ニューラルネットワークとして

人工知能の一般的な合理的判断として

彼は全部の都市を回るのに、同じ都市に2度行ってはいけない。
また、同じ道を2度通ってもいけないというルールを課せられています。
「·筆書きの問題」と同じようなものだと思ってください。
そうそう、すべての都市は道で結ばれています。
また、都市と都市の間の距離はそれぞれ異なります。
以上のような条件のとき、どういう順序で都市を回るのが番効率が良いか、その順序を探し出すのが巡回セールスマン問題です。
このとき、効率とは、移動した都市間の距離の合計が,番短いこととなります。

  • ロボットK5の開発に成功した
  • ロボットは可能かもしれません
  • 人工知能によって行えることも分かっています

人工知能が教師になることができるかもしれませんGAの章でお話ししたように、我々は、こうした「たくさんの組み合わせの中から最も具合のいい組み合わせこの場合は順路を見つけ出す問題」
について、素早く解答を見つけ出す考え方アルゴリズムを持っていません。
ですから、すべての順路について計算してみて、しかし、たった10都市について調べるだけでも、その後、どれが番良かったかを判断するという総当たり方式を取るよりほかありませんでした。AI搭載の音声応答型

 

テクノロジーの視点

考えられる順路の総数は3628800通りにもなり、都市の数が30ともなりますと、(現在そんな速いコンピュータはありません)を使用し考えられる順路は265252859812191058636308480000000通りになります。これは1秒間に1兆回評価ができるコンピュータても約84兆年かかるそうです。これに対して、宇宙の寿命は残り100~150億年ほどしかありません。
こうした「一つ一つ、るわけです。
人工知能で実現したその原因を意図的に作り続けているためだ
人工知能の目が世界中のネットワークを瞬時に探し回り
コツコツと」
ではどうにもならない問題を、現行のパソコンで数分のうちに解いてしまえるというのが、このホップフィールド·モデルの自慢であホップフィールドvs.セールスマンさて、この「巡回セールスマン問題」に先の電光掲示板のイメージを当てはめてみましょう。
今、回らなければならない都市は5つ「A.B.C.D.E」だとします。
先ほどの5×5の電光掲示板を思い出してください。これを次のように当てはめて考えててみましょう。

 

人工知能は誰が保有するか

◆4つ目に行く都市は都市C◆5つ目に行く都市は都市Eと解釈されます。
こうしてできた順路すべての道のり(-効率)を計算します。そしていろいろな順路の中から、最も短い距離になる「場合」を見つけ出すというわけです。
距離が短ければ短いほどいいわけですから、ホップフィールド·モデルはこれ以上やってもすべての道のりが短くならないというところまで、ああでもないこうでもないと自分で試行錯誤(学習)をして行くことになります。
ホップフィールド·モデルの具体的な学習方法はちょっとややこしいので本書では詳細を省きます。

ロボットなどの機械に取って代わられるという事である

ああでもない、こうでもないという方法だと、最適な組み合わせを見つけるのに大変時間がかかってしまうような感じがしますが、実際にはすべての組み合わせ(5つの都市なら、3000通り)を調べるより、うんと早く解答を見つけ出してしまいます。
ホップフィールド·モデルの泣きどころホップフィールド·モデルもまた、勉強方法の宿命から、はじき出した答えが最も正しい答えであるという保証がありません。
い答えを探し出そうとさらに模索を続けるということもできません。これまた、勉強方法の都合の結果です。


AI搭載の音声応答型 AI搭載の音声応答型 人工知能からの提案がベースになっている