sponsored links
TEDxBeaconStreet

Alex Wissner-Gross: A new equation for intelligence

アレックス・ウィスナー=グロス: 知能の方程式

November 26, 2013

知能に公式なんてあるのでしょうか?はい、 F = T ∇ Sτです。物理学者そしてコンピュータ科学者であるアレックス・ウィスナー=グロスが、この式が一体どんな意味があるのか、魅力的で、内容のある話で説明します。 (TEDxBeaconStreetにて収録)

Alex Wissner-Gross - Scientist, entrepreneur, inventor
Alex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?" Full bio

sponsored links
Double-click the English subtitles below to play the video.
Intelligence -- what is it?
知能とは何でしょうか?
00:12
If we take a look back at the history
知能に関する議論について
00:16
of how intelligence has been viewed,
歴史を振り返ってみると
00:18
one seminal example has been
エドガー・ダイクストラの
有名な言葉につきあたります
00:21
Edsger Dijkstra's famous quote that
エドガー・ダイクストラの
有名な言葉につきあたります
00:24
"the question of whether a machine can think
“機械が考えることができるのか
という問いはー
00:28
is about as interesting
“機械が考えることができるのか
という問いはー
00:31
as the question of whether a submarine
潜水艦が泳ぐことができるか
という問いと 同じくらい興味深い”
00:32
can swim."
潜水艦が泳ぐことができるか
という問いと 同じくらい興味深い”
00:35
Now, Edsger Dijkstra, when he wrote this,
エドガー・ダイクストラのこの言葉は
アラン・チューリングなど
00:37
intended it as a criticism
コンピュータ科学の先駆者達への
批判から出たものです
00:41
of the early pioneers of computer science,
コンピュータ科学の先駆者達への
批判から出たものです
00:43
like Alan Turing.
コンピュータ科学の先駆者達への
批判から出たものです
00:46
However, if you take a look back
しかし考えてみるとー
00:48
and think about what have been
しかし考えてみるとー
00:50
the most empowering innovations
“泳ぐ機械”や“飛ぶ機械”を作ることができたー
00:52
that enabled us to build
“泳ぐ機械”や“飛ぶ機械”を作ることができたー
00:54
artificial machines that swim
最大の原動力とは何なのでしょうか?
00:56
and artificial machines that [fly],
最大の原動力とは何なのでしょうか?
00:58
you find that it was only through understanding
単に泳ぎや飛行の物理的原理を
理解することによって
01:01
the underlying physical mechanisms
単に泳ぎや飛行の物理的原理を
理解することによって
01:04
of swimming and flight
単に泳ぎや飛行の物理的原理を
理解することによって
01:07
that we were able to build these machines.
このような機械を
作ることができたのです
01:10
And so, several years ago,
数年前 私が行った研究はー
01:13
I undertook a program to try to understand
数年前 私が行った研究はー
01:15
the fundamental physical mechanisms
知能における物理的な基本原理を
解明することでした
01:18
underlying intelligence.
知能における物理的な基本原理を
解明することでした
01:21
Let's take a step back.
その前に ある思考実験をしたいと思います
01:24
Let's first begin with a thought experiment.
その前に ある思考実験をしたいと思います
01:26
Pretend that you're an alien race
自分が地球のことを何も知らない
エイリアンだと思ってください
01:29
that doesn't know anything about Earth biology
自分が地球のことを何も知らない
エイリアンだと思ってください
01:32
or Earth neuroscience or Earth intelligence,
生物学や神経学
知能について何も知りません
01:35
but you have amazing telescopes
しかし高性能な望遠鏡で
地球を観察することができ
01:38
and you're able to watch the Earth,
しかし高性能な望遠鏡で
地球を観察することができ
01:40
and you have amazingly long lives,
かなり長生きなので 何百万年 いや
何十億年も地球を観察できるとします
01:42
so you're able to watch the Earth
かなり長生きなので 何百万年 いや
何十億年も地球を観察できるとします
01:45
over millions, even billions of years.
かなり長生きなので 何百万年 いや
何十億年も地球を観察できるとします
01:46
And you observe a really strange effect.
すると変わったものを
見ることになります
01:50
You observe that, over the course of the millennia,
千年も観察しているとー
01:53
Earth is continually bombarded with asteroids
地球に常に
隕石が衝突していることがわかります
01:57
up until a point,
地球に常に
隕石が衝突していることがわかります
02:01
and that at some point,
しかし紀元2000年頃になるとー
02:03
corresponding roughly to our year, 2000 AD,
しかし紀元2000年頃になるとー
02:05
asteroids that are on
不思議なことに
地球に衝突するはずの隕石はー
02:09
a collision course with the Earth
不思議なことに
地球に衝突するはずの隕石はー
02:11
that otherwise would have collided
衝突前に進路を変えたり
爆発してしまうのです
02:13
mysteriously get deflected
衝突前に進路を変えたり
爆発してしまうのです
02:15
or they detonate before they can hit the Earth.
衝突前に進路を変えたり
爆発してしまうのです
02:17
Now of course, as earthlings,
もちろん地球人は その理由は
自らを守ろうとしている事であると―
02:20
we know the reason would be
もちろん地球人は その理由は
自らを守ろうとしている事であると―
02:22
that we're trying to save ourselves.
知っています
02:24
We're trying to prevent an impact.
衝突を防ごうとしているのです
02:26
But if you're an alien race
しかしエイリアンであるあなたは
02:29
who doesn't know any of this,
そんなことは いざ知らず
02:30
doesn't have any concept of Earth intelligence,
地球の知的生命体の存在について
考えも及ばず
02:32
you'd be forced to put together
なぜ隕石がある時期から
地球に衝突しなくなる―
02:34
a physical theory that explains how,
なぜ隕石がある時期から
地球に衝突しなくなる―
02:36
up until a certain point in time,
神秘的なできごとについて
02:39
asteroids that would demolish the surface of a planet
物理的な理論を考えるしかありません
02:41
mysteriously stop doing that.
物理的な理論を考えるしかありません
02:46
And so I claim that this is the same question
これは知能の物理的本質を
理解することと同じ問題なのです
02:49
as understanding the physical nature of intelligence.
これは知能の物理的本質を
理解することと同じ問題なのです
02:53
So in this program that I
undertook several years ago,
そこで 数年前に行った研究では
02:57
I looked at a variety of different threads
知能の統一的な原理を指し示す
科学の多くの分野に目を向けました
03:01
across science, across a variety of disciplines,
知能の統一的な原理を指し示す
科学の多くの分野に目を向けました
03:04
that were pointing, I think,
知能の統一的な原理を指し示す
科学の多くの分野に目を向けました
03:07
towards a single, underlying mechanism
知能の統一的な原理を指し示す
科学の多くの分野に目を向けました
03:09
for intelligence.
知能の統一的な原理を指し示す
科学の多くの分野に目を向けました
03:11
In cosmology, for example,
例えば宇宙論では
様々な証拠により
03:13
there have been a variety of
different threads of evidence
例えば宇宙論では
様々な証拠により
03:16
that our universe appears to be finely tuned
この宇宙は 知能が発達し
03:18
for the development of intelligence,
この宇宙は 知能が発達し
03:22
and, in particular, for the development
特に宇宙の将来の多様性が
最大化するようにー
03:24
of universal states
うまく調整されていると
示されています
03:26
that maximize the diversity of possible futures.
うまく調整されていると
示されています
03:28
In game play, for example, in Go --
例えばゲームの碁を見てみましょう
03:32
everyone remembers in 1997
だれでも チェスでIBMのディープブルーが
03:35
when IBM's Deep Blue beat
Garry Kasparov at chess --
1997年にカスパロフを破ったことを覚えていますが
03:38
fewer people are aware
あまり良く知られていないことは
03:42
that in the past 10 years or so,
最近の10年間において
03:43
the game of Go,
分岐因子が非常に多くチェスよりも
はるかに難しいゲームである
03:45
arguably a much more challenging game
分岐因子が非常に多くチェスよりも
はるかに難しいゲームである
03:46
because it has a much higher branching factor,
碁においてもコンピュータが
対戦する人間に
03:48
has also started to succumb
同様な理由で勝ち始めたことです
03:51
to computer game players
同様な理由で勝ち始めたことです
03:52
for the same reason:
同様な理由で勝ち始めたことです
03:54
the best techniques right now
for computers playing Go
現状ではコンピュータにとっての
最善の方法は
03:56
are techniques that try to maximize future options
将来の選択肢を最大にすることなのです
03:59
during game play.
将来の選択肢を最大にすることなのです
04:02
Finally, in robotic motion planning,
最後の例として
ロボットの動作プログラムでは
04:04
there have been a variety of recent techniques
複雑な仕事を達成するためー
04:08
that have tried to take advantage
複雑な仕事を達成するためー
04:10
of abilities of robots to maximize
行動の自由度を最大化する能力を
利用しようとする最新技法があります
04:12
future freedom of action
行動の自由度を最大化する能力を
利用しようとする最新技法があります
04:15
in order to accomplish complex tasks.
行動の自由度を最大化する能力を
利用しようとする最新技法があります
04:17
And so, taking all of these different threads
数年前から問い続けてきたことですが
04:20
and putting them together,
異なる分野を総合的に考えることで
04:22
I asked, starting several years ago,
知能の背後にある原理は
見えてくるのでしょうか?
04:24
is there an underlying mechanism for intelligence
知能の背後にある原理は
見えてくるのでしょうか?
04:26
that we can factor out
知能の背後にある原理は
見えてくるのでしょうか?
04:29
of all of these different threads?
知能の背後にある原理は
見えてくるのでしょうか?
04:31
Is there a single equation for intelligence?
統一的な公式は存在するのでしょうか?
04:33
And the answer, I believe, is yes.
["F = T ∇ Sτ"]
私の答えはイエスです
[F = T ∇ Sτ]
04:37
What you're seeing is probably
E = mc²とよく似ていますが
これは知能の公式です
04:41
the closest equivalent to an E = mc²
E = mc²とよく似ていますが
これは知能の公式です
04:43
for intelligence that I've seen.
E = mc²とよく似ていますが
これは知能の公式です
04:46
So what you're seeing here
それぞれ何を表しているかというと
04:49
is a statement of correspondence
それぞれ何を表しているかというと
04:50
that intelligence is a force, F,
Fが知能
未来の自由度を最大にする力です
04:53
that acts so as to maximize future freedom of action.
Fが知能
未来の自由度を最大にする力です
04:57
It acts to maximize future freedom of action,
未来の自由度を最大にし
選択肢を広げる際に働くのがー
05:02
or keep options open,
強度T そして ある時間タウτまでに
05:04
with some strength T,
強度T そして ある時間タウτまでに
05:06
with the diversity of possible accessible futures, S,
到達可能な未来の多様性がSです
05:08
up to some future time horizon, tau.
到達可能な未来の多様性がSです
05:13
In short, intelligence doesn't like to get trapped.
要は知能は留まっているのが
嫌いだということです
05:16
Intelligence tries to maximize
future freedom of action
知能は未来の自由度を最大にし
選択肢を広げ続けます
05:19
and keep options open.
知能は未来の自由度を最大にし
選択肢を広げ続けます
05:22
And so, given this one equation,
しかし 自然な疑問が湧いてきます
05:25
it's natural to ask, so what can you do with this?
この式をどう使うのか?
何が予測できるのでしょうか?
05:27
How predictive is it?
この式をどう使うのか?
何が予測できるのでしょうか?
05:30
Does it predict human-level intelligence?
人間の知能レベル?
人工知能の進歩予測?
05:31
Does it predict artificial intelligence?
人間の知能レベル?
人工知能の進歩予測?
05:33
So I'm going to show you now a video
これからビデオをお見せします
05:36
that will, I think, demonstrate
これからビデオをお見せします
05:38
some of the amazing applications
このたった一つの式に様々な
05:41
of just this single equation.
素晴らしい応用があることを
示します
05:44
(Video) Narrator: Recent research in cosmology
宇宙論における最新の研究によると
05:46
has suggested that universes that produce
“エントロピー”つまり乱雑さを
増大させる宇宙はー
05:48
more disorder, or "entropy," over their lifetimes
“エントロピー”つまり乱雑さを
増大させる宇宙はー
05:50
should tend to have more favorable conditions
知的生命体が存在するのに
最適な状態へと方向付けられています
05:53
for the existence of intelligent
beings such as ourselves.
知的生命体が存在するのに
最適な状態へと方向付けられています
05:56
But what if that tentative cosmological connection
しかし宇宙論的な意味で
エントロピーと知能の間に
05:59
between entropy and intelligence
しかし宇宙論的な意味で
エントロピーと知能の間に
06:01
hints at a deeper relationship?
深いレベルで関係があるとしたら?
06:03
What if intelligent behavior doesn't just correlate
知的行動は長期的なエントロピーの
増加と関係があるだけでなく
06:05
with the production of long-term entropy,
知的行動は長期的なエントロピーの
増加と関係があるだけでなく
06:08
but actually emerges directly from it?
エントロピーそのものから
発生しているとしたら?
06:10
To find out, we developed a software engine
それを確かめるために開発したのが
エントロピカというソフトです
06:12
called Entropica, designed to maximize
それを確かめるために開発したのが
エントロピカというソフトです
06:14
the production of long-term entropy
どのような系であっても
06:17
of any system that it finds itself in.
長期的エントロピーの増加を
最大化するように設計されています
06:19
Amazingly, Entropica was able to pass
驚いたことにエントロピカは
指示がなくても
06:21
multiple animal intelligence
tests, play human games,
様々な動物知能テストをクリアし
人間が行うようなゲーム
06:23
and even earn money trading stocks,
様々な動物知能テストをクリアし
人間が行うようなゲーム
06:27
all without being instructed to do so.
さらには
株の取引きすらできたのです
06:29
Here are some examples of Entropica in action.
エントロピカの行動を見てください
06:31
Just like a human standing
upright without falling over,
倒れることなく
人間のように直立二足歩行をし
06:33
here we see Entropica
ご覧のようにカートを使って
ポールのバランスを取ろうとします
06:37
automatically balancing a pole using a cart.
カートを使って
ポールのバランスを取ろうとします
06:38
This behavior is remarkable in part
驚くべきことの一つは
エントロピカに―
06:41
because we never gave Entropica a goal.
目的を与えていないのに
この様に行動することです
06:43
It simply decided on its own to balance the pole.
自分で判断し
ポールのバランスを取ります
06:45
This balancing ability will have appliactions
こうした能力はヒューマノイドや
障害者のための支援技術に応用できます
06:48
for humanoid robotics
こうした能力はヒューマノイドや
障害者のための支援技術に応用できます
06:50
and human assistive technologies.
こうした能力はヒューマノイドや
障害者のための支援技術に応用できます
06:52
Just as some animals can use objects
一部の動物は手の届かない所に
道具を使いますが
06:54
in their environments as tools
一部の動物は手の届かない所に
道具を使いますが
06:56
to reach into narrow spaces,
一部の動物は手の届かない所に
道具を使いますが
06:58
here we see that Entropica,
エントロピカの場合を見てみましょう
07:00
again on its own initiative,
エントロピカの場合を見てみましょう
07:02
was able to move a large
disk representing an animal
動物を表す大きなディスクを動かし
07:03
around so as to cause a small disk,
道具を表す小さなディスクを
狭い場所に動かすことができました
07:06
representing a tool, to reach into a confined space
道具を表す小さなディスクを
狭い場所に動かすことができました
07:09
holding a third disk
もう一枚のディスクは
元の位置から解放させます
07:12
and release the third disk
from its initially fixed position.
もう一枚のディスクは
元の位置から解放させます
07:13
This tool use ability will have applications
こうした道具を使う能力は
製造業や農業に応用できます
07:16
for smart manufacturing and agriculture.
こうした道具を使う能力は
製造業や農業に応用できます
07:18
In addition, just as some other animals
また エサをとるため協力して
ロープの端を引っ張る動物もいます
07:21
are able to cooperate by pulling
opposite ends of a rope
また エサをとるため協力して
ロープの端を引っ張る動物もいます
07:23
at the same time to release food,
また エサをとるため協力して
ロープの端を引っ張る動物もいます
07:25
here we see that Entropica is able to accomplish
エントロピカもモデルにおいて
この課題をクリアできました
07:27
a model version of that task.
エントロピカもモデルにおいて
この課題をクリアできました
07:30
This cooperative ability has interesting implications
こうした協力する能力は
経済計画など多くの分野に応用できます
07:32
for economic planning and a variety of other fields.
こうした協力する能力は
経済計画など多くの分野に応用できます
07:34
Entropica is broadly applicable
エントロピカは様々な分野に
広く応用できるのです
07:38
to a variety of domains.
エントロピカは様々な分野に
広く応用できるのです
07:40
For example, here we see it successfully
例えばポンというゲームを
自分だけで見事にプレイしており
07:42
playing a game of pong against itself,
例えばポンというゲームを
自分だけで見事にプレイしており
07:44
illustrating its potential for gaming.
ゲームを遂行する能力を
示しています
07:47
Here we see Entropica orchestrating
また つながりを常に失いがちな
ソーシャルネットワークにおいて
07:49
new connections on a social network
また つながりを常に失いがちな
ソーシャルネットワークにおいて
07:51
where friends are constantly falling out of touch
エントロピカは新しい関係を
上手く築いていきます
07:53
and successfully keeping
the network well connected.
エントロピカは新しい関係を
上手く築いていきます
07:55
This same network orchestration ability
このネットワークの組織能力は
07:58
also has applications in health care,
ヘルスケアやエネルギー
知能の分野にも応用できます
08:01
energy, and intelligence.
ヘルスケアやエネルギー
知能の分野にも応用できます
08:03
Here we see Entropica directing the paths
船の一群がパナマ運河を発見し
08:06
of a fleet of ships,
船の一群がパナマ運河を発見し
08:08
successfully discovering and
utilizing the Panama Canal
大西洋から太平洋へと
活動範囲を広げる様子も
08:10
to globally extend its reach from the Atlantic
大西洋から太平洋へと
活動範囲を広げる様子も
08:13
to the Pacific.
再現しています
08:15
By the same token, Entropica
エントロピカは 自主防衛
物流 運送などにも応用できます
08:17
is broadly applicable to problems
エントロピカは 自主防衛
物流 運送などにも応用できます
08:19
in autonomous defense, logistics and transportation.
エントロピカは 自主防衛
物流 運送などにも応用できます
08:20
Finally, here we see Entropica
最後の例ですが 株取引で
安く買って高く売る戦略を
08:25
spontaneously discovering and executing
最後の例ですが 株取引で
安く買って高く売る戦略を
08:28
a buy-low, sell-high strategy
直ちに発見し シミュレーションの
条件内でこれを実行し
08:30
on a simulated range traded stock,
直ちに発見し シミュレーションの
条件内でこれを実行し
08:32
successfully growing assets under management
管理可能なやり方で 資産を一気に
増やすことができるのです
08:34
exponentially.
管理可能なやり方で 資産を一気に
増やすことができるのです
08:37
This risk management ability
こうしたリスク管理能力は
経済や保険の分野に広く応用できます
08:38
will have broad applications in finance
こうしたリスク管理能力は
経済や保険の分野に広く応用できます
08:40
and insurance.
こうしたリスク管理能力は
経済や保険の分野に広く応用できます
08:42
Alex Wissner-Gross: So what you've just seen
これまで見てきたのは
人間の知能的な認知行動です
08:45
is that a variety of signature human intelligent
これまで見てきたのは
人間の知能的な認知行動です
08:47
cognitive behaviors
これまで見てきたのは
人間の知能的な認知行動です
08:52
such as tool use and walking upright
道具の使用や直立二足歩行
社会的協力といったものです
08:54
and social cooperation
道具の使用や直立二足歩行
社会的協力といったものです
08:56
all follow from a single equation,
これらは全てー
08:58
which drives a system
未来の行動の自由度を最大にする
一つの式から導かれます
09:01
to maximize its future freedom of action.
未来の行動の自由度を最大にする
一つの式から導かれます
09:03
Now, there's a profound irony here.
ここでとても皮肉なのが
09:07
Going back to the beginning
ロボットという言葉を始めて使用した
戯曲“RUR”ではー
09:10
of the usage of the term robot,
ロボットという言葉を始めて使用した
戯曲“RUR”ではー
09:12
the play "RUR,"
ロボットという言葉を始めて使用した
戯曲“RUR”ではー
09:16
there was always a concept
“もし知能を持つ機械を作ったとしたら
ロボットの反乱が起こるだろう”
09:18
that if we developed machine intelligence,
“もし知能を持つ機械を作ったとしたら
ロボットの反乱が起こるだろう”
09:21
there would be a cybernetic revolt.
というコンセプトがありました
09:24
The machines would rise up against us.
機械が私達に敵対し
立ち上がるというのです
09:27
One major consequence of this work
ここ数十年における
09:31
is that maybe all of these decades,
我々の研究の主な成果として
09:33
we've had the whole concept of cybernetic revolt
ロボットによる反乱について
09:36
in reverse.
全く逆の結果が得られたのです
09:39
It's not that machines first become intelligent
なにも知能を持った機械がー
09:41
and then megalomaniacal
誇大妄想で世界を支配しようと
するわけではありません
09:44
and try to take over the world.
誇大妄想で世界を支配しようと
するわけではありません
09:46
It's quite the opposite,
全くの逆でー
09:48
that the urge to take control
未来の全ての可能性を
コントロールする自然の原理は―
09:50
of all possible futures
未来の全ての可能性を
コントロールする自然の原理は―
09:52
is a more fundamental principle
知能よりも基本的で
09:55
than that of intelligence,
知能よりも基本的で
09:57
that general intelligence may in fact emerge
可能性をコントロールしようとする
自然の原理により
09:58
directly from this sort of control-grabbing,
知性というものが発生するのであり
10:02
rather than vice versa.
その逆ではないのでしょう
10:05
Another important consequence is goal seeking.
もう一つの重要な結果がゴールシークです
10:10
I'm often asked, how does the ability to seek goals
よく質問されることですが
目標を探す能力が この原理に
10:13
follow from this sort of framework?
どのように従っているのでしょう
10:18
And the answer is, the ability to seek goals
その答えは ゴールを探す能力は
10:19
will follow directly from this
次のことと直接的に関係するのです
10:22
in the following sense:
次のことと直接的に関係するのです
10:24
just like you would travel through a tunnel,
様々な目的を達成するためにー
10:26
a bottleneck in your future path space,
様々な目的を達成するためにー
10:29
in order to achieve many other
待ち構える障害を切り抜けたり
10:32
diverse objectives later on,
待ち構える障害を切り抜けたり
10:33
or just like you would invest
長期的に財産を増やすためー
10:35
in a financial security,
長期的に財産を増やすためー
10:38
reducing your short-term liquidity
短期的に資金が減ったとしても
生活資金保障に投資するなど
10:40
in order to increase your wealth over the long term,
短期的に資金が減ったとしても
生活資金保障に投資するなど
10:42
goal seeking emerges directly
ゴールシークは
未来の行動の自由度を増加させるー
10:44
from a long-term drive
ゴールシークは
未来の行動の自由度を増加させるー
10:47
to increase future freedom of action.
長期的な動機から直接発生します
10:48
Finally, Richard Feynman, famous physicist,
最後に 有名な物理学者
リチャード・フェインマンの言葉
10:52
once wrote that if human civilization were destroyed
“もし人間の文明が滅びー
10:56
and you could pass only a single concept
文明を再建するため ある概念を
一つだけ子孫に伝えられるとしたら
11:00
on to our descendants
文明を再建するため ある概念を
一つだけ子孫に伝えられるとしたら
11:01
to help them rebuild civilization,
文明を再建するため ある概念を
一つだけ子孫に伝えられるとしたら
11:03
that concept should be
「私達の周りの物は全て
小さな原子でできておりー
11:05
that all matter around us
「私達の周りの物は全て
小さな原子でできておりー
11:07
is made out of tiny elements
離れた時は引き付け合うが
引っ付いた時は離れる」という概念だ”
11:09
that attract each other when they're far apart
離れた時は引き付け合うが
引っ付いた時は離れる」という概念だ”
11:11
but repel each other when they're close together.
離れた時は引き付け合うが
引っ付いた時は離れる」という概念だ”
11:13
My equivalent of that statement
この言葉の私の解釈はー
11:17
to pass on to descendants
この言葉の私の解釈はー
11:19
to help them build artificial intelligences
人工知能の製作と
人間の知能の理解に役立つ―
11:20
or to help them understand human intelligence,
人工知能の製作と
人間の知能の理解に役立つ―
11:23
is the following:
次のようなものです
11:25
Intelligence should be viewed
知能というのは
未来の自由度を最大にしー
11:27
as a physical process
知能というのは
未来の自由度を最大にしー
11:29
that tries to maximize future freedom of action
制限をなくすような
物理的プロセスであるべきだということです
11:30
and avoid constraints in its own future.
制限をなくすような
物理的プロセスであるべきだということです
11:33
Thank you very much.
ありがとうございました
11:37
(Applause)
(拍手)
11:38
Translator:Hidehito Sumitomo
Reviewer:Tomoyuki Suzuki

sponsored links

Alex Wissner-Gross - Scientist, entrepreneur, inventor
Alex Wissner-Gross applies science and engineering principles to big (and diverse) questions, like: "What is the equation for intelligence?" and "What's the best way to raise awareness about climate change?"

Why you should listen

Alex Wissner-Gross is a serial big-picture thinker. He applies physics and computer science principles to a wide variety of topics, like human intelligence, climate change and financial trading.

Lately Wissner-Gross started wondering: Why have we searched for so long to understand intelligence? Can it really be this elusive? His latest work posits that intelligence can indeed be defined physically, as a dynamic force, rather than a static property. He explains intelligence in terms of causal entropic forces, ultimately defining it as "a force to maximize future freedom of action."

Wissner-Gross is a fellow at the Harvard Institute for Applied Computational Science and a research affiliate at the MIT Media Lab. He has a Ph.D. in physics from Harvard and bachelor's degrees in physics, electrical science and engineering, and mathematics from MIT.

sponsored links

If you need translations, you can install "Google Translate" extension into your Chrome Browser.
Furthermore, you can change playback rate by installing "Video Speed Controller" extension.

Data provided by TED.

This website is owned and operated by Tokyo English Network.
The developer's blog is here.