AIが猫かどうか知るには 方眼紙に猫を写しとり
猫をマス目に分けて 抽出した特徴のカケラ並べ
億のデータ喰い 特徴ごとの関係の深さを整理
猫の特徴 パーツフィルタで 猫画像をスキャンし比較
遠けりゃ足切り 近けりゃ寄って 可能性を取捨選択し
積み上げた予測で 猫か否かの結論に至る
畳み込みニューラルネットワーク(CNN)フィルタで 猫の特徴把握
モザイクなプーリング層で下調べ 計算量削減
活性化関数で重要点強調 フォーカスした特徴
ベクトルに行列掛け 座標空間に配置、比較
猫な確率を積み上げて 「これは猫だ！」と力強く断定
ChatGPTも この世の全ての言語を 数値ベクトルに置き換え
その関係、行列で記述 方向・位置・大きさ比較
1,000億の環境座標と 位置比較 ベクトルを特徴づけてく
それは子供が繰り返し 言葉聞き、使って、喋り出すように
言葉をベクトルに置き換えた 大量のデータを反復し
この世の全単語ベクトルの 相性とパターンを統計化
大規模言語座標空間(LLM)に 入れた単語を数値ベクトルに
行列計算で 内積やコサイン角度(θ)な類似度比較
この世の全単語と比較 差分計算 統計的確率が最も高い
単語パターンが選ばれて 出力する前に
木を見て森を見ずな文にならぬよう 自己注意メカニズム
意味も分からず並ばされた単語で 風な文章を生成AI
1,000万画素に並ぶ色と位置で 風な画像生成AI