L4i知能情報研究室

L4i知能情報研究室 Laboratory for intelligence
知る人ぞ知るYouTubeチャンネルでとても価値ある情報をこっそり発信しています！高評価とチャンネル登録をよろしくお願いします！！

[L4i知能情報研究室 @L4intelligence]

東京カンターランドことL4i知能情報研究室チャンネル紹介動画 R4.07.21 https://t.co/Uf3s95Wu4f @YouTubeより

[Takenori Obo @takebo99]

明日は 湘南藤沢市民マラソン に参加します🏃‍♂️
エントリーは昨年6月19日、申請タイム90分だったので Bグループ からの出走です。

先日、富士山カラーでシューズとウェアを揃えましたが、記念Tシャツもブルーなので、今回はそれで行こうかなと。
さらに、妻から青いもふもふアイテムももらったので、耳当てとして使って SUNSUNRUN してきます✨️

直���のランログ👇
【1/22】朝ラン Active REST 30分 JOG（6:00/km）
【1/23】朝ラン 50分 JOG（4:58/km）
【1/24】朝ラン 6km JOG（4:45/km）

楽しみつつ、しっかり走ってきます💪

[Kosuke @kosuke_agos]

Google DeepMindやMeta、Yale大学らが共同で「今のAIは推論していない」という衝撃の論文を発表しました。

今のAIは「推論」しておらず、単に「反応」しているに過ぎない。

AIが、デモでは賢く見えても実務で失敗する根本原因がそこにあると記述されています。

そのメカニズムと次世代の解を3つのポイントにまとめました。

1. 「推論」なき「反応」
現在のLLMは、入力に対して即���に確率的な答えを返しているだけです。これは人間で言えば「直感」だけで複雑な数学を解こうとするようなもの。明示的な思考プロセスが欠如しているため、未知の状況で脆さを露呈します。

2. ループ構造という「脳」
単なるCoT（思考の連鎖）の延長では限界があります。必要なのは「観察→計画→実行→反省→修正」というサイクルを回すこと。自らの行動を客観視し、間違いを自己修正する「エージェンティックな推論」こそが、実務レベルの壁を突破する鍵です。

3. 規模から「制御」へ
モデルを巨大化させる競争は転換点を迎えました。重要なのはパラメータ数（知識量）ではなく、その知識をどう運用するかという「認知アーキテクチャ（制御システム）」です。

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】時代、追いついてきて、お願い！
Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/Zl6KmBb0YP

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】コミュニティ間の違いを楽しもう

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/NqWva1i085

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】これまでコツコツ思考してきた成果

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/S4aW9YjhcZ

[Takenori Obo @takebo99]

オンラインで聴講したい✨️

[工学院大学（公式） @kogakuin_koho]

DX実践ラボにて工学院大学と北見工業大学が連携し、センサーデータの解析と機械学習モデル精度を競うデータサイエンスコンテストを実施しました。モデル作成とプレゼンテーションが行われ、スキル向上と学術交流を深める貴重な機会となりました。
https://t.co/4T8mcqCWvn
#kogakuin

[Takenori Obo @takebo99]

研究室で眠っていたロボットを久々に起こしてみたら、意外と普通��動いた。

ただ、自己診断してみると
「カメラの接続が認識されません」
「ネットワークがつながりません」
「時計の電池交換が必要です」
などなど…。

視覚が失われ、ネットワークから隔離された子になってました🥲

それでも最後に、
「ちょっと調子悪くても、まだまだ頑張りますよ」
って言っていたので、
もう少し大事にしてあげようと思いました。

少しでも長く��用してもらうコミュニケーションの戦略。
こういう関係をつなぐ一言、大事ですよね。

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】観客を観察できる余裕

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/tqwdN6AcV6

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】生成AIの使い方

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/N7juO9HrwE

[Kosuke @kosuke_agos]

イーロン・マスクが提唱する、学習を10倍速くするための「第一原理思考」が、超有益です。

多くの人が無意識に行っている「類推による推論」との決定的な違いを理解することで、思考の次元が変わります。

その核心と驚異的な詳細を3つのポイントにまとめました。

1. 類推による推論の罠
ほとんどの人は「類推」で判断しています。これは過去の事例や他人の行動を真似るアプローチです。「前例がない」「他社もこうだから」という思考は、精神的に楽ではありますが、既存のテーマの微調整に留まり、そこから革新的なアイデアは決して生まれません。

2. 第一原理思考のアプローチ
物理学的な世界の見方です。事象をこれ以上分解��きない「根本的な真実」まで細分化し、そこから論理を積み上げていきます。既存の常識を疑い、ゼロベースで再構築するため、多くの精神的エネルギーを消費しますが、圧倒的な解を見つける唯一の方法です。

3. バッテリー価格の証明
類推では「過去の市場価格が1kWhあたり600ドルだったから、今後もそう簡単に安くならない」と考えます。しかし第一原理で考えると、構成要素（コバルト、ニッケル、アルミニウム、カーボン、ポリマー、鉄）の市場価値まで分解します。すると、物質的コストは「約80ドル」であることが判明します。あとはこれらを「賢く組み合わせる方法」を見つけさえすれば、劇的な価格破壊が可能であるという結論に至ります。

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】やさしい世界をつくる卒論

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/g9e4FctiID

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】この道わが旅、果てしなく続く

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/1dsKNOXkP4

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】生まれ続ける疑問

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/rBmaYEvM5m

[ヨビノリやす @Yasu_Yobinori]

全国トップクラスの筑駒とはこういうところらしい

[AIDB @ai_database]

LLMの論理的な思考能力には「��界点」があり、その限界を超えると性能が徐々に落ちるのではなく、突然ガクッと崩壊するとのこと。

水を冷やしていくと0℃で突然凍るように、AIに与える論理問題の複雑さがある閾値を超えた瞬間、それまで正確に答えられていたモデルが 急にデタラメな回答しかできなくなるそうです。
特定のモデルだけの問題ではなく、調べられたすべてのモデルで同じ現象が起きました。

この「崩壊ポイント」をずらすことが非常に難しいそうです。
追加で訓練しても、思考の過程を言語化させるCoTという手法を使っても、モデルを大きくしても、各難易度での正答率は上がるものの、崩壊が始まる複雑さの閾値自体は動きません。

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】学問の土台固めをメタ認知
Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/3zSO88XVeF

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】プレゼントもプレゼンも準備9割

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/dQge9I0I0T

[L4i知能情報研究室 @L4intelligence]

【知能情報ラジオ】プログラミング力は発注力と検証力

Listen to 知能情報研究室ラジオ on Spotify for Creators https://t.co/wBrRWiK4kc

[書泉_MATH @rikoushonotana]

2月上旬新刊
『深層学習　上 基礎と概念』Christopher M. Bishop Hugh Bishop 翻訳：神嶌　敏弘　5500円（丸善出版）
『パターン認識と機械学習』(Pattern Recognition and Machine Learningl; PRML)のBishopによる深層学習の���門書．
前作と同様に明解な書きぶりで深層学習の根幹となる数理を解説．
予約受付中⇩
https://t.co/XMdCMnedvo