「知識」のどのような領域に注目するのか

 【 「知識」のどのような領域に注目するのか 】

このセッションでは、「知識のハブ」の変化を考えるうえで、どのような「領域」に注目するのかを考えてみようと思います。

このセッションでは、二つの領域に注目します。

第一の領域は、人間中心だった知識の世界に「言語能力を持った機械」が登場したことによって大きな影響を受けている領域です。

この領域は、情報の共有・蓄積・交換の社会的様式とそれについての社会的意識の急速な変化によって特徴づけられます。

第二の領域は、 「言語能力を持った機械」の登場とは相対的に独立に、知識の世界での人間と機械の境界面の新しい拡大が見られる領域です。

この領域は、人間の自然認識や数学的認識といった「累積的知識」の中核的領域を含んでいます。

【 今回のセミナーのアプローチ −−「変化」の特徴的なエピソードを集める 】

今回のセミナー「「知識のハブ」の変化を考える」では、様々な領域に現れている「変化」の特徴的なエピソードを紹介したいと考えています。

それは、異なる「場所」に起きた、バラバラなエピソードの羅列に見えるかもしれません。

それが、理論的整理のための試論としての、「変化を考える」という、今回のセミナーがとったアプローチです。

ただ、恣意的でランダムに見える、それらのエピソードの選択は、大きくいうと、先の「今回のセミナーが注目する二つの領域」に属しています。

　・「言語能力を持つ機械」の登場による社会的インパクト
　・自然認識・数学的認識の発展における人間と機械の境界面の変化

以下で、今回のセミナーで、この二つの領域のエピソードとして、どのようなトピックを取り上げるのか、その概要を述べてみたいと思います。

詳細は、後続のセッションで展開します。

【 「言語能力を持つ機械」の登場による社会的インパクト】

ここでは、次のようなトピックを取り上げます。

● グローバルな検索

ネットワーク上のほとんどすべての情報は、人間だけでなく言語能力を持つ機械にとっても利用可能な形で共有・蓄積され、多くの人間は、「検索」を通じて、機械と人間が共有する情報にアクセスするようになります。それは、一面では専門的な知識の「民主化」と捉えることもできます。

● 学会と論文

かつては、知識の蓄積・交換の中心だった「学会」組織も、その権威への静かな挑戦に直面しています。直接的には、AIが生成した論文の急増、また、査読プロセスへのAIの利用の是非を巡る議論の拡大等々。僕は、論文の作成にAIを利用することを排除する必要はないと思っています。

● 教育と学習

より深い問題は、制度としての教育組織と個人としての学習の、それぞれの制約と可能性の問題です。現実問題としては、現在のような過渡期に、将来にわたる展望を語ることに難しさを感じています。ただ、個人としての学習の比重が大きく増大する方向に、歴史的なシフトが起きるだろうと考えています。

● Big AI TechとAI研究者たち

「知識のハブ」として、Big AI Techを取り上げることに、違和感を覚える人は少なくないと思います。ただ、現在の最も影響力のある「知識のハブ」の一つは、Big AI Techだと、僕は考えています。そこでは、知識の「交換」は、AI研究者の「移動」によって担われているように見えます。その限りでは、それは安定したシステムではありません。

【 自然認識・数学的認識の発展における 人間と機械の境界面の変化 】

ここでは、次のようなトピックを取り上げます。

● 巨大観測装置

「知識のハブ」として、CERNのAtlas実験やJames Webb Space Telescopeのような巨大観測装置を取り上げることに首をかしげる人もいると思います。しかし、機械が今日のような言語能力を持つ以前から、科学者のネットワークのいくつかは、こうした巨大な観測装置を中心に組織されていました。近年の注目すべき動向を紹介したいと思います。

● 数学と形式的証明

僕は、近年注目を一身にあびている「機械の言語能力の獲得」以外にも、機械にはもう一つの重要な能力、「数学的推論能力」を持っていると考えています。重要なことはそれは、「言語能力」には還元されない能力です。

https://youtu.be/By4KyIU9ZVM?list=PLQIrJ0f9gMcNclFZWE8Dmk3q1PBDnTxrU

−−−−−−--- リンクのまとめ −−−−−−---

マルレク「「知識のハブ」の変化を考える」Webページ
https://www.marulabo.net/docs/knowledgehub/

マルレク「機械の言語能力の獲得を考える」Webページ
https://www.marulabo.net/docs/competence/

マルレク「embeddingプログラミングの基礎」Webページ
https://www.marulabo.net/docs/embedding2/

「知識」のどのような領域に注目するのか  : blog
https://maruyama097.blogspot.com/2026/04/blog-post_21.html

「知識」のどのような領域に注目するのか  ：pdf
https://drive.google.com/file/d/1J-XKiXAdwdEyd6SnsYKvo1Hn8EDmcR1u/view?usp=sharing

「知識」のどのような領域に注目するのか  ：YouTube
https://youtu.be/By4KyIU9ZVM?list=PLQIrJ0f9gMcNclFZWE8Dmk3q1PBDnTxrU


コメント

コメントを投稿

このブログの人気の投稿

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

1 + 196883 = 196884

【 1 + 196883 = 196884  −− ある数学的認識の飛躍の物語 】 このコラムのタイトル「1 + 196883 = 196884」 は、当たり前すぎて、かえって意味不明かもしれません。 ただ、もしも、あなたのクレジット・カードの最初の6桁の数字に1を足したものが、あなたのマイナンバーカードの最初の6桁の数字と完全に一致していたとすれば、この式は、単なる足し算以上の意味を持ちます。 もっとも、クレジット・カードとマイナンバー・カードの場合、こうした数字の一致は、全くの偶然と考えていいと思います。 このコラムの「1 + 196883 = 196884」の場合も、左側に現れる数字196883と右側に現れる数字196884は、実は、数学の別の分野から取られたものです。 ただ、クレジット・カードとマイナンバー・カードの数字の偶然の一致とは異なって、この等式は、一見無関係に見える数学の分野間の驚くべき繋がりを示唆する、重要な発見の糸口となりました。 1 + 196883 = 196884 という一見自明の等式は、20世紀の数学的認識のある飛躍の物語の、最初の主人公なのです。 【  John McKayが気づいたこと 】 1978年ごろ、McKayは、あることに気づきます。 当時は、「モンスター群」の存在は証明されていなかったのですが、FischerとGriessは、モンスター群が「存在するならば」、その最小の非自明な既約表現（最も基本的な「対称性のパターン」を捉える方法）の次元は 196883 であると予想していました。 McKayは、この数字 196883 が、数論の分野で基本的な対象である j-不変量 j(τ) の q-展開（フーリエ級数展開に類似したもの）に現れる係数 196884 に極めて近いことに気づきます。     「1 + 196883 = 196884 だろう ! 」 そればかりではありません。McKayは、さらにj(𝜏) の最初のいくつかの項の係数が、モンスター群 M の既約表現の次元 r(n) の単純な線型結合として表現できることに気づきます。 【 数学者の直感 】 先に進む前に、あらためて問題を整理しておきましょう。 第一。ここでの議論には、二つの全く異なる数学的対象、「j-不変量」と「Monster...
続きを読む

機械の言語能力の獲得から考える embeddingの共有・蓄積・検索の未来

イメージ
機械の言語能力の獲得から考える embeddingの共有・蓄積・検索の未来 #01 「機械が言語能力を獲得した」ということについて https://maruyama097.blogspot.com/2025/12/blog-post_25.html #02 ことばから文字へ https://maruyama097.blogspot.com/2025/12/blog-post_51.html #03 情報の共有と情報の集積 https://maruyama097.blogspot.com/2025/12/blog-post_37.html #04 文字からembeddingへ −− 大規模分散システムの成立 https://maruyama097.blogspot.com/2025/12/embedding.html #05  文字からembeddingへ −−意味の分散表現論の系譜 https://maruyama097.blogspot.com/2025/12/embedding_25.html #06  意味の分散表現論の登場 https://maruyama097.blogspot.com/2025/12/blog-post_27.html #07  文の意味のベクトル表現の発見 https://maruyama097.blogspot.com/2025/12/blog-post_30.html #08  Interlude 1 −− ChatGPTが生まれた日 https://maruyama097.blogspot.com/2026/01/interlude-1-chatgpt.html #09 Interlude 2 −− OpenAI の分裂が残したもの https://maruyama097.blogspot.com/2026/01/interlude-2-openai.html #10  Transformerの登場 https://maruyama097.blogspot.com/2026/01/transformer.html #11  1/31 マルレク「機械の言語能力の獲得を考える」へのお誘い https://maruyama097.blogspot.com/2026/01/131...
続きを読む