脳の問題解決の方法。 @OpenLedger

あなたの脳は予測エンジンです。子どもの頃に火に触れると、ニューロンが配線されて、痛みを思い出せるようになります。犬を見ると、あなたの脳はルールブックを確認しません。代わりに、何百万ものニューロンが、あなたの「犬らしさ」に関する過去の経験を符号化したパターンで発火します。

これこそが知能です。経験から一般化する能力。機械も同じことをしたがっていました。最初の試みはニューロンを作ることではなく、ルールを書くことでした。もし火＝熱なら、触れない。もし犬＝四本足、しっぽ、吠える、なら犬として分類する。これはシンボリックAIと呼ばれ、手作りの論理で組まれた世界でした。#OpenLedger

脳のような問題解決とルールベースの問題解決を比較した図

それは限定的な問題ではうまく機能したが、現実が複雑になった瞬間に崩壊した。脳は複雑な状況で力を発揮するが、ルールはそうではない。

詳細はこちら:

人工知能の歴史（Wikipedia） $OPEN

ダートマス会議: “AI”が生まれた場所

1956年の夏、ジョン・マッカーシー、マーvin・ミンスキー、クロード・シャノン、ナサニエル・ロチェスターがダートマス大学に集まり、AIに関するダートマス夏季研究プロジェクトを開催した。

ここで初めて「人工知能」という用語が作られた。提案書には次のように記されていた:

「学習のあらゆる側面、あるいは知能の他のいかなる特徴も、原理的には非常に正確に記述できるので、機械はそれを模倣するように作ることができる。」

これはコーディングのハッカソンではなかった。ニューラルネット、探索、記号推論、言語へとつながる分野の青写真だった。夢はここで形になった。

もっと詳しく知るには:

ダートマス会議

ルールから学習へ: パーセプトロン

1957年、フランク・ローゼンブラットは「もし機械がニューロンのように学習できたらどうなるだろうか？」と考えた。彼は、ニューロンの最初の数学モデルであるパーセプトロンを発表した。

パーセプトロンは入力を受け取り、それらに重みを掛け、バイアスを加え、ステップ関数に通す:

f(x) = h(w ⋅ x + b)

入力（xi）= ピクセル値のような特徴量

重み（wi）= 各特徴量の重要度

バイアス（b）= 判定境界を調整する

ステップ関数（h）= 二値出力（1 または 0）

これによりパーセプトロンは線形分類器となり、クラスの間に直線の境界を引くことができた。

ローゼンブラットはハードウェアも開発した。マークIパーセプトロン（1960年）である。これは網膜のように機能する20×20の光電セルの格子を持ち、連想ユニットへランダムに接続され、可変の重みはポテンショメータで実装されていた。学習中にはモーターがこれらの重みを更新した。

それは単純なパターンを分類することができ、大きな興奮を巻き起こした。ニューヨーク・タイムズは、いつか歩き、話し、意識を持つようになるとさえ主張した（

NYTアーカイブ、1958年）。