次世代ＡＩ(人工頭脳)について
現在、人工知能(ＡＩ)が最先端ソフトウェア技術として脚光を浴びておりますが、汎用人工知能レベル(AGI)に到着するには極めて困難な状況にあります。
そこで、次世代ＡＩ(人工頭脳)を提唱・提案して、汎用人工知能(AGI)の構築に向けた開発を進めます。
そこで、次世代ＡＩ(人工頭脳)を提唱・提案して、汎用人工知能(AGI)の構築に向けた開発を進めます。
ＡＩ(ディープラーニング)プログラムの欠点
現在のＡＩ(ディープラーニング)プログラムの欠点は、プログラム容量が膨大、開発費用が莫大、開発期間が長期、面解析なので解析範囲が狭い、精度が低い等があります。
さらに、プログラム容量が大きい・ビックデータが必須・解析精度が低いという課題により、プログラムのタスク化が困難になり、自動制御システムの搭載には極めて困難になります。
さらに、プログラム容量が大きい・ビックデータが必須・解析精度が低いという課題により、プログラムのタスク化が困難になり、自動制御システムの搭載には極めて困難になります。
次世代ＡＩ(リカーシヴネットワーク)プログラムの利点
次世代ＡＩ(リカーシヴネットワーク)プログラムの利点は、プログラム容量が小さいのでタスクのマルチ化が可能、開発費用を抑制、開発期間が短期、立体解析なので解析範囲が広い、精度が高い等があります。
特に、人工頭脳搭載ロボットと完全自動運転モビリティーに最適な技術になります。
なお、次世代ＡＩプログラムは、現時点ではコンパイルエラーになりますので、新たにコンパイラーの開発が必須になります。(ＡＩコンパイラーによるＡＩ言語を開発)
◎この立体解析プログラムは、リカーシヴネットワーク構造になりますので、脳細胞によるネットワーク構造に近い構造
を実現しますので、人間の頭脳に限りなく近い構造になります。
ゆえに、ＡＩコンパイラーの開発が人類の夢を実現する中核になります。
◎機能説明
１．解析テーブル(最大種類数・最大構成数・最大要素数)は人間の知識に相当します。
２．解析テーブルを立体解析するためにＤＯループで、リカーシブネットワーク構造を実態化します。
３．デシジョンテーブルは思考判断になり、最重要な情報になります。
また、デシジョンテーブルは経験テーブルも含みますので、更新可能にします。
◎生成ＡＩについて
現在、生成ＡＩという新技術が話題になっていますが、残念ながら精度が低いのが現状です。
そこで、生成AI技術と次世代AI技術の融合により人工超知能(ASI)が可能と考えております。
特に、人工頭脳搭載ロボットと完全自動運転モビリティーに最適な技術になります。
なお、次世代ＡＩプログラムは、現時点ではコンパイルエラーになりますので、新たにコンパイラーの開発が必須になります。(ＡＩコンパイラーによるＡＩ言語を開発)
◎この立体解析プログラムは、リカーシヴネットワーク構造になりますので、脳細胞によるネットワーク構造に近い構造
を実現しますので、人間の頭脳に限りなく近い構造になります。
ゆえに、ＡＩコンパイラーの開発が人類の夢を実現する中核になります。
◎機能説明
１．解析テーブル(最大種類数・最大構成数・最大要素数)は人間の知識に相当します。
２．解析テーブルを立体解析するためにＤＯループで、リカーシブネットワーク構造を実態化します。
３．デシジョンテーブルは思考判断になり、最重要な情報になります。
また、デシジョンテーブルは経験テーブルも含みますので、更新可能にします。
◎生成ＡＩについて
現在、生成ＡＩという新技術が話題になっていますが、残念ながら精度が低いのが現状です。
そこで、生成AI技術と次世代AI技術の融合により人工超知能(ASI)が可能と考えております。
次世代ＯＳ(オペレーティングシステム)の説明
制御系ＯＳ(TRON)とビジネス系ＯＳ(Windows)の利点を融合して進化させた次世代ＯＳで、マルチレイヤー(複数分野)、マルチタスク(起動タスク)、監視タスク(ラウンドロビン)で構成されています。
これは、次世代ＡＩプログラムを起動タスクに用いることにより、人類の夢である汎用人工知能(AGI)に限りなく近づきますので、製造業・サービス業の各種分野に適応可能と考えられます。
ゆえに、汎用人工知能(AGI)の構築には、次世代ＡＩ監視タスクと次世代ＡＩタスク群を実装するマルチレイヤー群(複数分野)を構成する次世代ＯＳの開発が必要になります。
これは、次世代ＡＩプログラムを起動タスクに用いることにより、人類の夢である汎用人工知能(AGI)に限りなく近づきますので、製造業・サービス業の各種分野に適応可能と考えられます。
ゆえに、汎用人工知能(AGI)の構築には、次世代ＡＩ監視タスクと次世代ＡＩタスク群を実装するマルチレイヤー群(複数分野)を構成する次世代ＯＳの開発が必要になります。
【次世代ＡＩ(人工頭脳)の開発】
◆開発期間(想定)
３〜４年(重複している開発フェーズを除く)
◆開発予算(想定)
◇開発予算＝５００人/月×１２０ヵ月×１２０万円/人≒７２０億円
◆開発フェーズ(延べ月数)
◇基本設計――――――――― ３ヵ月(設計済)
◇システム設計――――――― ６ヵ月(設計済)
◇プログラム設計――――――２０ヵ月
◇プログラム製造――――――４０ヵ月
◇プログラム試験――――――３０ヵ月
◇プログラム連結試験――――２０ヵ月
◇システム試験―――――――１０ヵ月
◆汎用人工知能(AGI)開発フェーズ移行条件
プログラム設計が終了した時点で汎用人工知能(AGI)開発のシステム設計を開始する
３〜４年(重複している開発フェーズを除く)
◆開発予算(想定)
◇開発予算＝５００人/月×１２０ヵ月×１２０万円/人≒７２０億円
◆開発フェーズ(延べ月数)
◇基本設計――――――――― ３ヵ月(設計済)
◇システム設計――――――― ６ヵ月(設計済)
◇プログラム設計――――――２０ヵ月
◇プログラム製造――――――４０ヵ月
◇プログラム試験――――――３０ヵ月
◇プログラム連結試験――――２０ヵ月
◇システム試験―――――――１０ヵ月
◆汎用人工知能(AGI)開発フェーズ移行条件
プログラム設計が終了した時点で汎用人工知能(AGI)開発のシステム設計を開始する
【汎用人工知能(AGI)の開発】
◆開発期間(想定)
５〜６年
◆開発予算(想定)
開発予算＝２０００人/システム×６システム/月×７２カ月×１２０万円/人≒１兆円
◇製造業 ：高度生産システム、完全自動運転システム、研究開発システム
◇サービス業：高度医療システム、高度物流システム、高度教育システム
◆システム売上(想定)
◇製造業 ＝年商２０兆円(高度生産システム、完全自動運転システム、研究開発システム)
◇サービス業＝年商２０兆円(高度医療システム、高度物流システム、高度教育システム)
◇利益 ＝年商４０兆円×９５％＝３８兆円
◆資金調達
◇資本金１兆円の事業会社として株式公開(株式評価額９００兆円想定)
◇４５０兆円を調達(株式評価額９００兆円想定の５０％)
◇新規事業に活用
◆新規事業
●投資規模
人工頭脳搭載ロボット＝１００兆円、高度モビリティーセンター＝１００兆円、
高度医療センター＝１００兆円、高度物流センター＝１００兆円、高度教育センター＝５０兆円
●事業規模(想定)
◇人工頭脳搭載ロボット事業 ：年商＝３００兆円、利益１００兆円
◇完全自動運転モビリティー事業：年商＝３００兆円、利益１００兆円
◇高度医療センター事業 ：年商＝３００兆円、利益１００兆円
◇高度物流センター事業 ：年商＝３００兆円、利益１００兆円
◇高度教育センター事業 ：年商＝１００兆円、利益 ２０兆円
５〜６年
◆開発予算(想定)
開発予算＝２０００人/システム×６システム/月×７２カ月×１２０万円/人≒１兆円
◇製造業 ：高度生産システム、完全自動運転システム、研究開発システム
◇サービス業：高度医療システム、高度物流システム、高度教育システム
◆システム売上(想定)
◇製造業 ＝年商２０兆円(高度生産システム、完全自動運転システム、研究開発システム)
◇サービス業＝年商２０兆円(高度医療システム、高度物流システム、高度教育システム)
◇利益 ＝年商４０兆円×９５％＝３８兆円
◆資金調達
◇資本金１兆円の事業会社として株式公開(株式評価額９００兆円想定)
◇４５０兆円を調達(株式評価額９００兆円想定の５０％)
◇新規事業に活用
◆新規事業
●投資規模
人工頭脳搭載ロボット＝１００兆円、高度モビリティーセンター＝１００兆円、
高度医療センター＝１００兆円、高度物流センター＝１００兆円、高度教育センター＝５０兆円
●事業規模(想定)
◇人工頭脳搭載ロボット事業 ：年商＝３００兆円、利益１００兆円
◇完全自動運転モビリティー事業：年商＝３００兆円、利益１００兆円
◇高度医療センター事業 ：年商＝３００兆円、利益１００兆円
◇高度物流センター事業 ：年商＝３００兆円、利益１００兆円
◇高度教育センター事業 ：年商＝１００兆円、利益 ２０兆円
Copyright(C) 2022 Japan Software Approach Co.,Ltd Rights Reserved.