私たちがメタファー(比喩)をするのはわかり易いからだ。
何かにたとえることによって、もっと深く表現できるからだ。
和歌などはこのメタファーを多用している。
だから物事を理解する時にもメタファーを使うと理解が進む。
そしてこのメタファーを突きつめたものがモデル。
理論はモデル化できて応用ができる。
著作権の問題があるけど、この図が一つのモデル。
そして、このモデルはAIのしくみを使った脳のモデル化となっている。
この脳のはたらきは、全て数式にできている。
「教師なし学習」はヘッブ則によって定式化できる。
ヘッブ則とは「同時に発火したニューロン間のシナプス結合は強められる」という現象
⇨【教師なし学習とは?種類・活用事例・クラスタリング手法を簡単解説 】
「教師あり学習」はデルタ則によって定式化できる。
デルタ則とは「答え(正解)と神経の出力差が大きいほど重みの修正値を大きくする」ことで答えにより近くする⇨【ニューラルネットワーク (hamaguri.sakura.ne.jp)】
「強化学習」は報酬信号を出すことによって一定の出力をするように仕向けること。
定型的な出力を決めておくことだと思うけど、そうなる仕組みをAIに組み込むことは案外難しいかもしれない。(強化学習の所をクリックすると説明が出てくる)
あえてメタファーを見つけるとマニュアル通りに実行するようなもの。
モデルベースシステムはこれら3つをさらに組み込んだシステムになる。
さて、モデルは図式化するとよくわかるのはなぜだろうか。
メタファーの良さを表すモデルがあるという。
カテゴリー的距離 ⇨ 面白さ ⤵
比喩の良さ
情緒・感覚的距離 ⇨ わかりやすさ ⤴
これなんか素敵なモデルだと感じる。
さらにコンピュータをメタファーにして認知・学習をモデル化すると
[遺伝]
↓ 形成 学習・発達
[環境] ⇆ 認知・学習システム ⇆ [スキル・知識・価値]
振り返り ⇅ 決定 アクセス
[行動]
となってくるが、これは元となる入出力のブラックボックスモデルを前提にしている。
モデルはモデル化(図化やプログラム化)することによってはじめて使えるモデルとなる。(一方的矢印を⇆に変えてみた。もしかしたら遺伝も⇆かもしれない)