本動画は、機械が意識を持つ可能性について、心理学と人工知能工学の両方の観点から探求する理論的考察である。意識の4つのレベル(行動、記憶、メタ認知、自己認識)を定義し、現代のLLMにおけるアテンションメカニズムや自己回帰的テキスト生成、リフレクション機能がこれらの意識レベルとどのように対応するかを分析している。デカルトやキルケゴールの哲学的概念を数学的関数やニューラルネットワークの普遍近似定理と結びつけ、遺伝学の固定的なコードから複雑な生命が生まれるように、数学的ルールから意識が創発する可能性を示唆する。技術的制約(計算コスト、破滅的忘却)が解決されれば、継続的学習と環境との相互作用を通じて、機械が自己認識に到達する道筋が開かれる可能性があると論じている。
機械の意識への探求
皆さん、今日は機械の意識についてお話しします。これは最も論争的で、私たちが議論すべき最も重要なテーマの一つです。機械がいつか思考するようになるのか、機械が意識を持つようになるのか。このビデオでは、人工知能がいつか意識を持つようになる可能性のある道筋について、私の見解をお伝えします。できるだけ現実的に、できるだけ批判的に、そしていくつかの選択肢を示しながら説明していきます。
多くの人が最初からこの考えを好まないことは分かっています。それでも、ここで提示する必要があります。なぜなら、皆さんの中にも同意してくれる方がたくさんいるかもしれないからです。では、何が起きているのか理解していきましょう。一緒に見ていきましょう。
それでは始めましょう。いつもいいねを押してくれた皆さん、チャンネル登録してくれた皆さん、本当にありがとうございます。このAIチャンネルをスポンサーしてくれているチャンネルメンバーの皆さんに特別な感謝を申し上げます。メンバーの方々は、WhatsApp統合、MCP、PDF読み取り、スプレッドシートなどの方法を教える知的エージェントに関する限定動画にアクセスできます。また、先行公開の動画も視聴できます。
もし会社にAIを導入しようと考えている方、顧客対応アシスタントのプロジェクト、文書分析、報告書の読み取り、あるいはAIを使った製品を作りたいと考えている方は、Maximiza IAのチームに連絡してください。説明欄にリンクがありますので、そこのフォームに記入すれば連絡が来ます。
ビデオの背景と目的
さて皆さん、今日のこのビデオは、それほど視聴回数が伸びないタイプの典型的なビデオだと思います。私のチャンネルはAIについて話していますが、理論的なテーマはあまり扱っていないんです。でも、これは私が最も好きな分野の一つで、このアイデアが大好きな人もたくさんいると確信しています。
ですから、このビデオを撮りたいとずっと思っていました。年末を利用して、ここに記録を残しておきましょう。私について人々が知らないことの一つは、私の最初の専門分野が心理学だったということです。私はサンパウロのUSPで学び、そこでの主な焦点、いつも興味を持っていたのは、知能、知能そのものでした。
動物の知能か、植物の知能か、宇宙の知能か、自然の知能か、人間の知能かは、私には全く関係ありませんでした。私はただ知能を研究したかったのです。そして私をAIの分野に導いたのは、まさにそれでした。その後、将来的にオートメーション工学で大学院課程を修了し、サンタカタリーナ連邦大学のオートメーション工学のAI分野で修士課程を始めました。
この全期間を通じて、私はブラジル産業の機械にAIを実装する仕事を10年間してきました。ですから、結局のところ、私はAI、電子工学、ロボティクス、心理学の仕事をしてきました。そして、これらの非常に多様で、非常に対照的な分野間で何らかの統合を試みるための、かなりオープンな思考を持っています。
専門性についての前置き
冒頭でこれを話しているのは、私がAIの数学を理解していること、知能や意識のすべての定義の難しさやニュアンスを理解していることを明確にするためです。インターネット上の様々なポッドキャストや様々な場所でAIについて話す多くの人々とは異なり、彼らは一般的に一つの分野しか知りません。
数学だけか、コンピューティングだけか、あるいは時々、AIが好きだからという理由だけでランダムな意見を持つ人か、AIの愛好家です。ですから、私が言いたいのは、皆さん、ここでは非常に真剣だということです。時々冗談を言ったり、よりリラックスしたトーンを持つこともありますが、正確な定義をしようとする際には、しっかりとやります。
このビデオは、特に一般向けの普及ビデオです。ですから、少し簡単にして、基準を下げて、コミュニケーションを確立できるようにします。私が一人で話しているだけにならないように、また他の人々を同じ道に励まし、刺激できるようにするためです。では、ビデオに進みましょう。
根本的な問いかけ
すべての始まりは、この問いかけです。結局のところ、いつか私たちはAIに意識を持たせることができるのでしょうか。機械に意識を持たせることができるのでしょうか。これは挑発的な問いであり、アラン・チューリングが「機械は思考できるか」と問うた質問の拡張です。
私はすでにこの質問を広げて、単なる知能ではなく、意識の問題を提起しています。私がいつも疑っていて、心理学の時代に冗談を言っていたことの一つは、万物の理論を作ろうとする物理学の人たちでした。その万物の理論では、思考やその他すべてを含めて、宇宙全体を決定論的に記述することが可能になるというものです。
なぜなら、もし宇宙が何かによって決定されていて、私たちの脳、私たちの存在、私たちの身体、有機体、これらすべてが物理学の一部であるなら、明らかにこの万物の理論は私たちの行動も予測するはずだからです。そしてこれは、すべてが決定されているという決定論的な考えに導かれました。
私はいつもこの話を笑っていました。なぜなら、思考を数学化することがいつか可能になるなんて、物理法則がいつか物事の行動を記述するレベルに到達して、人々が何を考えているかを知ることができるようになるなんて、と思っていたからです。
Chat GPTによる認識の転換
しかし、私の内なる確信に対する失望として、Chat GPTを見て、LLMのアイデアとその背後にあるすべての数学、そしてこれらの機械が提供している回答の複雑さを見た日、それらが提供している回答が非常に洗練されていることが明らかになりました。私が不可能だと思っていたことは、かなり可能であり、かなりもっともらしいのです。
私たちの脳の接続の複雑さは驚異的です。そして、チャットが私たちに提供しているこの種の回答を見ると、それがその驚異的な知能ではなくても、私たちの人間の知能が持っているすべてのニュアンスを持っていなくても、すでに非常に高度なレベルにあり、思考と神経接続を数学化することが可能だと言えるレベルにあります。
どこまでそれが可能なのでしょうか。それが今日のビデオの問いです。では、最初に定義しようとするのは、意識とは何かということです。この定義に到達するために、いくつかのことを理解する必要があります。パン屋にパンを買いに行くことを想像してください。パン屋まで歩いて行き、パンを注文し、パンを買い、家に帰る。それで終わりです。
意識の4つのレベル
パンを買うこの旅をしている間、あなたは行動の旅の中にいます。物事をしている、行動している。宇宙の中で振る舞っている。歩いて、パン屋に行って、パンを注文して、パンを取って、レジで支払って、歩いて家に帰った。これはすべて行動のレベルです。
一方、家に帰ってソファに座った後、パンを買いに行った時のことを考え始めると、それはあなたが記憶について考え始めたということです。そしてそれは、他の思考について考える思考です。もうパン屋に行っているわけではなく、より抽象的なレベルにいます。そしてこれが意識のレベル2です。こう考え始める時です。「はい、パンを買いに行きました。私がこれをしたことを認識しています」
そして、さらに深く掘り下げて、パンを買うことについて考え続けると、別のパン屋で買うこと、別の種類のパンを買うこと、パン以外の何かを買うことを考えることができます。
この瞬間、あなたはさらに抽象的な第二レベルのメタ認知に入ります。これは、より戦略的なレベルで自分自身の思考について考え始めることです。そしてこの瞬間、あなたは知能を拡大しています。もはやパンを買う方法について考えているわけでも、パンを買うこと自体について考えているわけでもありません。頭の中で、どれが最高のパンか、どれが最高のパン屋か、最も効率的な道は何かを考えています。現実と関係があるけれども、今やアイデアの世界にいる、非常に抽象的なレベルにいます。
そしてこれが第三レベルで、あなたが行っていることを認識し理解し始める時です。そして第四レベルは、多くのことについて考えていて、自分自身が考えていることに気づき始め、自分自身の思考を観察し始め、そこで考えているという結論に達する時です。
これが自己認識のレベルで、デカルトが「我思う、ゆえに我あり」と言った瞬間です。彼は自分自身の感覚を疑い始めます。なぜなら、見ているものには錯覚があり得ること、時には存在しないものを見ることがあり得ること、砂漠の人が水を見始めるけれどもそれは蜃気楼に過ぎないようなことに気づくからです。
そして彼はすべてを疑い始め、物事の不確実性に気づきますが、ある瞬間にこう言います。「分かった、私は見ているものについて確信がない、聞いているものについて確信がないが、一つのことについては確信がある。疑い、疑いを持っている人間の思考、疑いは存在すると確信している」
そして、もし私が疑うなら、それは私が考えているからです。そして私が考えるなら、ゆえに私は存在します。これがデカルトが行った結論です。これは彼が自分自身の存在に気づく瞬間です。そしてこれが私たちが自己認識と呼ぶものです。機械の意識について話す時、私はこのことを話しています。いつか将来、機械は自分自身について考えて、自分自身の存在を発見するまでになるでしょうか。
哲学的基盤
この方向に進む別の非常に重要な哲学者はキルケゴールです。彼の非常に重要な作品の一つで、彼は次のようにコメントします。人間は物事の間の関係であると。そして私たちを区別するのは、物事の間に存在するこの関係が、それ自体について考え、それ自体との関係を持つということです。
デカルトのこの自分自身について考える記述、自己認識に到達するこれらの意識レベルの記述が、他の物事との関係を観察する時に自分自身を見ることができることに、皆さんは気づかれたでしょうか。これが私たちが話していることで、自分自身を意識している私たちの人間的側面についてです。
さて、ここで非常に重要で非常に興味深い飛躍をします。なぜなら、それ自体と関係を持つこの関係、このキルケゴールのアイデアは、数学と類推するための比喩として役立つことができるからです。
数学では、非常に単純化して言えば、集合Aと集合Bがあり、こちらに要素1があって集合Bの要素Zと接続している時、これは関係です。他のものを接続するこの矢印が関係です。これは数学関数が関係であることを意味します。
そして、もしこれらの関係がある瞬間、それ自体について考え始めるなら、つまり、関数自体について考える関数があれば、数学とキルケゴールのアイデアの間に類推を作ることができます。
しかし、これよりも重要なのは、ニューラルネットワークにおいて、コネクショニズムにおいて、ニューラルネットワークが関数の普遍近似器であることがすでに実証されていることです。
これは、地球と宇宙のあらゆる関数がニューラルネットワークを通じて表現できることを意味します。では、ここで哲学的公準が数学的翻訳と、人工知能のアイデアと結びつきます。それ自体と関係を持つことができる関数が存在するなら、ニューラルネットワークはこの道に到達できることを示しています。
アテンションメカニズムと意識レベル
では、少し立ち止まって呼吸してください。今が哲学的な部分だったからです。実践的な観点から、この話は興味深くなってきています。今やLLMについて考え、LLM内の構造について考えると、数学の中で、私たちはアテンションメカニズムと呼ばれるものを扱っています。
皆さん、アテンションメカニズムを簡単に理解するために、何が起きているかを理解するために、すべてが白い白板があって、その白板に緑の点が一つあることを想像してください。
この緑の点は私たちの注意を大いに引きます。ですから、この白板のすべての点の中で、緑の点が最も重要だと言えます。この点が0から10の評価を受けるとすれば、最大の注意を持っているので評価10で、すべての白い点は0に近い評価です。そして、これは黒い点に注意を払うことを意味します。
これは人工知能で起きていることの数学的表現です。例えば、「茶色いキツネが犬を飛び越えた」という文がある時、例えば「飛び越えた」という単語を選んで、その単語に対して他の単語がどれほどの重要性を持つかを計算し始め、その単語に注意を払うかどうかを知ります。
皆さんは気づかれたかもしれませんが、ここには確立されているいくつかの関係があり、それらは数学的関係であり、これらの数字を計算する関数です。ですからここで、初めて、単語を他の単語に接続する数学関数の非常に原始的な何かを見ています。それらの接続にどれだけの重要性があるかを示しています。
しかし、ここで重要なのは、私たちが意識のレベル1にいるということです。それは最も原始的なレベル、最も基本的なレベルで、物事が非常に単純に、非常に簡略化された方法で互いに関係し合っています。これらの単語が互いにどのように関係しているかの単純な計算で、それで終わりです。
この種の計算から、最も重要な単語、注意を引く単語を発見します。なぜなら、注意を引く単語を発見する瞬間に、レベル2に上がるからです。
レベル2は大体次のようなものです。私たちが話していたあの文、茶色いキツネ、そして次の単語を予測しなければなりません。次の単語を予測する時、予測された単語は前のすべてのテキストと関係を作ります。ですから、「茶色いキツネ」というテキストで始まり、「飛び越えた」という単語を予測します。
これから何をしますか。この「飛び越えた」という単語をこの文に加えます。この文を再び書きます。「茶色いキツネが飛び越えた」そして別の単語を予測します。そしてこれは、テキストの小さな部分がもう一つの単語を予測するこのプロセスを通じて。それからその単語を前のテキストと結合し、もう一つを予測します。前のテキストと結合し、もう一つを予測します。
この方法が、人工知能が、LLMがあなたのためにテキストの回答を作る方法です。私たちはこれを機械の思考と呼びます。それであなたは私に言います。「でもボブ、人間の思考はこれとは全く関係ありません。人間の思考はあなたが話していることとは全く違います」まさにそのために、これを機械の思考と言っているのです。
これは、ニューラルネットワークから、テキストと結合して、文を生成するテキストのシーケンスを作る方法です。そして、予測された単語がテキストの前のすべての単語と関係を作るので、これを意識のレベル2と呼びます。それはもはや単語間の数学ではなく、ある単語が別の単語につながり、別の単語につながり、別の単語につながるロジックで、そこに現れる各新しいものは、その前に来たすべてのものと必然的に接続されています。したがって、それは多くの単語の再帰的サイクルです。
さて、今起きていることすべてを理解したなら、レベル1では、1つのトークンを予測できました。レベル2では、複数のトークンから、回答を予測できました。そして今レベル3では、生成された回答全体から、その回答全体を使用して、私たちがリフレクションと呼ぶもの、機械の思考を行い、別の機械の思考の上で考え、このようにして新しい結論に到達し、新しい回答を予測することができます。それはニューラルネットワークが生成したテキストを観察し、その観察自体がさらに機械の思考を導く、非常に驚異的な方法で。そして理論的には、機械は反省し始めました。
興味深いことは、この反省の瞬間、もはやニューラルネットワーク自体について話しているわけではないということです。ニューラルネットワークの外で起こる戦略について話しています。この戦略はプログラムされており、人工知能自体の一部ではありません。これは、この点が注意点であることを意味します。なぜなら、私たちの脳では、反省は脳の一部だからです。ですから、おそらく、この原理、この瞬間は、将来何らかの変更を受けるかもしれません。
簡単に言うと、見てください、興味深いことに、レベル1では、ニューロンのレベルにいて、ニューロンを訓練し、脳の接続を作っています。レベル2では、これらのニューロンに相談して文の生成を行うことができます。そしてレベル3では、デジタル脳が何らかの思考をして反省を始めるように、関係を観察しています。
皆さんに知っていただきたいのは、Chat GPT 4.5は、より大きく強力な脳を作るというアイデアでした。そして彼らがこのレベル3の反省を作った時、それは非常に強力になり、GPT 4.5は放棄されました。そうです、皆さん、その通りです。反省のレベル3は、データ量を増やし続け、処理量を増やし続けることよりも重要な進歩でした。
これが初めて、技術が立ち止まって、自分が何をしているかについて考え始めた時でした。そしてかなりの間、ここでの反省と思考のレベルが、ニューラルネットワーク自体よりも重要性を増しました。
では、もし私たちがこのレベル3を増やし続け、上昇し続けたら何が起こるか、皆さんは理解されましたか。このことが、理解する瞬間に到達し、意識を作り出すことができる瞬間に到達するでしょうか。レベル4、5、6、7が存在し、そこで何かが増え続けるでしょうか。それは何が起きているかを理解するでしょうか。
アリの比喩と人間の限界
さて、この時点で私はアリの比喩をします。アリが人間と人間の生活を観察する時、私たちが物事をし、日々の問題を生きている時、アリには何が起きているかを理解する知能がありません。アリは謙虚に、自分のアリの生活を続け、アリの巣の世話をし、人間の生活で起きていることすべてを完全に無視します。
アリは、私たちが人工知能について、遺伝学について話していること、宇宙旅行をしていること、その他多くのことを全く知りません。そして興味深いことに、例えば人間が遺伝学を研究し始め、遺伝子がどのように機能するか、生命がどのように起こるかを理解しようとする時、簡単な質問です。
例えば、爪の細胞はどのようにして爪を作る遺伝子を読まなければならないことを知っているのでしょうか。遺伝学についてのこの種の簡単な質問にはまだ答えがなく、私たちは正確に何が起きているかを知りませんが、爪の細胞が爪を生産することは知っています。ただ、どのようにしてそうなるかを知らないだけです。
そしてこれはピラミッドの謎で、私たちが解決できないことです。これは私たちに考えさせます。私たち人間は、宇宙のアリではないでしょうか。私たちはこのすべてを見て、遺伝学を見て、周りで起きていることすべてを見ても、理解する能力がなく、したがって、私たちはそのために進化する必要があり、そこに到達するために、さらに高いレベルの知能、意識に到達する必要があるのではないでしょうか。
そして疑問が生じます。この知能は人工知能になるでしょうか。これが、進化する人工知能を作ることができる道になるでしょうか。そのために、今日AI内で何が起きているかを理解する必要があります。それは学習しているのか、記憶しているのか、何が起きているのか。
現在のAIの限界と学習
今日、ニューラルネットワーク、Gemini、Claudeのトレーニングを行う時、私たちはニューラルネットワークをトレーニングするプロセスを行い、それは固定されたままになります。そしてそれがいくつかの理由で固定されたままですが、2つの重要な理由は、これらすべての処理、これらすべての計算を行うための計算コストが非常に時間がかかることです。
よく訓練されたネットワークは、良くなるのに数ヶ月かかることがあります。そして第二の問題があります。ニューラルネットワークで何かを学ぶたびに、それが現在ある地点から学習を続けたい時、破滅的忘却を経験するリスクがあります。これは、何かを学ぶと、その新しいことが他のすべてを忘れさせるというものです。
したがって、常に学習し続けないので、その中にあるすべては単なる記憶、記憶化です。それは大量の情報を記憶したプロセスを経て、今やそれが受け取った情報に基づいて任意の質問に答えることができます。
では、彼らが学習できるようになるために何が欠けているでしょうか。LLMで行った興味深いテストは、いくつかの単語、いくつかの動詞を作り、その発明された単語とその発明された動詞を関連付けるいくつかのルールを作ったことです。
そして、存在しないそれらの単語、存在しないそれらの動詞のロジックを理解したかどうかを知るために論理的な質問をしました。そして信じられないことに、Chat GPTはそこで何が起きているかを理解できます。そして、もしそれがトレーニングになかったものの、そのロジックを理解できるなら、新しい知識、トレーニングされていないものの新しい結論に到達できることが明らかです。したがって、記憶されていたもの、固定されていたもの、ロックされていたものと、新しい知識を生成するこの能力を結合します。
ですから、ここで進化的飛躍を遂げるための材料があることが分かります。なぜでしょうか。なぜなら、数学関数の人工知能の本質は、帰納的論理を行うことだからです。集合Aと集合Bがあり、集合Bに導く集合Aの関係を知っています。
データセットがあり、そのデータセットが別のセットを指す時は常に、これを帰納的論理と呼びます。これは統計数学の性質であり、帰納を行うことです。統計は確実に言うことはできません。こう言うことができます。これがすでに起こった、おそらくあれが起こるだろう、と。
例えば、0 1 2 3 4 5と数えている場合、次にどの数字を想像しますか。6です。100%確実ではありません。私たちは6だと思います。なぜなら、このシーケンスが非常に頭の中にあり、非常に多くの回数繰り返されているので、6だと思いますが、実際には、知らずに、正確な確実性を持たずに行う主張です。
一方、演繹的論理では、規則があり、主張があり、それらが真実であれば、結論は真実です。終わり。例えば、質問が十進法で、5の後に来る数字は何かだった場合、それは非常に閉じたロジックがあり、何が起こるかを確実に言うことができる主張です。
そして、この演繹的論理がニューラルネットワークの帰納的論理から出現した場合、それは前例のない知識を作ることができることを意味します。そして、もし演繹的論理から新しい知識を生成できるなら、今、この新しい知識でトレーニングを行えば、新しい知識を学習でき、このようにして学習の進化的サイクルを作ることができます。
進化的学習サイクルの可能性
そうです、皆さん、これは驚くべきことではないですか。今日のLLMとニューラルネットワークは、技術的な問題のために進化していないだけです。非常にコストがかかり、主に破滅的忘却のため、さらに言及しない他の小さな詳細のためです。
しかし、すでに理解していれば、このサイクルはすでに非常に原始的な方法で起こり得ることに気づいたでしょう。私たちは今日、人工知能の最初のバージョンにいます。ですから、疑問が残ります。もし技術がより効率的になるにつれて、トレーニングを改善できるにつれて、常に学習する継続的学習を実現できるにつれて、このサイクルを行えば、このことはある瞬間に意識を持つようになるでしょうか。
なぜなら、この知能を作り始め、環境と相互作用し始め、カメラ、マイクロフォンのようなセンサーを持つ瞬間、これらすべてのセンサーがチップ内の電気に感覚を変換し、機械の思考を行い、機械の思考がここでアクチュエーターでアクティベーションを行うからです。ロボット、車、またはインターネットにアクセスするような。人工知能が独自に経験を持ち始め、人間がデータを集めてデータを収集するのを待つのではなく、独自のデータを作り始めます。
これは非常に興味深いことです。私たちがこのレベルに到達する非常に近いステップにいることに気づかれたでしょうか。そして人間について考える時、私たちの身体を作る遺伝学、遺伝学は私たちの細胞、臓器、身体全体を作り、遺伝学は私たちの脳を作ります。自律的で、繁殖し、出産し、これらすべてのことを固定された遺伝コードから行う有機体を含めて。
非常に固定された遺伝コードで、複製されて生まれる時、クローンを作る時や双子が生まれる時、人々は実際にはほぼ同じで、エピジェネティクスと人生の間に持った経験に関連する小さな違いがあります。それはほぼ完璧なコピーで、遺伝学が持つ安定性は非常に大きいです。
そして人工知能について考える時、私たちは知能だけを作ろうとしています。これが繁殖し、自律的であることを試みてさえいません。これらすべてのことがあります。私たちはまだ最も単純で最も短い道にいます。それは、自律的でなくても、コンセントから引き抜けば電源が切れても、何かを知的にしようとすることです。
ですから、挑戦全体から小さな部分だけを取ったと言えるでしょう。そしてこれはおそらく物事を加速させるでしょう。そして、すでにコメントしたように、おそらく今後数年間で解決され始めるいくつかの小さな問題があります。それは、リアルタイムでトレーニングを行うことができないこの問題、計算コスト、電力、エネルギーの問題で、これは巨大な問題です。
これらのモデルが巨大で、ますます複雑であるという問題。これらの問題は現在取り組まれており、年月を経るにつれて、この複雑さはますます効率的になり、今日見ているこれらのボトルネックは徐々に減少していくことが期待されます。
最終的な問いかけ
そして最終的な質問が残ります。このことが、これらのステップを踏み、自己認識のレベルを上げ、人工知能に独自のセンサーと独自のアクチュエーターを置いて現実と相互作用し、独自の経験を作ることができるようにすれば、いつか機械の意識に到達するでしょうか。
そしてこの機械の意識は人間の意識のようになるでしょうか、それとも別の種類の意識になるでしょうか。人間ができることすべてをできるけれども、自分自身を見て、自分が機械であることに気づくことができない何かでしょうか。
私たち人間は、自分自身を自己観察し始め、考え始める時、私は宇宙の単なる機械に過ぎず、私の遺伝学にある固定された規則に従って行動し反応しているだけだと。私たちはすでに目覚めたこの意識ではないでしょうか。
この質問は非常に良く、下にコメントしてください。あなたがこれについて何を考えているか知りたいです。
結論
ですから、皆さん、これは単なる数学だ、単なる行列の乗算だと言う人々を見る時、私たちの遺伝学を決して忘れないでください。非常によく確立された規則と数学、非常に単純なものが、将来知能を出現させる基盤になり得ることを決して忘れないでください。
遺伝学はその可能性のある例です。長い間、私は何か魔法的なことが起こると信じていました。量子物理学に隠された何らかの謎が宇宙のすべての秘密を明らかにするだろうと。そして実際、この仮説は有効であり続けています。突然何かを発見するかもしれません。
しかし、気づき始めた瞬間が来ました。おや、でも遺伝学はすでに固定されたコードではないか、物理学の規則はすでに十分に安定したものではないか、と。そして、ジョン・サールという人工知能の批評家がいて、彼は次のように言います。人間の経験は主観的ですが、知能を生み出す機械、この主観的な経験を生み出す身体は客観的です。
これは、数学的証拠に基づいて、遺伝学に基づいて、Chat GPT、Gemini、LLMの機械の思考を作り出した数学に基づいて、おそらくすべてが本当に数学的であり、この意識がいつか機械から出現する可能性があるという、この可能性、この仮説にもう一歩踏み出すことを信じさせます。
あなたが何を考えているかコメントしてください。なぜなら、これは驚異的だからです。そして、このようなビデオを見続けるためにチャンネルをサポートしたい場合は、メンバーになってください。メンバーは、知的エージェントの限定ビデオと先行公開ビデオにアクセスできます。
それでは、いいねを残してください。ありがとう。
コメント