11:49
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

Filmed:

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)

- 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

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
00:25
"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
01:05
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
01:19
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
01:43
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
02:02
and that at some point,
しかし紀元2000年頃になるとー
02:04
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―
02:23
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
02:31
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
03:12
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
03:53
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?
04:27
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
04:51
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
04:58
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
05:05
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
05:54
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
06:02
hints at a deeper relationship?
深いレベルで関係があるとしたら?
06:04
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
06:34
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
06:51
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
06:55
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
06:57
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
07:04
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
07:07
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
07:56
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
08:26
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
08:35
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
08:46
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
08:48
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
08:57
all follow from a single equation,
これらは全てー
08:59
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
09:02
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
09:04
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”
09:19
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―
09:53
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
10:06
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
10:14
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
10:20
will follow directly from this
次のことと直接的に関係するのです
10:23
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
10:34
or just like you would invest
長期的に財産を増やすためー
10:36
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
11:02
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”
11:14
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
11:26
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
Translated by Hidehito Sumitomo
Reviewed by Tomoyuki Suzuki

▲Back to top

About the Speaker:

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.

More profile about the speaker
Alex Wissner-Gross | Speaker | TED.com