ディープラーニングで強力なAIが生成されないようにする科学的/数学的な議論はありますか？

私はJudea PearlのThe Book of Whyを読みました。そこで彼は、ディープラーニングは美化されたカーブフィッティング技術であり、人間のような知性を生み出すことはできないと述べています。

彼の本から、認知能力の3つのレベルを説明するこの図があります：

現在のディープラーニングテクノロジーが生み出す「知性」は、関連性のレベルにしかないと考えています。したがって、AIは「Yをどのようにして実現できるか」（介入）や「私が別の行動をとったとしても、Xは引き続き発生するでしょうか？」（反事実）、そしてカーブフィッティング技術が私たちをより高いレベルの認知能力に近づけることができる可能性はほとんどありません。

私は彼の議論が直感的なレベルで説得力があると思いましたが、私はこの議論を強化するか、疑いを投げかけることができる物理的または数学的な法則を見つけることができません。

それでは、ディープラーニングが強力なAI（人間のような知性）を生成することを妨げる科学的/物理的/化学的/生物学的/数学的な議論はありますか？

Judea Pearlが2018年にACM.orgで行ったコメント、Truly Intelligent Machinesで、Teach Them Cause and Effectは鋭い真実です。

ディープラーニングのすべての印象的な成果は、カーブフィッティングにすぎません。

$\mathbb{R}^n$

1. 人工ネットワークはロジックを実行できません。
2. 人工ネットワークはAIへの最良のアプローチです。

合理性は、知性の重要な人間の特徴のリストからどのように除外できますか？これは、これらの2つの主張をまとめるとどういう意味ですか？

人間の脳は洗練された曲線フィッターのネットワークですか？マーヴィン・ミンスキーの有名な引用「脳はたまたま肉の機械である」は証拠なしで提供され、人間の脳の彼の平凡なことの証拠も、脳がチューリング計算の範囲を超えているという証拠も提供されていない。

これらの単語を読むとき、ニューラルネットワークは次の一連のカーブフィットを実行していますか？

• 網膜桿体と錐体の端
• エッジからの線
• 線の形
• 形からの手紙
• 文字のグループからの言語要素
• 要素からの言語構造
• 言語構造からの理解

最初の5つはモデルの収束メカニズムであり、すべての機械学習構造はデータをモデルに適合させるための方法にすぎないことを確認するためのケースは強力です。

最後の2つの箇条書き項目は、パラダイムが崩れ、多くのAI研究者と著者が、多層マルチパーセプトロンと畳み込みカーネルのみに基づく場合、機械学習には重大な制限があると正しく述べています。さらに、最後の箇条書き項目は、現在の状態ではおそらく桁違いに大幅に単純化されています。コンピューターが脳の機能を実行できるというミンスキーが正しいとしても、このパラグラフを読んで理解するプロセスは、大量の並列処理を伴う内部ワークフローのパターンに、何千もの異なる種類の固有のプロセスコンポーネントを簡単に持つことができます。画像技術はこの確率を示しています。最も単純な周辺レイヤーのみをモデル化したコンピューターがあります。

ディープラーニングで強力なAIが生成されないようにする科学的/数学的な議論はありますか？—いいえ。しかし、それを保証するような議論はありません。

ここでの他の質問は、これらの洗練された曲線フィッターが認識または推論の要素を実行できるかどうかを調査します。

• ニューラルネットワークは素数を検出できますか？
• 理論を証明するためにディープネットワークをトレーニングできますか？

質問のイメージにおける3つのトーテム（見る、行う、想像する）は、特に完全、正確、または洞察的ではありません。

• 人間には少なくとも1つの感覚パラダイムがあり、1つではありません
• 何十億年も前に人間の感覚に先行して—バクテリアは
• 想像することは、過去の経験のモデルからシナリオを再生するよりもはるかに高いプロセスではありません
• 創造性は、前の箇条書きの項目で想像しているだけかもしれません。その後、市場志向の品質基準で無用な想像結果を取り除き、販売する印象的なクリエイティブ製品を残します

より高い形式は、感謝、科学的測定の範囲を超えた現実感、正当な疑い、愛、他人や人類の利益のための犠牲です。

多くの人は、AIテクノロジーの現在の状態が、「どうすればYを起こせるようにすることができるのか」と確実に回答できるシステムの調達にほど遠いことを認識しています。または「別の行動をとった場合でも、Xは引き続き発生しますか？」

小さなカーブフィッティング要素のいくつかの組み合わせが、一般的な人間と同様に、これらの質問に答える能力を達成できるかできないかを数学的に証明するものはありません。

人間の知性がまったく存在しない可能性もあり、それへの言及は、私たちが他の種よりも種として高いという宗教的信念に基づいているという可能性もあります。私たちが住み、消費し、根絶することができるということは、実際には知性の非常にインテリジェントな概念ではありません。

人間の知能は私たちを他の哺乳類から区別する適応であるという主張は、私たちがうまく適応するかどうかと矛盾します。テストされていません。Chicxulubクレーターの流星のマグニチュードの衝撃波が続く次の隕石地球キラーに来て、数千年の太陽の冬が続きます。より持続可能なことを証明します。人生のタイムラインでは、人間の知性は適応特性としての重要性をまだ証明していません。

AI開発について明らかなことは、多層パーセプトロンの概念と厳密に表面フィッターであるたたみ込みカーネルに基づくディープラーナーと共に、他の種類のシステムが役割を果たすことです。

Q学習コンポーネント、注意ベースのコンポーネント、および長期短期記憶コンポーネントもすべて厳密に表面フィッターですが、それは表面フィッティングの定義を大幅に拡張することによってのみです。それらはリアルタイムの適応特性と状態を持っているので、チューリング完全にすることができます。

ファジーロジックコンテナー、ルールベースのシステム、マルコフ的性質を持つアルゴリズム、および他の多くのコンポーネントタイプもその役割を果たし、表面フィッターではありません。

要約すると、もっともらしいまたは楽しい直感的な品質以上の根拠があるポイントが作られていますが、これらの著者の多くは、定義、アプリケーション、補題、定理、証明、または考えられる実験でさえ数学的なフレームワークを提供していません正式な方法で精査されました。

これはパラドックスですが、ディープラーニングマシン（NeuralNetバリアントとして定義）は何も学習できません。これは、多くの問題を解決するためにパラメーター化できる、柔軟で構成可能なハードウェア/ソフトウェアアーキテクチャです。しかし、問題を解決するための最適なパラメータは、外部システム、つまり逆伝播アルゴリズムによって取得されます。

バックプロパゲーションサブシステムは従来のプログラミングパラダイムを使用しており、ニューラルネットではありません。この事実は人間の心に絶対的に反対であり、知識の学習と使用は同じシステム（心）によって行われます。

本当に興味深いことがすべてNNの外部で行われる場合、NNは（任意のバリアントで）AGIで開発できると主張することは困難です。

さらにいくつかの違いを見つけることも可能です。ニューラルネットは、そのインターフェイスと内部構造が非常に数値的です。この観点から、それらはサポートベクターマシンの進化形です。

AGIを期待するにはあまりにも多くの違いと制限があります。

注：私は、元の質問に含まれている抽選に強く同意しません。「見ること」、「行うこと」、「想像すること」は絶対に間違っているレベルです。「抽象化」または「プログラム状態」（心の中で、チューリングの言葉で）としての基本的で一般的なソフトウェアの概念を無視します。AIを「予見」として適用。そして「自由意志」、「目的と感情」としてのAGIのもの...