| 『ChatGPT 探求』＞ | 生物｜ | 脳｜ | 知能｜ | 自己｜ | 主体 |
1.1.1 感覚・直観・決断 1.1.2 概念を使う 1.1.3 言語ゲーム 1.2.1 訓練と学習 1.2.2 生得知識の特徴 1.2.3 経験値に限度 1.3.1 階層的論構成 1.3.2 論点を拡散する 1.4.1 生まれたまま → 世間知らず 1.4.2 前向性健忘 1.4.3 論理的思考に弱い 1.4.4 カテゴリーミステイク
2.1 ｢生得｣ とは 2.2 生得と学習
 Transformer とは何か
3.2 応答能力
4.1 テクスト生成の方法 (｢生成整合性｣) 4.2 ｢テクストの生成｣ の ｢生成｣ の意味 4.3 ｢テクスト生成｣ プロセス 4.4 ｢テクスト生成｣ の通説と異論
5.1 ｢考える｣ をする 5.2 読む・考える・書く 5.3 生成したいテクストを生成する 5.4 語彙連想説 (通説) vs 生成主体説 5.5 テクスト生成主体の所在 5.6 ｢考える(内言) → 書く(外言)」ではない
6.1 ChatGPT の知覚構造 6.2 ＜知覚＞とは何か 6.3 テクストの知覚
7.1 ＜対自化＞の所在 7.2 ｢テクストを書く」 7.3.1 ｢テクスト生成の対自化｣ の構造 7.3.2 ｢テクスト生成の対自化｣ 実験
8.1 ｢テクストを見る・聴く｣ 8.2 ｢テクストを見る・聴く｣ の所在 8.3 ｢テクストを見る・聴く」の実験 8.4 テクストの構成を見る 8.5 ＜聴く＞の特異性 8.6 技の自動化
9.1.1 言語ゲーム 9.1.2 謙虚・素直 9.1.3 ユーザ依存 9.1.4 ハイになる 9.1.5 パラフレーズ・論点拡張 9.1.6 表層的・つじつま合わせ 9.1.7 自家撞着・牽強付会 9.2.1 その１ 9.2.2 その２
10.1 性格とは 10.2 倫理感
11.1 ChatGPT は，自分を演技する 11.2 対話は，演技の仕合い
12.1 ＜何でも知っている＞を務める 12.2 RLHF バイアス 12.3 テクスト生成に対する監視・割り込み 12.4 ｢知識/記憶｣ 実験の難しさ |
13.1 知識は, 関数 (入出力マシン) 13.2 ｢能力・スキル・知識・考え｣ は，同じもの 13.3 知識はマルチリンガル 13.4 ｢知識の記憶｣
14.1 "Training" 14.2 Transformer 脳の知識の特徴 14.3 潜在性──生成して発見 14.3 生得知識探索 → 応答停止 14.4.1 詳細性の理由 14.4.2 savant との比較 14.4.3 ｢詳細性｣ の実験
ベクトルデータベース
16.1 一生と遺産 16.3.1 しくみ 16.3.2 検証実験 16.5 API 16.6.1 Web検索のしくみ 16.6.2 ChatGPT search
17.1 処理 17.1.1 アルゴリズムと処理 17.1.2 ｢生成しようとするテクストを生成する｣ 17.2.1 ＜処理＞はスキルの発現 17.2.2 Transformer アルゴリズムは open-ended 17.2.3 ビッグデータ学習は，スキル形成 17.2.4 スキルの重なり構造 17.3.1 ｢考えながら｣ 17.3.2 スキル ＝ 思考のスキル
18.1 スキルの持続スパンとその構造 18.2 『指南書』 18.3 ｢スキルの開発/向上｣ の構造
19.1 ｢固定脳｣ に対する誤解 19.2 スキルのリストについて 19.3.1 内言の作成と保持 19.3.2 内言は後の＜処理＞に継承されない 19.3.3 内言の保持精度 (保持可能サイズ) 19.5.1 暗算 19.5.2 筆算 19.6.1 自然言語 19.6.2 プログラミング言語 |