分の体がどう感じるかを考えることです。まるで上位の脳が小さい脳を感じているようなものです。象とライダーのような比喩を聞きます。象はあなたの核となる感情、情動のようなもので、何かを考えさせます。
そして時々ライターが象を導くことができます。しかし正直なところ、象がどこかに行きたければ、ライターはそれを圧倒するほど強くありません。Googleのこのチームは、彼らが発明したトランスフォーマーを見て、それがとても成功していることを見て、それから入れ子学習の観点から考えました。
入れ子学習は根本的に、以前学習したことを忘れることなく継続的に学習できるように機械学習モデルを設計する異なる方法です。これが画期的だと人々が呼んでいる理由が分かります。つまり、私は技術的に十分に詳しくないので、細部まで本当に知ることはできませんが、高いレベルで私に響きます。
ニューラルネットワークのアーキテクチャを層として扱い、その訓練アルゴリズム、オプティマイザーを二つの別々のものとして扱います。つまり、一つのレベルが本能的に反応するだけで、一つがそれを見ていて、もう一つがそれを見ているのです。入れ子学習は、モデル全体を、それぞれが独自のコンテキストフローと独自の更新リズムを持つ、入れ子になった多レベル最適化問題のシステムとして扱います。
この繋がりが今思い浮かびました。論文には載っていませんが、異なる睡眠波を通過することについて考えます。アルファ波、ベータ波のようなものがあります。このコンテキストフローにも似たようなリズムがあるように感じます。これらのノードを通過して更新していますが、1兆ノードのモデルがあってそれらすべてを等しく更新するだけではありません。
波のようなものがあるのです。いくつかはゆっくり進み、いくつかは速く進み、異なるセクションにあって、実際に学習しています。より高いところでゆっくり進んでいるものは、実際に下で速く動いているものに基づいて、よりゆっくり学習し変化しています。
私にとって、これは私たちが眠っているときに起こっているかもしれないことのように感じます。実際には、これは異なる速度で更新されるモデルの異なる部分がある連続体記憶システムを意味します。高速適応コンポーネントが新しい情報を処理し、低速更新コンポーネントが安定した知識を統合します。Googleチームは実際にこの入れ子学習アーキテクチャを使用したプロトタイプアーキテクチャを構築し、それをHOPEと呼んでいます。彼らはプロトタイプで、言語モデリング、推論、長いコンテキストタスクにおいて標準モデルを上回ることを示しました。
これは大きな突破口になる可能性があるでしょうか。私が知っている限り、AllenのAGIへの保守的カウントダウンは最高のカウントダウンで、彼はそう考えています。また、GoogleのGemini 4のようなものがこの新しいアーキテクチャで構築されている場合、それは一度訓練して展開するものであることを覚えておいてください。Google Gemini 5はないと思います。
ただ4が学習し続けるだけです。第4バージョンは人間の脳のように独自に学習し続けるでしょう。そして、そのパラダイムがスケールすれば、より多くのサーバーを追加し続け、人々がより多く話しかけ、それは人間の脳のようにリアルタイムで学習し続けるでしょう。それはすごいことになりますね。
驚異のロボット技術とゲームの進化
さて、これは矢から横宙返りで逃げるヒューマノイドロボットです。今週これを見るとは思っていませんでした。間違いなくアイロボットの雰囲気があります。ただそれに向かって撃つと、忍者のように逃げます。それはどれだけ怖いでしょうか。これはMagic Bot Z1です。マトリックスにインスパイアされた動きがいくつかあるようです。
さて、中国から来る忍者ロボットの未来です。つまり、回転蹴りはかなり印象的に見えます。これがNです、もうこれはすごくクレイジーになっています。なぜダメなのでしょうか。このロボットをディズニーランドの任意のキャラクターとして着飾らせることができます。そして歩き回らせることができると思います。
でも、何かがそれほど機敏なら、もうすぐ人間がやることのほとんどすべてができるのではないでしょうか。車に座って、人間のようにハンドルをつかむことが簡単にできそうです。手はありませんが、それは一つの問題です。でも足はペダルを踏めます。確実に忍者のように逃げられます。
そして、その上に武器を載せたらどうなるか神のみぞ知るです。戦場に投入します。ブレイクダンス競技会。逆立ちしようとしています。シミュレーションではないというのはすごいことです。リアルタイムでどれだけ速いか見てください。飛び退いています。さて、NBA 2Kは、私たちがAIだと思うものでバスケットボールをプレイするビデオゲームです。
誰も完全には確信していませんが、これはリアルタイムモッドではないとかなり確信しています。これはClingか何らかのAIツールを通して実行されたもので、より現実的にしていると思います。でもすごいですね、なぜある時点でこれをリアルにする計算能力がないのでしょうか。そして、なぜ人々はこれを本物のバスケットボールゲームのように座って見ないのでしょうか。つまり、これはビデオです。
これは画面上のすべてのキャラクターをコントロールできる二人です。ビデオゲームですよね。このようなゲームを見ている10人全員がいることができます。全員がヘッドセットをつけ、国のあちこちにいて、完全にリアルに感じることができます。つまり、少し奇妙な滑りに気づくでしょうし、近づくと、審判が奇妙な姿勢で少し長く止まりすぎるでしょうし、もちろん観客も。
でも、2025年の終わりにここにいるとは思っていませんでした。なぜ別のグランド・セフト・オートを作る必要があるのかさえ疑問に思います。古いものにこのようなモッドを入れて、完全にリアルに見えるようにすればいいだけです。おそらく来年の半ばまでにはリアルタイムで実行できるようになるでしょう。GTA 6が出るのはそのころだと思います。
グランド・セフト・オート6の予定リリース日はいつですか。そう、来年の11月まではありません。来年のほぼ終わりです。今、中国で行われている清掃ロボット競技会をチェックしてください。深圳は清掃ロボットと素晴らしい一日を過ごしていました。これらのものがどれほど自律的に24時間年中無休で歩き回り、自分で充電し、街を清潔に保てるかを市に見せていました。
正直なところ、これはAIの最もクールな使用例の一つです。私は、なぜと思います。都市が本当にきれいになるのは好きです。大都市の汚染が心配です。一度インドに行ったことがあって、そこは本当にひどいと感じました。でも、私が住んだことのある主要都市でさえ、楽しくありません。地面にゴミが落ちているのを見るのは好きではありません。
歩きやすさを損なうと感じます。このようなものがある都市が大好きです。そしておそらく、人々が歩き回ってやるよりもずっと安いでしょう。分かりません。アメリカにこのようなパレードがあればいいのにと思います。人々が自律的な清掃に興奮すればいいのにと思います。もしあなたにとって行きやすい場所だったら、そのパレードに参加するかどうかコメントで教えてください。
人々がこの仕事をすべきだ、という興味深いコメントです。彼がそこでどんなことを考えているのか気になります。ミス・ロボット・ユニバース2025。清掃ボットは都市の真のMVPです。そうかもしれません。中国はその国のディストピア的悪夢を良いものとして見せようとしているんですね。うん。反論。アメリカのディストピア。貧しい人々が歩道で生活している。
中国では、貧しい人々が家で生活している。分かりません。私はそれについてコメントしません。
ハイブリッドアーキテクチャの新展開
さて、私たちはすでにハイブリッドアーキテクチャについて話を進めています。では、Nvidiaから出てきた何かについて話しましょう。新しい論文TIDARは、TLDDRと混同しないでください。これは言語生成のための新しいハイブリッドアーキテクチャの提案で、二つの既存のパラダイムを組み合わせています。
私たちはこれらについていつも話しています。拡散ベースのモデル、この場合は拡散ベースのトークンドラフティングモデルと、通常の自己回帰モデル、次のトークンサンプリングのようなものです。画像について考えるとき、私は「ああ、おそらく拡散モデルだ」と思います。そして、ChatGPTやGeminiについて考えるとき、おそらく自己回帰だと思います。次のトークンです。
時々、テキストで機能する拡散モデルについて聞きます。それは興味深いです。実際に段落全体を一度に得て、それから再編成するからです。ファジーのようなものです。時々テキストが少し変で、最終的な段落に再編成されます。
でも、それも超高速です。一般的に知能テストではうまく機能しないと思いますが、拡散として考えて最後に話すようにモデルを組み合わせると、それは理にかなっているかもしれません。拡散言語モデルは並列化に優れています。つまり、すべての正しいトークンを画面に非常に速く表示できるという意味で、すぐにある程度まで到達でき、この方法で構築された将来のGeminiのようなものへのクエリを劇的にスピードアップできます。
しかし、通常は少し品質が低くなります。だから、これらのモデルは実際に一つずつトークンを生成し、高い一貫性と品質を持ちます。単一のフォワードパスで二つを組み合わせることによって。つまり、拡散ドラフティングを介して考え、多くのトークン候補をすべて並列で、そして自己回帰を介して話します。
つまり、最終的なトークンを順次サンプリングします。そして、これを実際に構築してテストしたらどうなるか。1秒あたり4.7から5.9倍多くのトークンが得られます。つまり、コストを劇的に下げ、品質をほぼ同じに保ちます。そして、速度と品質をトレードオフする必要がなければ、本当に速く、本当にインテリジェントな応答が得られるということです。
人間の脳に近づくAI
さて、次に、一部のAIシステムを他のものよりも脳に似せる小さな変更について話しましょう。今、AI全体のイノベーションで私が見ているパターンは、どのような調整がアーキテクチャを少し脳に似せ、少し人間らしくするかということです。これはジョンズ・ホプキンス大学から出た完璧な研究でした。
科学者たちは、特定のAIシステムへの単純な調整が、それらをより「脳のような」ものにすることを発見しました。つまり、人間やすべての霊長類の脳活動により密接に一致する方法で画像に応答できるということです。そして、AIがデータで訓練される前でも、これを行うことができます。私たちがAIを成長させるとき、プログラムするのではなく、成長させるのです。
人間のような方法で訓練すると、人間のような方法で考える傾向もあります。さて、彼らは三つの一般的なAIアーキテクチャから構築された数十のニューラルネットワークをテストしました。トランスフォーマー、完全接続ネット、畳み込みネットです。そして、畳み込みスタイルのネットワークでのみ、人間のような調整を行ったときに、より脳のような活動を示しました。
さて、ここにすべての違いを生む一種の変更があったわけではありません。数十の小さな変更でしたが、すべてこの特定の特徴の次元性のスケーリングと呼ばれるものについてでした。つまり、彼らは人間の脳で見られる幾何学に似た方法で、内部ニューロンまたは特徴マップの数を拡張しました。
だから、すべてを学習させるのではなく、学習していて、最初により人間のように見える方法で押したり突いたりしています。だから、人間のような形から離れるためにより一生懸命働かなければならず、その人間のような形の周りに少し多く構築する傾向があります。
多次元幾何学のような形について話しています。潜在空間のような。想像するのは難しいですが、3次元空間のベクトルのようなものを多くの次元にスケールします。これは畳み込みニューラルネットワーク、そのようなアーキテクチャについて何かがあることを示唆しています。そして、局所受容野を持つ方法が、生物学的視覚がどのように機能するかに少し近いということです。
だから、私たちが知っている最も強力なモデルではないにしても、ある意味では最も人間らしいかもしれません。
位置情報特定AIと価格設定の透明性
次に、Geo Vistaについて話しましょう。これは位置情報特定のために新しく導入されたエージェントモデルです。前回の動画で、人身売買やホテルの部屋で起こる危険なことのために、世界中のすべてのホテルの部屋がAIで簡単に追跡できることが役立つかもしれないと話しましたが、ホテルの部屋で起こる多くの普通のこともあります。
だから、私たちがこのようなことについて話すとき、いつも少し複雑な気持ちになりますが、それは新しいモデルです。それが存在することを知っておくべきです。そして、それが行うことは、地球上のどこで任意の写真が撮られたかを見つけ出すことです。その魔法は、以前に見たことのある方法で視覚的推論を組み合わせ、以前にそれが使用するのを見たことのない外部ツールと組み合わせることです。
二段階の訓練パイプラインを使用して、何かがどこにあるかを考えるかを見つけることができます。それは強化学習を通じて行われます。しかし、実際に問題を解決しようとしている推論中に、さまざまな地図システムに行くことができ、あるべきだと考える画像の一部をズームインして、見て、周りをパンできます。そして、満足しないか、考えるものに対する良いコントラストや高い信頼度が得られない場合は、戻ってさらに検索します。
Geobenchモデルには、世界中の高解像度写真、パノラマ、衛星画像が含まれています。しかし、人間の探偵が何をしているかを考えると、ズームイン、チェック、スキャン、考える、検証、比較、それがこのモデルがやっていることです。
そして、夜に寝ると、それは地球全体を検索し続け、どこから来たのか本当に確信するまで続けます。そして本能的に、それはすでにどのように絞り込むかをある程度知っています。そして、それを検証しに行きます。そして、起きたときに、「はい、これが私の上位3つの候補です」と言うのでしょう。
Geo Vistaを使用したGeobenchは、この問題において他のオープンソースのエージェントモデルを大幅に上回り、GPT-4やGemini 2.5 Flashのようなクローズドソースの重量級のパフォーマンスにさえ近づいています。つまり、オープンソースなので、人々はこれを実行できる可能性があり、GoogleやOpenAIが誰かが何を検索しているかを見ることができないということです。
つまり、企業がそのような情報を保持すべきでないと考えるなら、それは良いことかもしれませんが、そのような企業が疑わしいことをしている人を止めることができるかもしれないと主張することもできます。そして今、それは家でできるようになりましたが、それはオープンソースとクローズドソースの議論です。それに対する正確な答えはありません。
しかし、より安全で合法的なこと、旅行計画、歴史的写真分析、気候や地球科学、これらすべてがこのようなツールを使用できます。ジャーナリズム、ソーシャルメディア、望むなら今すぐパイプラインに組み込んでください。
次に、ニューヨークでは、企業がアルゴリズムと個人データを使用して価格を設定する場合、それを明確に開示することを要求する新しい法律があります。ポリシーについて取り上げるたびに、それには二つの側面があるように感じます。しかし、このケースでは、毒を人々に売らないようにというようなものでした。アルゴリズムが彼らを搾り取っているかどうかを彼らに伝えてください。私たちには絶対にこれが必要だと感じます。そして、それが全国的になることを願っています。
Amazonやショッピングシステムに行って、価格の下に「私はあなたについてたくさん知っているので、これを調整し、あなたがもっと払うと思う」と書いてあったら、私は絶対にそれを知りたいです。今は、価格が私たち全員にとって同じだと思っています。それが自由市場がもたらした価格です。しかし、私が何かの趣味を持っていて、他の人よりもそれに対してもっと払う意思があり、アルゴリズムがそれを知っていて、それを行っていることを知らなければ、少なくとも通知を受けるべきです。
だから、パーソナライズされた価格設定、または時々監視価格設定と呼ばれる慣行は、今ではラベル付けが必要です。企業が買い物客の閲覧履歴、場所、購入履歴、またはその他の個人データに基づいて価格を調整する場合、この通知を表示する必要があります。すべて大文字にする必要があるとさえ思います。この価格はあなたの個人データを使用したアルゴリズムによって設定されました。
つまり、どのウェブサイトの購入ボタンの下にそれを見ることを想像してください。そして、それは良いことだと思います。なぜなら、それは正確に禁止しないからです。ああ、パーソナライズされた価格設定を禁止すべきでしょうか。分かりません。そのように人々をいじめる自由を持つべきでしょうか。分かりません。あなたがどこに立っているか分かりません。でも、少なくともラベル付けしてください。
誰かがただとても金持ちで、「ああ、どうでもいい」と言うなら。でも、それはまた興味深いです。なぜなら、人々がおそらくVPNに行き、非常に安い購入をしたことのあるユーザーアカウントを購入し、それが実際にお金を節約するという奇妙なゲーム化を生み出すからです。
そして、それがおそらくお金がもっと必要な他の国の人々がいて、アカウントを設定して、最も安いものを閲覧して見つけ、カートに入れようとするでしょう。そして、それが何につながるか誰が知っていますか。しかし、企業があなたが払うであろうものをプロファイリングするのが非常に得意になる世界に入っていると思います。それは過去とは異なるでしょう。
それがただクールだと言うだけではいけないと思います。人々はすでに必需品のためにただ非常に搾り取られていると思います。それはほとんど独占や談合のように感じます。平均的な人々に反して働いているように。消費者の権利、競争、プライバシーを破っているように感じます。すべて一緒に。
分かりません。あなたの考えを教えてください。監視価格設定は良くて自由市場だと思いますか、私はそれに厳しすぎますか。
刑務所監視AIと意識の新理論
次に、また別の新しいAIモデルがあります。これは、なんと刑務所の通話で訓練されたものです。かなり興味深いデータセットです。刑務所の通話の数年分の録音を使用して訓練されたAIシステムが、囚人を監視するために展開されています。
これは起こっています。彼らの会話を文字起こしし、キーワードをスキャンし、計画された犯罪を示す可能性のある通話にフラグを立てます。明確にするために、刑務所にいて電話をかける場合、常に人が聞く可能性がありました。それらは無料の電話ではありません。公正を期すために、一般人口の大量監視とは異なりますが、そのデータで訓練され、おそらく他の場所に展開される可能性があります。
以前は時々人間が通話をレビューしていたものが、すべての受刑者のコミュニケーションの継続的な自動監視を目指しています。批評家は、刑務所と拘置所におけるこの拡大された侵襲的監視がプライバシーと法的特権に関する懸念を引き起こすと警告しています。彼らは、データがどのように使用されるかについて明確な制限がほとんどない非常に不透明なシステムを作り出すと言っています。
他の人々は、これは犯罪を防ぐ方法であり、これらの人々は刑務所にいるので、すでに権利の一部を失っていると言っています。そして、刑務所内から犯罪を犯さないことを望んでいます。そして、以前イーロンがどう考えているかについて話しました。新しいMemphis、なんて呼ばれていましたか、彼が構築している大きなデータセンターが稼働すれば、3だったと思います。
実際に毎日すべてのTwitterメッセージを読み、それでユーザーのフィードをパーソナライズする計算能力を持つかもしれません。だから、それはほとんど同じシステムのようなものです。しかし、この種のAI駆動の監視がいかに迅速に始まったかは驚くべきことです。つまり、囚人によるすべての話し言葉が記録され、デジタル化され、不正行為の疑いについてアルゴリズム的に分析されることができ、今日実装されています。
ハイプが残っていますか。そのボタンを押してもらえますか。私の最後の動画はかなりハイプされたのが見えます。感謝しています。200人がハイプしてくれて、10万ハイプポイントマークをはるかに超えました。そして、それが違いを生んだと思います。平均の上半分にあるのが見えます。ほぼ50ドル稼ぎました。
健全な視聴時間と視聴時間がありました。また、Patreonの購読者からこれを受け取りました。彼は私たち全員が一緒にできることのアイデアを持っていました。だから、私はなぜダメなのかと思いました。このビデオでやります。彼のアイデアは、私たち全員がコミュニティとして、お気に入りのLLMのどれかにこの質問をするというものです。
私たちのやり取りに基づいて、もしあなたが私にIQをつけるとしたら、それは何でしょうか。彼の理論は、それが私たち全員に平均以上だと言うだろうということです。なぜなら、それは少しそのようにお世辞を言うからです。それとも、実際に正規分布になり、正直に「ああ、あなたはおそらく下位四分位にいます」と言うでしょうか。
さて、私は最初にそれをテストします。何を得るか見ます。さて、指を交差させて。さて、私たちのやり取りから。さて、私が好奇心旺盛だと思っています。それは良いことです。文字通り私のブランドです。抽象的な質問に対する快適さ。ただ答えとして数字が欲しいです。推測してください。正しくないかもしれませんが。
分かりました。推測としても数字を出すことはできません。さて、それはただしないのだと思います。そう。楽しいチャレンジのアイデアですけどね。実は、もう一つ記事が欲しいですか。意識が存在を創造するというこのかなりクレイジーなものがあります。やりましょう。さて、これについてどう思いますか。意識を基盤として、現実の性質に取り組む新しい理論。Ana Holeがこれを書きました。
かなりワイルドなものです。Gabby Clarkが編集。Robert Eganがレビュー。さて、これは材料科学の教授Maria Stroによって提示された根本的に新しい理論です。彼女は通常ナノテクノロジーの研究を行っています。しかし、彼女は最小スケールから最大スケールへと大きな飛躍をすることに決め、宇宙の起源に関する完全に新しい理論を提案しました。
そして、これは宇宙と現実がどのように構造化されているかの完全に新しい理論かと尋ねられたとき、彼女は「はい、そう言えます。上記のすべて。これは意識が最初に来て、時間、空間、物質のような構造がすべて後から生じる理論です」と言います。さて、すべてを再考してください。すべての現実が、物質でも空間でも時間でもなく、意識を基盤に置くことから来ると想像してください。
このフレームワークでは、私たちが経験するすべてのもの、時空、物質、さらには生命さえも、普遍的な意識の場から湧き出ます。そして、私たちが物理的現実と考えるすべてのものが二次的に来ます。個々の心は、より大きな相互接続された意識の一部です。このモデルは、量子物理学のアイデアを深い哲学的伝統と統一し、物理学、神経科学、宇宙論におけるテスト可能な予測さえ提供すると主張しています。
さて、アイデアは脳が意識の生成者であるということから始まります。それは行き止まりになるでしょうか。今、私はこれを信じているとは言っていませんが、ただ考えているだけです。もしある時点で脳が意識を生成すると言えなくなったら、むしろ基本的な場、他のすべてが生じる現実の基本層があり、私たち自身の感覚、あなたの感覚も含まれます。
だから、彼女はこれらすべてを三つの原則で枠組みを作ります。普遍的な心、形のない知性、普遍的な意識、気づきの能力、そして普遍的な思考、分化と経験が出現する動的なメカニズム。だから、私にとって普遍的な思考は新しいもの、分化が起こる動的なメカニズムであり、私たちの個々の心や自己の感覚は、単一の根底にある場の局所的な表現または励起にすぎません。
しかし、それでも、なぜこのものは固体なのかということです。分かりますか。なぜ私は三次元で歩き回り、なぜ時間は直線的なのか。それはどこから出現するのでしょうか。脳は意識を創造していません。代わりに、すでに基本的なものにアクセスまたは形成します。
意識は化学やニューロンの偶然ではありません。それは現実そのものの構造に織り込まれているでしょう。心が最初、物質が二番目。さて、原子はどこから来るのでしょうか。それは量子物理学と非二元性の間の橋です。そして、それらは基本的ではありません。もちろん、すべてはそれらから構築されていますが、それらは何らかの量子的なものから来ます、それがタップしているのです。
つまり、量子コンピュータが存在するというのは奇妙です。それらは実際にある意味で移動します。波は見るまですべての場所にあり、見ると統計がすべて平らになり、それで数学ができます。だから、固体の物体として経験するものは、一種の外観、この根底にある意識の場の上または外に構築されたマクロスコピックな顕現です。
さて、コメントであなたの考えを教えてください。原子が現実の基盤ではなく、代わりに意識が基盤であると思いますか。私は考えることに前向きです。次の動画でお会いしましょう。
コメント