LSTM…

jrf> LSTM でなく状態を持った機械学習をブレスト。ハンドルの操作と入力シリーズだけしかないところから、ギアの状態(とハンドル操作)を学習できるだろうか？ そこから進んでギアの機能(状態！)を創造するように学習できるだろうか？

……。

状態を持った機械学習。

人工知能・機械学習・AI…において、状態を持つということはどうなのかということに関してブレーンストーミングした。

機械学習において「状態」というと LSTM が思い浮かぶが、そこから離れて考え、もし、それが LSTM に収斂するならそれでも良いとする。

行列を使ったモデルに対して、状態の「転写体」が必要ではないかというアイデアが浮かんだ。

行列モデル自体も状態を持ってはいて、徐々に良いモデルになっていく側面はある。しかし、状態を行き来することに意味はないのが普通である。状態は外にあるべきとなるが、その状態は行列モデルに不可分な部分を持つことはあるかもしれない。行列モデルに想定していた状態を小脳のように外に出す…とはどういうことか？…そうするとどうなるのだろう？ そうやって行列モデルは状態を外に出しながら、本人は永遠(の基準)を目指すということではないか。

状態の雲がまずあるとする。入力が同じで求める操作が違うなら、バックプロパゲーション(?)して状態を切り分けないといけない。しかし、ランダム性がある場合は、ランダムな数も入力とすればいいのだろうか？

状態の切り分けには過去にさかのぼる。入力シリーズでの違いを、求められる状態の違いから逆算する。

いや、そもそも入力シリーズと操作の違いだけから学習はできるのでは？ LSTM などを使って。

何か良い例はないか？

ハンドルの操作と入力シリーズだけしかないところから、シフトレバー(ギア)の状態(とハンドル操作)を学習できるだろうか？ 学習データとしてギアの状態が欠落しているということ。

さらにそこから進んでギアの機能自体がわからない状態から、ギアの機能を創造するように学習できるだろうか？

このギアが「状態」として使えないか？

これって様相論理に似ている？