相対エントロピーとベイズ推論

【  Jaynesは、どのように Bayes に接近したのか 】

今回のセッションでは、JaynesがどのようにBayesに接近したのかを考えます。

前回紹介したJanesの 「MAXENT – 最大エントロピー原理」は、ある系に対する現在の認識の状態を最もよく表現する確率分布は、もっともエントロピー の大きいもの、すなわち、もっともその系の情報が少ない確率分布だと考えようと言うことを表しています。

ある系に対する認識が発展するのなら、その認識の発展は、現在の系が含んでいる最少の情報（それは最大のエントロピーを持ちます）からも得られるはずだと言うことです。それは、私たちの「推論」の原理としても理解できます。

「推論」は「認識の発展」に他なりません。

【 確率分布が先か、情報が先か？ 】

ある確率分布 $p_i$が与えられた時、そのエントロピー S は、ある意味自動的に与えられます。ただ、どんな確率分布についても、アプリオリに一つのエントロピーが先の公式で天下り的に定まるということに、すこし違和感を持つ人がいるかもしれません。

そもそも、確率分布がアプリオリに与えられるものかは、自明ではありません。

そういう人には、次の「相対的なエントロピー」という考え方の方が、納得が行きやすいと思います。「エントロピー」は、絶対的な確定したものではなく、事前に知っていたこととの関係で決まる、相対的なものだと考えるのです。

事前に知っていた確率分布をpとし、実際に、観測して得られた新しい確率分布 qとします。
この時、次の式で確率分布pに対する確率分布qの「相対エントロピー」 $H_rel (q,p)$を定義します。$$H_{rel}=\sum_x q(x) \log \frac { p(x) }{ q(x) }$$
確率分布pに対する確率分布qの「相対エントロピー」を $𝐻(𝑞(𝑥)||𝑝(𝑥))$ と表すことがあります。

確率分布pに対する確率分布qの相対エントロピー$H(q||p)$で、
　　p を、「事前確率」 = ‘Prior’
　　q を、「事後確率」 = ‘Posterior’
と呼びます。

こうした考え方は、Bayesianのものです。

「相対エントロピー」というのは、アプリオリな「シャノンのエントロピー」を、Bayesianの考え方で、相対化したエントロピーと考えることができます。

エントロピー＝情報量のこのBayesian的な解釈は、人間の認識で得られる情報量の解釈には、とても向いています。Prior の pという仮説的な確率の認識は、Posterior のqという確率の認識に「発展」したと考ることができるからです。

直観的に言えば、相対エントロピー $H(q||p)$ は、あるシステムが確率分布 p に従っているという仮説的認識から出発して（これが ‘Prior’ です）、 その後、そのシステムの「正しい」あるいは「実際」は、確率分布 qに従っていることを学んだ（これが‘Posterior’）時に、得られる情報量です。

【 「認識の発展」＝「推論」＝「学習」 】

認識のある段階で、我々はあるシステムの p0で与えられると考えていた確率分布が、本当は確率分布p1に従うことを発見したとします。この発見によって得られる情報量は、相対エントロピー H(p1||p0) によって与えられます。

認識の次の段階で、あるシステムの p1で与えられると考えていた確率分布が、本当は確率分布p2に従うことを発見するかもしれません。この発見によって得られる情報量は、相対エントロピー H(p2||p1) によって与えられます。

認識のその次の段階で、あるシステムの p2で与えられると考えていた確率分布が、本当は確率分布p3に従うことを発見するかもしれません。この発見によって得られる情報量は、相対エントロピー H(p3||p2) によって与えられます。

このような相対エントロピーの連鎖を、「認識の発展」のモデルと考えることができます。それはまた、新しい「推論」のルールを次々に発見してゆく「推論の発展」のモデルと考えることができます。

興味深いことは、この見方を少し変えるだけで、相対エントロピーを用いて、我々がおこなう「学習」のモデルを構成することができます。これについては、スライドを参照ください。
ちなみに現在の人工知能技術は、大規模言語モデルを含めて、機械の学習について、こうした「学習モデル」を採用しています。

Jaynesは、相対エントロピーのこうした認識論的解釈を通じて、Bayse の議論に接近したのだと僕は考えています。


-------------------------------------

「創発について考える」セミナー申し込みページ
https://emergence-in-ai.peatix.com/

ショートムービー「 相対エントロピーとベイズ推論 」を公開しました。

https://youtu.be/tj1j61k1eF4?list=PLQIrJ0f9gMcM1CSCpFfUuf25kD7b1JMM2

資料 pdf「 相対エントロピーとベイズ推論 」

https://drive.google.com/file/d/12YP_j8zpb1WAu9nH1GSEUeQM0TI7dJke/view?usp=sharing

blog：「 Jaynesは、どのように Bayes に接近したのか 」　
https://maruyama097.blogspot.com/2023/07/blog-post_25.html

セミナー「創発について考える」まとめページ
https://www.marulabo.net/docs/emergence/

セミナー「創発について考える」に向けたショートムービー再生リスト
https://www.youtube.com/playlist?list=PLQIrJ0f9gMcM1CSCpFfUuf25kD7b1JMM2


コメント

コメントを投稿

このブログの人気の投稿

マルレク・ネット「エントロピーと情報理論」公開しました。

イメージ
前回の秋葉原でのマルレクのネット配信が始まりました。 https://crash.academy/class/156 タイトルを「エントロピーと情報理論 -- 量子情報理論入門 -- 」に変更しました。最初の30分は、無料です。 次回のマルレク「量子コンピュータとは何か？」の導入となるコンテンツです。 講演資料は、こちらです。 https://goo.gl/CKayix  あわせて、ご利用ください。 　　　--------------------------------- 　　　マルレク・ネット　ビデオ・コンテンツ　 　　　--------------------------------- 　「エントロピーと情報理論」 　　　　 https://crash.academy/class/156 　「人工知能の歴史を振り返る」 　　　　 https://crash.academy/class/139/ 　「ニューラル・コンピューターとは何か？」 　　　　 https://crash.academy/class/101/ 　「Google ニューラル機械翻訳」 　　　　 https://crash.academy/class/76/ 　「RNNとLSTMの基礎」 　　　　 https://crash.academy/class/66/
続きを読む

初めにことばありき

旧約の「創世記」の「光よあれ」は、ビッグバンを思わせて、物理学者はちょっと萌えるかもしれないのだが、新約の「ヨハネによる福音書」には、言語学者が喜びそうなフレーズがある。 「初めに言があった。言は神と共にあった。言は神であった。」 僕が知っていたのは、「はじめにことばありき」という訳だったのだが。この口語訳での「言」は、英訳だとこうなっている。 "In the beginning was the Word, and the Word was with God, and the Word was God." 「言」= "Word" である。はじめにあったのは、Wordであって、Language ではない。だから、新しい口語訳では、普段、あまり馴染みない「言」という訳語を使ったのかも。「初めに語があった」では、なんかしまらないんだろうな。（僕は、「はじめにことばありき」というフレーズの方が好きだ。） ちなみに、「ヨハネによる福音書」は、英語では、"Gospel of John" という。「ジョンのゴスペル」である。でも、そう日本語に訳してしまうと、ジョン・レノンがバラードではなく、ゴスペルを歌っているようで、まずいんだろうな。 「ことば」・「言」・"Word" と訳されている、元々の言葉を調べてみると面白い。 キリスト教のオーソドックスな原典であるラテン語訳聖書では、この部分は、こうなる。 "In principio erat Verbum, et Verbum erat apud Deum, et Deus erat Verbum" 「イン・プリンキピオー・エラト・ウェルブム」 英訳 Word のラテン語の原語は、Verbum である。この単語、英語に直訳すれば、Verbである。「初めに、動詞があった。」　言語学の「従属性文法 (Dependency Grammar) 」理論の人たち、喜びそう。 もっとも、英語のVerbは、元々は、動詞というより広く言葉全体をさしてたらしい。そのことは、「ノンバーバル・コミュニケーション (Non-Verbal Communication) 」というのが、動詞を使わないコミュニケーション...
続きを読む

宇宙の終わりと黒色矮星

イメージ
【宇宙の終わりと黒色矮星】 図のようなストーリーで、「宇宙の終わりとエントロピー」という投稿を準備していたのだが、いろいろ雑念が湧いて気がすすまなくなる。その理由は別稿で。 この図は、「閉じられた部屋でのガスの拡散」というわかりやすいモデルで理解されるエントロピーの増大の法則が、あるフェーズから、宇宙規模でみれば、「全ての物質のブラックホールへの吸収・収斂」として現れると言うことを主張している。最初、ペンローズのこの話を読んだときには、目からウロコだった。 このストーリーにはもっと先がある。最近のシミュレーションでは、指数関数的に膨張する宇宙では、巨大なブラックホールに捕捉されるのは、宇宙全体の物質の10%程度だという。恒星起源のブラックホールは 10^67 年で、銀河系中心の巨大ブラックホールも 10^99年で、ホーキング放射で「蒸発」し姿を消す。 ブラックホールに捕捉されなかった宇宙の残りの90%の物質は、元それが属した銀河系から孤立したまま星の一生の進化を続ける。太陽の1.2倍程度の質量を持つ星は「白色矮星」になるのだが、「白色矮星」は 10^17年で「黒色矮星」に変わる。 「黒色矮星」は、現代の「宇宙の終末論」では、もっとも注目されている天体なのだが、それはまだ観測されていないと言う。というのも、この天体は光を出さないからだ。「黒色矮星」の中心は、最も安定な原子である鉄の「結晶」でできていて、温度は絶対零度近くに冷却されている。 「黒色矮星」は、とても長生きする天体である。陽子崩壊がおきるなら、黒色矮星の寿命は 10^32年程度だが、もし陽子が安定しているとすれば、太陽の 1.24倍程度の質量を持つ「黒色矮星」は、10^1600年後に突然崩壊して超新星爆発を起こす。もっと軽い、太陽の1.16倍程度の質量を持つ「黒色矮星」は、10^32000 年後（！）に超新星爆発を起こす。 このシナリオによれば、宇宙は、とてつもなく長い長い退屈な時間をかけて、その死を迎える。「黒色矮星」の超新星爆発は、宇宙の死を飾る最後の打ち上げ花火である。その後には、宇宙には何も起こらない。 この記事は、ジョン・バエズの "Black Dwarf Supernovae" を基にしたものだ。https://johncarlosbaez.wordpress.com/202...
続きを読む