ヘッブの法則に着想、「忘れられる」ニューラル・ネットワーク

深層学習は、機械の使い方と機械に対する考え方に変化をもたらしている。深層学習を活用した機械は、チェスや囲碁から顔認識、物体認識に至るまで、さまざまな分野で人間より優れた能力を持つようになった。

一方で機械学習は、あらゆる側面で人間の能力に大きく後れを取っている。特に異なるのは、人間はもう役に立たない情報をそれよりも重要な知識で上書きすることで、記憶を絶えず更新する並外れた能力を持っている、ということだ。

「忘れること」は重要なスキルである。世界は際限のない大量の情報であふれており、その大部分は一筋縄ではいかない社会的生存に何ら関わりのない知識だ。容量の限られた記憶に保存しておくことは不可能である。人間やその他の生物は、重要なスキルを保持しながら、重要でない知識を忘れていく能力を発達させてきた。

機械は同じではない。機械が学習するスキルは、その重要度に関わらず、すぐさま上書きされる。現在のところ、機械がスキルに優先順位をつけ、何を記憶に保存し、何を忘れるべきかを決定するのに使用できる信頼性の高い仕組みは存在しない。

現在、ベルギーのルーヴェン・カトリック大学とフェイスブックAI研究所のラハフ・アルジュンディ研究員のチームの功績により、そうした状況が変わろうとしている。研究チームは、生物が学んだり忘れたりするのに使用するアプローチが、人工ニューラル・ネットワークにも適用で …

人気の記事ランキング

1. China figured out how to sell EVs. Now it has to deal with their aging batteries. 中国でEV廃車ラッシュ、年間82万トンのバッテリー処理追いつかず
2. Quantum navigation could solve the military’s GPS jamming problem ロシアGPS妨害で注目の「量子航法」技術、その実力と課題は？
3. Text-to-image AI models can be tricked into generating disturbing images AIモデル、「脱獄プロンプト」で不適切な画像生成の新手法
4. How social media encourages the worst of AI boosterism GPT-5が「未解決問題解いた」 恥ずかしい勘違い、なぜ？