田口善弘の作品一覧
「田口善弘」の「砂時計の科学」「生命はデジタルでできている 情報から見た新しい生命像」ほか、ユーザーレビューをお届けします！
- 作者をフォローする
- フォローすると、この作者の新刊が配信された際に、お知らせします。
値引き作品
一覧 >>作品一覧
-
4.2チャットGPTに代表される生成AIは、機能を限定されることなく、幅広い学習ができる汎用性を持っている、そのため、将来、AIが何を学ぶかを人間が制御できなくなってしまう危険は否定できない。しかし、だからといって、AIが自我や意識を獲得し、自発的に行動して、人類を排除したり、抹殺したりするようになるだろうか。この命題については、著者はそのような恐れはないと主張する。少なくとも、現在の生成AIの延長線上には、人類に匹敵する知能と自我を持つ人工知能が誕生することはない、というのだ。 その理由は、知能という言葉で一括りされているが、人工知能と私たち人類の持つ知能とは似て非なるものであるからだ。 実は、私たちは「そもそも知能とはなにか」ということですら満足に答えることができずにいる。そこで、本書では、曖昧模糊とした「知能」を再定義し、人工知能と私たち人類が持つ「脳」という臓器が生み出す「ヒトの知能」との共通点と相違点を整理したうえで、自律的なAIが自己フィードバックによる改良を繰り返すことによって、人間を上回る知能が誕生するという「シンギュラリティ」（技術的特異点）に達するという仮説の妥当性を論じていく。 生成ＡＩをめぐる混沌とした状況を物理学者が鮮やかに読み解く 本書の内容 はじめに 第０章 生成ＡＩ狂騒曲 第１章 過去の知能研究 第２章 深層学習から生成ＡＩへ 第３章 脳の機能としての「知能」 第４章 ニューロンの集合体としての脳 第５章 世界のシミュレーターとしての生成Ａ 第６章 なぜ人間の脳は少ないサンプルで学習できるのか？ 第７章 古典力学はまがい物？ 第８章 知能研究の今後 -
4.0世界は「粒」でできている！ 砂時計の不思議をめぐる探究は、やがて雪崩や縞模様、果ては満員電車や交通渋滞のメカニズムの解明へと至り着く。異なるものたちのあいだに共通の法則を見出し、研究の最前線と日常生活を往還する物理学の「本当の面白さ」を伝える、自身第一線で活躍する著者による、絶好の入門書。 【本書の主な内容】 ［満員電車］乗り降りをスムースにするには、ドアを大きくする？ 数を増やす？ ［渋滞］発生の秘密は「1/fノイズ」にあった？ ［縞模様］砂漠の風紋はシマウマの縞に通ず？ ［山］麓より頂に重い砂粒が集まるのはなぜ？ ［砂丘］「三日月」に「星」……砂が風に飛ばされただけでなぜこんな地形が？ ［ピラミッド］その威容は、砂にはない「不自然」な角度のおかげ？ ［生命］粉粒体の縞々と生命の誕生は同じ原因？ 【目次】 はじめに 第一章 流れ落ちる 第二章 吹き飛ばされる 第三章 かき混ぜられる 第四章 吹き上げられる 第五章 ゆすられる 第六章 粉粒体とは何か おわりに 参考文献ガイド 学術文庫版へのあとがき （＊本書の原本『砂時計の七不思議』は第12回講談社科学出版賞受賞） -
4.0プロローグより 物理に挫折したあなたに この本は、高校物理の挫折者や、履修はしなかったが、あらためて学び直したいという初学者を想定して書かれたものだ。 基本コンセプトは天下りにしない、ということに尽きる。高校の物理の教科書はややもすると「世界はこうなってる」という法則や公式が「どん！」と与えられて「信じる者は救われる」とばかりに話が進んでいく。疑問を提示すると「じゃあ、実験で実際にそうなっていることを確認しなさい」といなされてしまう。しかし、実際に実験で確認できたからといって納得感があるかというとそれは別問題だろう（実際のところ、高校物理の教科書の立て付けでは実験をすることが推奨されているが、現実は教育の現場で実験が多用されることは稀である）。（中略） 「こうなりました。昔の人が考えた結果です！」じゃなく、「改めて一から考えたら今の公式や法則って自然な考え方ですよね」と納得できたら、物理に対する苦手意識が払拭できるのではないだろうか。 「なぜそのように考えるか？」の「理由」を説明することができれば、よいレシピを学ぶことで自作の料理を考案できるように、目の前の現実に対して「自分で考えて答えを出す」ことができるようになるかもしれない（中略）。 教科書というよりは楽しんで読めるように、たとえ話や歴史的なエピソードを交えて、随分とかみ砕いて解説した。高校物理の教科書にお馴染みの数式や無味乾燥な記述も極力控えた。 本書が想定しているのは、高校物理の挫折者や物理に対する憧憬を捨てきれない文系物理ファン、そして高校物理の無味乾燥で天下り的な記述に違和感を覚えている読者である。数式や計算式などをがっつり盛り込んだ本格的な高校物理の解説書を期待される方には、「思っていたのと違う」となってしまうので、別の成書をご覧になることをお勧めしたい。 -
値引きあり4.0飛躍的な進歩を遂げている機械学習を、難解な数式・プログラミングなしで解説する画期的入門書！ 中学数学の知識だけでAIのエッセンスがわかる。 近年、著しい進歩を続ける機械学習。センター入試の英語の試験では機械学習を使うことで、200満点中185点をとることに成功し、将棋や囲碁ではもはや人間が太刀打ちできないレベルの能力を獲得。画像処理にいたっては、フェイク画像はもちろんのこと、オリジナルのキャラクターを造形できるところまで到達している。今後のビジネスや研究を続けていくうえでもはや無視できない存在になりつつある「機械学習」だが、言葉ばかりが先走りして、その本質を理解している人はごくわずかだ。「機械学習」とはいかなるものか、なぜ、近年飛躍的な進歩を遂げることができたのか。機械学習の専門家であり、科学出版賞を受賞した書き手として知られる田口善弘氏が、難解な数式やプログラミングをいっさい使うことなく、機械学習の本質を丁寧に解説する。 本書が取り扱う機械学習の手法 ・ｋ近傍法 ・主成分分析 ・多次元尺度構成法 ・線形回帰 ・線形判別 ・ロジスティック回帰 ・マルコフ過程 ・決定木 ・ベイジアンネットワーク ・カーネルトリック ・ニューラルネットワーク ・深層学習（ディープラーニング） ・CNN ・モンテカルロツリーサーチ ・GAN ・BERT ・量子暗号 ・量子アニーリング -
値引きあり4.2科学出版賞受賞作家の書き下ろし最新作 「全生物に読んでほしい！」人気YouTuber・ヨビノリたくみ氏絶賛 いま、生物学の分野で静かな革命が進行しつつある、と言ったら読者の皆さんは驚くだろうか？ その生物学の分野とは、ゲノム科学である。ゲノム科学に関する新しい知見がネットに流れない日の方が珍しい。 「寿命を伸ばす遺伝子発見！」 「『がんゲノム医療』検査に保険適用」 なんだがすごいことがこの分野で起きているっぽい。だが、なぜ、「突然」こんなことになっているのか？ その疑問に答えてくれる報道は少ない気がする。本書の目的はそれを少しでもわかりやすく説明することにある。 そのために、本書ではＤＩＧＩＯＭＥという造語を導入した。ＤＩＧＩＯＭＥとは何か？ それは、デジタル信号処理系としてゲノムを捉える考え方だ。ゲノムを構成するＤＮＡが、ゲノム情報という意味で、われわれ生命の設計図たる情報を担っていることは、ワトソン＝クリックによるＤＮＡの二重螺旋構造の発見の頃から知られていた。だが、本書ではそこを一歩踏み込んで、ゲノム自体をデジタル情報処理装置として捉える見方を提案したい。 我々人類が、デジタル情報処理装置の恩恵を日常的に享受できるなったのは、わずかにここ数十年のことに過ぎない。だが、生命体はそのそもそもの誕生時からこの高度なディジタル情報処理系の恩恵を享受してきた。周知の様に、我々人類がデジタル情報処理装置の恩恵を享受するには、高性能ながら安価な情報処理装置（例えば、スマホ）の発明が必須だった。生命体はそのような精密な情報処理装置を持っていないにも関わらず、ゲノムをデジタル情報処理装置として機能させることに成功してきた。本書で語りたいのは、なぜ、そんな奇跡のようなことが可能だったのか、ということだ。 実際、デジタル信号処理系たるゲノムは、われわれ人類が作り上げた精緻で緻密なそれとは、にて非なる側面をもっている。ある面では我々のそれより優れているし、ある意味では劣っている。そして、いま、このタイミングでその詳細が詳らかになったのは、デジタル信号処理系としてゲノムの動作を克明に観測して記録できるだけの技術と知識を我々が手にしたことによる。いままで秘密のベールの奥に隠されていたその機構の謎が日々、その観測技術によって続々と白日のもとにさらされている。前述のゲノム科学における新発見の連鎖はその帰結に過ぎない。そして、その技術の一端にはいま流行っているＡＩ＝機械学習の進歩も大きく関わっている。この本はそんな存在、ＤＩＧＩＯＭＥを巡る冒険譚を、極力最先端の知見を用いて語ることを目的とする。この本を読み終えた時、きっとあなたは、いままで見ていた「生命」をそれまでとは随分と違う目で見ることができるに違いない、と信じる。
ユーザーレビュー
-
-
-
-
-
Posted by ブクログ
入門書、とひとくちに言うが、私は大きく二つのパターンがあると思うのだ。
一つは文字どおりの入門、これを学ぼう、とおもったときにとりあえず最初に読んで輪郭を掴むためのもの。
もう一つが、あれこれ読んでみたがどうも全体像がわからんなー、というときに立ち返って読んでみるとやたら頭が整理されるもの。
私にとって本書は明らかに後者であった。
機械学習が、乱暴に言えば「予測の精度」を上げることを目的にしているとして、特に近傍法や線形回帰、決定木など、なんだかんだ言ってもロジックが背後にある手法から、深層学習という「なぜかできてしまうが、最終的に理屈は不明」な世界へのジャンプは、わからないなりにこれまでと
