TED2003
Marvin Minsky: Health and the human mind
マービン・ミンスキーが健康や人間の心について語る
Filmed:
Readability: 3.5
606,909 views
よく聴いて下さい。マービン・ミンスキーが、健康や人口過剰、人間の心について、いたずらっぽく、様々な話題を取り混ぜて、魅力的な即興で語ります。ウイット、英知、ほんの少しのごまかしも。ジョークなのでしょうか。どう思いますか？
Marvin Minsky - AI pioneer
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Marvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching. Full bio
Double-click the English transcript below to play the video.
00:18
If you ask people about what part of psychology do they think is hard,
0
0
6000
心理学で難しいのは何かと言われたら 何と答えるでしょう？
00:24
and you say, "Well, what about thinking and emotions?"
1
6000
3000
思考と感情ではどっちが難しいか？
00:27
Most people will say, "Emotions are terribly hard.
2
9000
3000
多くの人は言うでしょう 「感情は難しそうだ
00:30
They're incredibly complex. They can't -- I have no idea of how they work.
3
12000
6000
すごく複雑で どんな仕組みなのか見当も付かない
00:36
But thinking is really very straightforward:
4
18000
2000
でも思考は 非常に分かりやすいもので
00:38
it's just sort of some kind of logical reasoning, or something.
5
20000
4000
論理的推論の一種にすぎないと思う
00:42
But that's not the hard part."
6
24000
3000
そんなに難しくはないと思うな」
00:45
So here's a list of problems that come up.
7
27000
2000
問題をリストアップしてみました
00:47
One nice problem is, what do we do about health?
8
29000
3000
考えるべき問題の一つ目は 健康問題をどうすべきか？
00:50
The other day, I was reading something, and the person said
9
32000
4000
先日 ある記事が目にとまりました
00:54
probably the largest single cause of disease is handshaking in the West.
10
36000
6000
西洋において 病気の最大の原因はおそらく握手である というのです
01:00
And there was a little study about people who don't handshake,
11
42000
4000
握手しない人と 握手する人を比較した
01:04
and comparing them with ones who do handshake.
12
46000
3000
調査結果がありました
01:07
And I haven't the foggiest idea of where you find the ones that don't handshake,
13
49000
5000
握手をしない人をどこで見つければよいのか 全く分かりませんけど
01:12
because they must be hiding.
14
54000
3000
隠れていることでしょうから
01:15
And the people who avoid that
15
57000
4000
握手を避ける人は
01:19
have 30 percent less infectious disease or something.
16
61000
4000
病気にかかる可能性が30パーセントも低いそうです
01:23
Or maybe it was 31 and a quarter percent.
17
65000
3000
31と1/4パーセントだったかもしれません
01:26
So if you really want to solve the problem of epidemics and so forth,
18
68000
4000
だから 本当に病気の蔓延を防ぎたいのであれば
01:30
let's start with that. And since I got that idea,
19
72000
4000
握手防止から取り組むことです この話を知った後も
01:34
I've had to shake hundreds of hands.
20
76000
4000
何百回も握手をしなければなりませんでした
01:38
And I think the only way to avoid it
21
80000
5000
握手を避ける唯一の方法はたぶん 見るもおぞましい
01:43
is to have some horrible visible disease,
22
85000
2000
病気に罹ることでしょう
01:45
and then you don't have to explain.
23
87000
3000
説明する必要はなくなります
01:48
Education: how do we improve education?
24
90000
4000
教育 ― 教育を改善するにはどうすれば良いのでしょう
01:52
Well, the single best way is to get them to understand
25
94000
4000
最良の方法は 聞いている内容は
01:56
that what they're being told is a whole lot of nonsense.
26
98000
3000
デタラメだらけだと 分からせることです
01:59
And then, of course, you have to do something
27
101000
2000
取捨するために
02:01
about how to moderate that, so that anybody can -- so they'll listen to you.
28
103000
5000
みんな話をよく聞くようになるでしょう
02:06
Pollution, energy shortage, environmental diversity, poverty.
29
108000
4000
汚染 エネルギー不足 環境多様性 貧困
02:10
How do we make stable societies? Longevity.
30
112000
4000
どうすれば 安定した社会を作ることができるか？
02:14
Okay, there're lots of problems to worry about.
31
116000
3000
長寿もそう 考えなければならない問題はたくさんあります
02:17
Anyway, the question I think people should talk about --
32
119000
2000
しかし本当に議論すべき問題は
02:19
and it's absolutely taboo -- is, how many people should there be?
33
121000
5000
この話題はタブーなのですが 人口はどのくらいであるべきかということです
02:24
And I think it should be about 100 million or maybe 500 million.
34
126000
7000
１億人とか ５億人といったところでしょう
02:31
And then notice that a great many of these problems disappear.
35
133000
5000
そうなれば こういった問題の多くは消えるでしょう
02:36
If you had 100 million people
36
138000
2000
人口が１億人であり
02:38
properly spread out, then if there's some garbage,
37
140000
6000
適度に分布していれば ゴミがあっても適当に捨てることができます
02:44
you throw it away, preferably where you can't see it, and it will rot.
38
146000
7000
見えないどこかへ捨てれば 勝手に腐ってくれるのです
02:51
Or you throw it into the ocean and some fish will benefit from it.
39
153000
5000
海に捨てたとしても 魚が食べてくれるはずです
02:56
The problem is, how many people should there be?
40
158000
2000
人口をどれくらいにすべきかが問題です
02:58
And it's a sort of choice we have to make.
41
160000
3000
ここで選択をしなければなりません
03:01
Most people are about 60 inches high or more,
42
163000
3000
多くの人は身長が150センチ以上あり
03:04
and there's these cube laws. So if you make them this big,
43
166000
4000
空間の無駄です もし1/10にできれば
03:08
by using nanotechnology, I suppose --
44
170000
3000
ナノテクか何かを使うんでしょうが…
03:11
(Laughter)
45
173000
1000
（笑い）
03:12
-- then you could have a thousand times as many.
46
174000
2000
人口が千倍になっても大丈夫
03:14
That would solve the problem, but I don't see anybody
47
176000
2000
問題は解決しますが
03:16
doing any research on making people smaller.
48
178000
3000
人を小さくする研究というのは聞いたことがありません
03:19
Now, it's nice to reduce the population, but a lot of people want to have children.
49
181000
5000
人口を減らせれば良いのですが 子供を欲しがる人はたくさんいます
03:24
And there's one solution that's probably only a few years off.
50
186000
3000
たぶん数年以内に実現可能になる解決方法があります
03:27
You know you have 46 chromosomes. If you're lucky, you've got 23
51
189000
5000
人間には46の染色体があります 幸運な方は両親から
03:32
from each parent. Sometimes you get an extra one or drop one out,
52
194000
6000
23ずつ受け継いでいますが 一つ余計だったり不足したりもします
03:38
but -- so you can skip the grandparent and great-grandparent stage
53
200000
4000
そこで 祖父母や曾祖父母の世代を飛ばして
03:42
and go right to the great-great-grandparent. And you have 46 people
54
204000
5000
高祖父母の世代に遡りましょう そして46人集めて
03:47
and you give them a scanner, or whatever you need,
55
209000
3000
スキャナーか何かを渡し
03:50
and they look at their chromosomes and each of them says
56
212000
4000
好きな染色体を一つ選んでもらえば良いのです
03:54
which one he likes best, or she -- no reason to have just two sexes
57
216000
5000
性が2つでなければいけない理由はありません
03:59
any more, even. So each child has 46 parents,
58
221000
5000
それぞれの子供は46人の親を持つことになります
04:04
and I suppose you could let each group of 46 parents have 15 children.
59
226000
6000
そして46人の親のグループに 15人の子供を持たせることにします
04:10
Wouldn't that be enough? And then the children
60
232000
2000
十分な数ではないでしょうか？
04:12
would get plenty of support, and nurturing, and mentoring,
61
234000
4000
子供たちは十分な支援と保護を受けて育つことができ
04:16
and the world population would decline very rapidly
62
238000
2000
世界の人口も急激に減少するでしょう
04:18
and everybody would be totally happy.
63
240000
3000
誰もが幸せになることができるのです
04:21
Timesharing is a little further off in the future.
64
243000
3000
タイムシェアリングはもう少し先の話です
04:24
And there's this great novel that Arthur Clarke wrote twice,
65
246000
3000
アーサー C クラークが2度 素晴らしい小説を書いています
04:27
called "Against the Fall of Night" and "The City and the Stars."
66
249000
4000
「銀河帝国の崩壊」と「都市と星」です
04:31
They're both wonderful and largely the same,
67
253000
3000
どちらも素晴らしい作品で ストーリーはほぼ同じですが
04:34
except that computers happened in between.
68
256000
2000
コンピュータ誕生の前後という違いがあります
04:36
And Arthur was looking at this old book, and he said, "Well, that was wrong.
69
258000
5000
アーサーは前の作品を見て それが間違いだと思いました
04:41
The future must have some computers."
70
263000
2000
未来にはコンピュータが存在するはずだと
04:43
So in the second version of it, there are 100 billion
71
265000
5000
二つ目の作品では 地球は1000億だか１兆だかの人口があるのですが
04:48
or 1,000 billion people on Earth, but they're all stored on hard disks or floppies,
72
270000
8000
みんなハードディスクやフロッピーの
04:56
or whatever they have in the future.
73
278000
2000
未来版の中に格納されています
04:58
And you let a few million of them out at a time.
74
280000
4000
同時に外に出られるのは数百万人
05:02
A person comes out, they live for a thousand years
75
284000
4000
いったん外に出ると 一千年間生き続けます
05:06
doing whatever they do, and then, when it's time to go back
76
288000
6000
やりたいことをやり 時が来たらディスクに戻って
05:12
for a billion years -- or a million, I forget, the numbers don't matter --
77
294000
4000
何万年とか何億年という時を過ごします 数字は問題ではありません
05:16
but there really aren't very many people on Earth at a time.
78
298000
4000
いずれにせよ 同時に地上に存在する人間の数は多くはないのです
05:20
And you get to think about yourself and your memories,
79
302000
2000
そして 自分自身や記憶を検討し
05:22
and before you go back into suspension, you edit your memories
80
304000
5000
休止状態に戻る前に 自分の記憶を編集し
05:27
and you change your personality and so forth.
81
309000
3000
人格などを修正してしまうこともできるのです
05:30
The plot of the book is that there's not enough diversity,
82
312000
6000
このままでは十分な多様性が確保できませんから
05:36
so that the people who designed the city
83
318000
3000
この都市の設計者たちは
05:39
make sure that every now and then an entirely new person is created.
84
321000
4000
時々 新しい人が生まれてくるようにしています
05:43
And in the novel, a particular one named Alvin is created. And he says,
85
325000
6000
やがて生まれたアルビンという人物が これは正しい方法ではないと考え
05:49
maybe this isn't the best way, and wrecks the whole system.
86
331000
4000
システムを全て破壊してしまうのです
05:53
I don't think the solutions that I proposed
87
335000
2000
ご紹介した解決法が
05:55
are good enough or smart enough.
88
337000
3000
優れているとか 賢明なものだとは思いません
05:58
I think the big problem is that we're not smart enough
89
340000
4000
大きな問題は 直面する問題のうちどれを解決すべきか
06:02
to understand which of the problems we're facing are good enough.
90
344000
4000
理解できるほど 我々が賢くないということです
06:06
Therefore, we have to build super intelligent machines like HAL.
91
348000
4000
そこで我々はHALのような超知性マシンを建設せねばなりません
06:10
As you remember, at some point in the book for "2001,"
92
352000
5000
ご存じでしょう 「2001年宇宙の旅」の中で
06:15
HAL realizes that the universe is too big, and grand, and profound
93
357000
5000
HALは 宇宙が非常に大きく 壮大かつ深淵で
06:20
for those really stupid astronauts. If you contrast HAL's behavior
94
362000
4000
頭の悪い宇宙飛行士には理解できないことを悟ります
06:24
with the triviality of the people on the spaceship,
95
366000
4000
HALの行動と 宇宙船に乗る人間の取るに足りない行動を比較すれば
06:28
you can see what's written between the lines.
96
370000
3000
著者の言わんとすることが分かると思います
06:31
Well, what are we going to do about that? We could get smarter.
97
373000
3000
どうすれば良いのでしょう？ 我々は賢明になることができます
06:34
I think that we're pretty smart, as compared to chimpanzees,
98
376000
5000
チンパンジーと比べれば 結構賢いと言えるでしょう
06:39
but we're not smart enough to deal with the colossal problems that we face,
99
381000
6000
しかし直面する巨大な問題に対応するには十分ではありません
06:45
either in abstract mathematics
100
387000
2000
理論数学においても
06:47
or in figuring out economies, or balancing the world around.
101
389000
5000
経済学的な問題においても 世界のバランスを取ることにしてもです
06:52
So one thing we can do is live longer.
102
394000
3000
出来ることとして 長生きするということがあります
06:55
And nobody knows how hard that is,
103
397000
2000
どのくらい困難なことかは分かりませんが
06:57
but we'll probably find out in a few years.
104
399000
3000
数年後にはなんとかなるのではないでしょうか
07:00
You see, there's two forks in the road. We know that people live
105
402000
3000
ここに分かれ道があります
07:03
twice as long as chimpanzees almost,
106
405000
4000
人の寿命はチンパンジーの約２倍ですが
07:07
and nobody lives more than 120 years,
107
409000
4000
120歳以上長生きする人はほとんどいません
07:11
for reasons that aren't very well understood.
108
413000
3000
その理由はよく分っていません
07:14
But lots of people now live to 90 or 100,
109
416000
3000
しかし 90歳や100歳まで長生きする人はたくさんいます
07:17
unless they shake hands too much or something like that.
110
419000
4000
握手みたいな危険な行為を避けていれば
07:21
And so maybe if we lived 200 years, we could accumulate enough skills
111
423000
5000
もし人が200歳まで生きることができれば
07:26
and knowledge to solve some problems.
112
428000
5000
問題解決に必要な技術や知識を蓄積することができるかもしれません
07:31
So that's one way of going about it.
113
433000
2000
これも一つの方法ではないでしょうか
07:33
And as I said, we don't know how hard that is. It might be --
114
435000
3000
どの程度難しいことなのか分かりません
07:36
after all, most other mammals live half as long as the chimpanzee,
115
438000
6000
そう ほとんどの哺乳類はチンパンジーの半分の寿命しかありません
07:42
so we're sort of three and a half or four times, have four times
116
444000
3000
確かに ヒトは哺乳類の多くよりも3.5倍から4倍も
07:45
the longevity of most mammals. And in the case of the primates,
117
447000
6000
長生きです でも 霊長類に関して言えば 遺伝子はほとんど同じです
07:51
we have almost the same genes. We only differ from chimpanzees,
118
453000
4000
人間とチンパンジーの遺伝子の違いは
07:55
in the present state of knowledge, which is absolute hogwash,
119
457000
6000
現在の知識によれば…これはクズみたいなものですが…
08:01
maybe by just a few hundred genes.
120
463000
2000
たった数百個にすぎないらしいのです
08:03
What I think is that the gene counters don't know what they're doing yet.
121
465000
3000
遺伝学者は いまだ自分で何をやっているのか分かってないのです
08:06
And whatever you do, don't read anything about genetics
122
468000
3000
遺伝学については何も読むべきではないと思います
08:09
that's published within your lifetime, or something.
123
471000
3000
皆さんが生きている間に発表される遺伝学に関しては
08:12
(Laughter)
124
474000
3000
（笑い）
08:15
The stuff has a very short half-life, same with brain science.
125
477000
4000
遺伝子研究は 脳科学同様 移り変わりがとても速いのです
08:19
And so it might be that if we just fix four or five genes,
126
481000
6000
４つか５つの遺伝子を修正すれば
08:25
we can live 200 years.
127
487000
2000
人は200歳まで生きられるかもしれません
08:27
Or it might be that it's just 30 or 40,
128
489000
3000
30とか40かもしれませんが
08:30
and I doubt that it's several hundred.
129
492000
2000
数百には ならないでしょう
08:32
So this is something that people will be discussing
130
494000
4000
これは大いに議論されることでしょう
08:36
and lots of ethicists -- you know, an ethicist is somebody
131
498000
3000
倫理学者…つまり私達が何を考えようと
08:39
who sees something wrong with whatever you have in mind.
132
501000
3000
悪い点を見つけ出す人たちのことですが
08:42
(Laughter)
133
504000
3000
（笑い）
08:45
And it's very hard to find an ethicist who considers any change
134
507000
4000
どんな変化であれ倫理学者は やる価値を認めません
08:49
worth making, because he says, what about the consequences?
135
511000
4000
どんな結果をもたらすかわからないと言うのです
08:53
And, of course, we're not responsible for the consequences
136
515000
3000
もちろん 我々は今でも結果に対する責任を負ってはいません
08:56
of what we're doing now, are we? Like all this complaint about clones.
137
518000
6000
クローンに対する抵抗と同じです
09:02
And yet two random people will mate and have this child,
138
524000
3000
偶然出会った二人が子供をつくります
09:05
and both of them have some pretty rotten genes,
139
527000
4000
どちらにも良くない遺伝子が少しあります
09:09
and the child is likely to come out to be average.
140
531000
4000
生まれてくるのは 平均的な子供になることでしょう
09:13
Which, by chimpanzee standards, is very good indeed.
141
535000
6000
チンパンジーの基準で言えば非常に優秀な子供です
09:19
If we do have longevity, then we'll have to face the population growth
142
541000
3000
人の寿命が延びれば 人口増加の問題に直面することになります
09:22
problem anyway. Because if people live 200 or 1,000 years,
143
544000
4000
なぜなら 人の寿命が200歳とか1,000歳になったとき
09:26
then we can't let them have a child more than about once every 200 or 1,000 years.
144
548000
6000
その生涯に一人しか子供を持たせることができないのです
09:32
And so there won't be any workforce.
145
554000
3000
そうすると 労働力が無くなります
09:35
And one of the things Laurie Garrett pointed out, and others have,
146
557000
4000
ローリー ギャレットが指摘したように
09:39
is that a society that doesn't have people
147
561000
5000
労働年齢の世代が存在しない社会は
09:44
of working age is in real trouble. And things are going to get worse,
148
566000
3000
本当に悲惨な状態になります 様々なことが悪化するでしょう
09:47
because there's nobody to educate the children or to feed the old.
149
569000
6000
子供を教育する人も 高齢者の面倒をみる人もいないのですから
09:53
And when I'm talking about a long lifetime, of course,
150
575000
2000
長寿について話をしていますが もちろん
09:55
I don't want somebody who's 200 years old to be like our image
151
577000
6000
200歳と言っても我々が今想像するような200歳ではありません
10:01
of what a 200-year-old is -- which is dead, actually.
152
583000
4000
200歳というのは 普通は死んでしまっていますけどね
10:05
You know, there's about 400 different parts of the brain
153
587000
2000
脳は400のパーツから構成されていますが
10:07
which seem to have different functions.
154
589000
2000
それぞれに固有の機能があるようです
10:09
Nobody knows how most of them work in detail,
155
591000
3000
詳細はよく分かっていません
10:12
but we do know that there're lots of different things in there.
156
594000
4000
しかし 様々なものが存在していることは分かっています
10:16
And they don't always work together. I like Freud's theory
157
598000
2000
全てが常に協調して働く訳ではありません
10:18
that most of them are cancelling each other out.
158
600000
4000
打ち消す働きが大半であるというフロイトの理論もあります
10:22
And so if you think of yourself as a sort of city
159
604000
4000
自分を百のリソースを持つ都市だと考えてみてください
10:26
with a hundred resources, then, when you're afraid, for example,
160
608000
6000
恐怖に直面したとき
10:32
you may discard your long-range goals, but you may think deeply
161
614000
4000
長期的な目標は諦めて 直面する恐怖を解決することだけに
10:36
and focus on exactly how to achieve that particular goal.
162
618000
4000
集中することになることでしょう
10:40
You throw everything else away. You become a monomaniac --
163
622000
3000
それ以外は一切行わなくなり 偏執狂となります
10:43
all you care about is not stepping out on that platform.
164
625000
4000
その枠からはみ出さないようにすることだけが大切になります
10:47
And when you're hungry, food becomes more attractive, and so forth.
165
629000
4000
例えば お腹がすくと 食べ物はより魅力的になります
10:51
So I see emotions as highly evolved subsets of your capability.
166
633000
6000
感情というのは能力のサブセットが高度に発達したものなのです
10:57
Emotion is not something added to thought. An emotional state
167
639000
4000
感情は思考に何かが追加されたものではありません
11:01
is what you get when you remove 100 or 200
168
643000
4000
感情的状態というのは 通常利用可能なリソースが
11:05
of your normally available resources.
169
647000
3000
100個とか200個取り除かれた状態なのです
11:08
So thinking of emotions as the opposite of -- as something
170
650000
3000
感情を逆に 思考以下のものと捉えるなら
11:11
less than thinking is immensely productive. And I hope,
171
653000
4000
非常に生産的になります 今後数年で
11:15
in the next few years, to show that this will lead to smart machines.
172
657000
4000
それが知的なマシンにつながることを示せたらと思います
11:19
And I guess I better skip all the rest of this, which are some details
173
661000
3000
残りの部分はスキップします
11:22
on how we might make those smart machines and --
174
664000
5000
その知的なマシンをどうやって作るかという話なんですが…
11:27
(Laughter)
175
669000
5000
（笑い）
11:32
-- and the main idea is in fact that the core of a really smart machine
176
674000
5000
中心になるアイデアは 本当に知的なマシンの核になるのは
11:37
is one that recognizes that a certain kind of problem is facing you.
177
679000
5000
ある種の問題に直面していると認識するということです
11:42
This is a problem of such and such a type,
178
684000
3000
これはしかじかのタイプの問題だから
11:45
and therefore there's a certain way or ways of thinking
179
687000
5000
この問題にはこういうアプローチが有効だと
11:50
that are good for that problem.
180
692000
2000
判断するということです
11:52
So I think the future, main problem of psychology is to classify
181
694000
4000
将来の心理学の主要な課題は 状況や障害のタイプを分類し
11:56
types of predicaments, types of situations, types of obstacles
182
698000
4000
そして利用可能な手段も分類して
12:00
and also to classify available and possible ways to think and pair them up.
183
702000
6000
その組み合わせを考えるということだと思います
12:06
So you see, it's almost like a Pavlovian --
184
708000
3000
パブロフの条件反射のようなものです
12:09
we lost the first hundred years of psychology
185
711000
2000
心理学は最初の百年を
12:11
by really trivial theories, where you say,
186
713000
3000
人は状況への反応をどう学習するのかという
12:14
how do people learn how to react to a situation? What I'm saying is,
187
716000
6000
つまらない理論によって失いました 私が言っているのは
12:20
after we go through a lot of levels, including designing
188
722000
5000
何千の部品からなる乱雑な巨大システムも設計し
12:25
a huge, messy system with thousands of ports,
189
727000
3000
多くの段階を通過した我々は
12:28
we'll end up again with the central problem of psychology.
190
730000
4000
心理学の中心的問題に直面することになるということです
12:32
Saying, not what are the situations,
191
734000
3000
問うべきは状況が何かではなく
12:35
but what are the kinds of problems
192
737000
2000
問題の種類は何か
12:37
and what are the kinds of strategies, how do you learn them,
193
739000
3000
戦略の種類は何か それをどう学び どう繋ぎ合わせるのか
12:40
how do you connect them up, how does a really creative person
194
742000
3000
本当に創造的な人間は 利用可能なリソースから
12:43
invent a new way of thinking out of the available resources and so forth.
195
745000
5000
新しい思考法をどう考え出すのか といったことなのです
12:48
So, I think in the next 20 years,
196
750000
2000
今後の20年間で
12:50
if we can get rid of all of the traditional approaches to artificial intelligence,
197
752000
5000
ニューラルネットや遺伝的アルゴリズム それにルールベースのシステムなど
12:55
like neural nets and genetic algorithms
198
757000
2000
人工知能への従来のアプローチを脱却できればと思います
12:57
and rule-based systems, and just turn our sights a little bit higher to say,
199
759000
6000
そして視点を少しばかり高くして 問題に合ったやり方ができるよう
13:03
can we make a system that can use all those things
200
765000
2000
これらのものを全部使うシステムを作りたいと思います
13:05
for the right kind of problem? Some problems are good for neural nets;
201
767000
4000
ニューラルネットに向いた問題もあります
13:09
we know that others, neural nets are hopeless on them.
202
771000
3000
しかし中には ニューラルネットでは絶望的な問題もあります
13:12
Genetic algorithms are great for certain things;
203
774000
3000
遺伝的アルゴリズムも特定の問題には有効です
13:15
I suspect I know what they're bad at, and I won't tell you.
204
777000
4000
弱点は分かっていますが お伝えするのは止めておきましょう
13:19
(Laughter)
205
781000
1000
（笑い）
13:20
Thank you.
206
782000
2000
ありがとうございました
13:22
(Applause)
207
784000
6000
（拍手）
ABOUT THE SPEAKER
Marvin Minsky - AI pioneerMarvin Minsky is one of the great pioneers of artificial intelligence -- and using computing metaphors to understand the human mind. His contributions to mathematics, robotics and computational linguistics are legendary and far-reaching.
Why you should listen
Marvin Minsky is the superstar-elder of artificial intelligence, one of the most productive and important cognitive scientists of the century, and the leading proponent of the Society of Mind theory. Articulated in his 1985 book of the same name, Minsky's theory says intelligence is not born of any single mechanism, but from the interaction of many independent agents. The book's sequel,The Emotion Machine (2006), says similar activity also accounts for feelings, goals, emotions and conscious thoughts.
Minsky also pioneered advances in mathematics, computational linguistics, optics, robotics and telepresence. He built SNARC, the first neural network simulator, some of the first visual scanners, and the first LOGO "turtle." From his headquarters at MIT's Media Lab and the AI Lab (which he helped found), he continues to work on, as he says, "imparting to machines the human capacity for commonsense reasoning."
Marvin Minsky | Speaker | TED.com