アカウント名:
パスワード:
高速高品質な乱数生成法ができたという話で、モンテカルロ法使うアルゴリズム全般に適用できる話でしょ。
しかし、カオスってのは完全な乱数ではないわけで、このケースがどういう式で表されるのか知らないけど、アトラクターが結果に影響を与えるということはないんかね。
カオスを用いた乱数発生のアイデアは昔からあったが、まだ生き残ってるものってあるのかね?今回のレーザーカオスも乱数としての性質の評価の話が抜けているが....自己相関の説明にいたっては理解不能「負の自己相関」の値が大きいということは、すなわち擬似乱数としての性質が悪い(隣接したサンプル間の相関がある)ということになるし、こんな説明だったらただちに批判を受けることが分かって書いてるんだろうか?
>擬似乱数としての性質が悪い(隣接したサンプル間の相関がある)よくわかりませんが、ピンクノイズとかもそれはそれで有用なのでは。
いや、むしろ強化学習(というか2つのスロットマシンから儲かるマシーンを探す問題)に応用してみたというのが肝のようだ。レーザーでカオスって話はもとからある話のようで、彼らが新たに考え出したわけではないみたい。つまりこの研究からスロットマシンを差し引いたら何も残らないという代物。出版先はScientific reports。金さえ出せば無条件に出る雑誌、というわけでもないだろうが?
> 本実験では、レーザーカオスを毎秒最大1000億個でサンプリングし、データ処理はオフラインで実装しています。
> 事前知識ゼロの状態から約 1 ナノ秒(10億分の1秒、1 ns
いや、レーザーカオスを高速高品質乱数発生器として使ったというところが肝なんでしょ。
レーザーでカオスで乱数発生はすでに知られている話で、それ自体は肝にはならない。
出てくる乱数を使ってなにか具体的な問題を議論しないと新たな研究にならないわけで、それで彼らが選んだのがスロットマシンの選択問題。それにさらにAIがらみの今風の言葉をくっつけて何かのミスリードを誘おうとしているようにも思える(中身はニューラルネットとかには全く関係がない話なのだが) ただ、実際にやってることはいままでサイコロ(あるいは計算機の乱数)でやってたことをレーザーのサンプリング値に置き換えただけなわけで、それ以上のイノベーションがあるわけで
そもそも乱数の生成を計算時間に含める必要はあるのだろうか。乱数は解こうとしている問題とは独立に存在するものだ。
例えば、放射性同位元素の崩壊タイミングなど、完全に無秩序と考えられている乱数発生源などを使って、あらかじめ時間をかけて集めた質の良い乱数の膨大なデータベースから、必要になる度に1つずつ読みだしゃいいじゃんね。
何かの設計で円周率が必要になる度に、必要精度の円周率を計算しているような違和感だ。
ハードSFの種にできそう。
リアルタイムに生成したレーザーカオス乱数→学習が上手く進む事前に作って用意した十分な量の{レーザーカオス乱数, じっくりことこと計算して作った擬似乱数, その他思いつく限りの乱数}→何故か学習精度が上がらない
実は、学習過程に量子論的な不確定性から最適解を汲み上げる謎の仕組みのプロセスが混ざっているから、学習を進めつつ随時、乱数を生成しないとダメで、それがデジタルコンピュータを、自我を持ったコンピュータに進化させる最後の1ピースだったとか。
あ、観測者の意識とか意思へ原因を持っていくのも定番か。意識というものには、自らの望む波動関数の収束を引っ張り寄せるという謎の性質が備わっているけど、その力は実に弱い。事前に乱数を纏めて用意するような作業に影響を及ぼすことはできないけど、学習が進むごとに生成される量子乱数には毎回ごくごく弱い影響を与えていて、それらが膨大に積み重なることで、結果に観測可能な影響を及ぼすに至っている、とか。
量子論ではすでに「隠れた変数」仮説は否定されてますやん。
将来ニューロチップを開発する場合、集積度を高めていく方法と超高速化して疑似的にネットワークを構築するのかって選択がありますが、これは後者に属するものなのでしょう。
ニューラルネットは何の相関があるかはっきりとわからないものを突っ込んで何らかの相関を見出したりといった利用もされるのであれば、何も使う乱数が白色である必要もないだろうって所が面白かったです。
関連する話題としてがありますが、こちらでもカオス的な挙動と学習効率や正解率の関係が出てきます。 [srad.jp]
個々のニューロンがどんな役割を果たしているのかは不明でも、カオス的な影響によってネットワークが部分的に性格付けされていくのでしょか。
この研究は「学習」という言葉が入っているが、ニューラルネットワークとは全然関係ない話だよ。
より多くのコメントがこの議論にあるかもしれませんが、JavaScriptが有効ではない環境を使用している場合、クラシックなコメントシステム(D1)に設定を変更する必要があります。
日本発のオープンソースソフトウェアは42件 -- ある官僚
強化学習とか関係ないやん (スコア:0)
高速高品質な乱数生成法ができたという話で、モンテカルロ法使うアルゴリズム全般に適用できる話でしょ。
しかし、カオスってのは完全な乱数ではないわけで、このケースがどういう式で表されるのか知らないけど、
アトラクターが結果に影響を与えるということはないんかね。
Re: (スコア:0)
カオスを用いた乱数発生のアイデアは昔からあったが、まだ生き残ってるものってあるのかね?
今回のレーザーカオスも乱数としての性質の評価の話が抜けているが....
自己相関の説明にいたっては理解不能
「負の自己相関」の値が大きいということは、すなわち擬似乱数としての性質が悪い(隣接したサンプル間の相関がある)ということになるし、こんな説明だったらただちに批判を受けることが分かって書いてるんだろうか?
Re: (スコア:0)
>擬似乱数としての性質が悪い(隣接したサンプル間の相関がある)
よくわかりませんが、ピンクノイズとかもそれはそれで有用なのでは。
Re: (スコア:0)
いや、むしろ強化学習(というか2つのスロットマシンから儲かるマシーンを探す問題)に応用してみたというのが肝のようだ。
レーザーでカオスって話はもとからある話のようで、彼らが新たに考え出したわけではないみたい。つまりこの研究からスロットマシンを差し引いたら何も残らないという代物。出版先はScientific reports。金さえ出せば無条件に出る雑誌、というわけでもないだろうが?
> 本実験では、レーザーカオスを毎秒最大1000億個でサンプリングし、データ処理はオフラインで実装しています。
> 事前知識ゼロの状態から約 1 ナノ秒(10億分の1秒、1 ns
Re: (スコア:0)
いや、レーザーカオスを高速高品質乱数発生器として使ったというところが肝なんでしょ。
Re: (スコア:0)
レーザーでカオスで乱数発生はすでに知られている話で、それ自体は肝にはならない。
出てくる乱数を使ってなにか具体的な問題を議論しないと新たな研究にならないわけで、それで彼らが選んだのがスロットマシンの選択問題。それにさらにAIがらみの今風の言葉をくっつけて何かのミスリードを誘おうとしているようにも思える(中身はニューラルネットとかには全く関係がない話なのだが) ただ、実際にやってることはいままでサイコロ(あるいは計算機の乱数)でやってたことをレーザーのサンプリング値に置き換えただけなわけで、それ以上のイノベーションがあるわけで
Re: (スコア:0)
そもそも乱数の生成を計算時間に含める必要はあるのだろうか。
乱数は解こうとしている問題とは独立に存在するものだ。
例えば、放射性同位元素の崩壊タイミングなど、完全に無秩序と考えられている乱数発生源などを使って、
あらかじめ時間をかけて集めた質の良い乱数の膨大なデータベースから、
必要になる度に1つずつ読みだしゃいいじゃんね。
何かの設計で円周率が必要になる度に、必要精度の円周率を計算しているような違和感だ。
Re: (スコア:0)
ハードSFの種にできそう。
リアルタイムに生成したレーザーカオス乱数→学習が上手く進む
事前に作って用意した十分な量の{レーザーカオス乱数, じっくりことこと計算して作った擬似乱数, その他思いつく限りの乱数}→何故か学習精度が上がらない
実は、学習過程に量子論的な不確定性から最適解を汲み上げる謎の仕組みのプロセスが混ざっているから、
学習を進めつつ随時、乱数を生成しないとダメで、それがデジタルコンピュータを、自我を持ったコンピュータに進化させる最後の1ピースだったとか。
あ、観測者の意識とか意思へ原因を持っていくのも定番か。
意識というものには、自らの望む波動関数の収束を引っ張り寄せるという謎の性質が備わっているけど、その力は実に弱い。
事前に乱数を纏めて用意するような作業に影響を及ぼすことはできないけど、
学習が進むごとに生成される量子乱数には毎回ごくごく弱い影響を与えていて、
それらが膨大に積み重なることで、結果に観測可能な影響を及ぼすに至っている、とか。
Re: (スコア:0)
量子論ではすでに「隠れた変数」仮説は否定されてますやん。
Re: (スコア:0)
将来ニューロチップを開発する場合、集積度を高めていく方法と超高速化して疑似的にネットワークを構築するのかって選択がありますが、これは後者に属するものなのでしょう。
ニューラルネットは何の相関があるかはっきりとわからないものを突っ込んで何らかの相関を見出したりといった利用もされるのであれば、何も使う乱数が白色である必要もないだろうって所が面白かったです。
関連する話題としてがありますが、こちらでもカオス的な挙動と学習効率や正解率の関係が出てきます。 [srad.jp]
個々のニューロンがどんな役割を果たしているのかは不明でも、カオス的な影響によってネットワークが部分的に性格付けされていくのでしょか。
Re: (スコア:0)
この研究は「学習」という言葉が入っているが、ニューラルネットワークとは全然関係ない話だよ。