José Daniel Fernández Santosは、人工知能を理解するためにはスーパーコンピュータが必要であるという現代の前提に挑戦する本を出版しました。学習者にZX Spectrumのようなクラシックなマシンの心臓部である8ビットZ80プロセッサ上でAIの基礎をプログラミングさせることで、このプロジェクトは「ブラックボックス」の概念を、バイト単位の具体的な命令へと変えることを目指しています。

記号論理からデータモデルへ

教育的な旅は、知識が推論メカニズムから分離されている記号的AIから始まります。これには、診断のためのエキスパートシステムの構築や、パターンベースの対話を探索するためのELIZAベースの対話シミュレーターが含まれます。

テープの読み込みの問題を診断するBASICエキスパートシステムを表示するZX Spectrumの画面。
ZX Spectrum上でハードウェアの問題を診断するために使用されるBASICベースのエキスパートシステムの例。www.dfsantos.com

この画像は、特定の診断タスクを実行するためにエキスパートシステムを構築する記号的AIのアプローチを説明しています。

書籍の仕様: 章 12章; ページ 325ページ
書籍の仕様amazon.es

HN Digestによる図表(amazon.esの報告数値に基づく。数値はソースの表記通り)。

次に焦点はルールからデータへと移ります。読者は実際のCO2測定値を使用した線形回帰や、k-NN(k近傍法)やナイーブベイズのような教師あり分類モデルを実装して、データポイントを分類します。

実際のCO2測定データに適合させた回帰線を示すZX Spectrumの表示。
実世界のCO2データを使用してZX Spectrum上にプロットされた線形回帰モデル。www.dfsantos.com

この本では、8ビットハードウェア上で線形回帰を実装することで、ルールからデータへの移行を実証しています。

これらの異なるパラダイムを移動することで、この本はAIがいかにしてハードコードされた論理から、確率的および近接性に基づいた意思決定へと進化したかを説明します。

「BASICでゼロからプログラミングすることで、人工知能を理解する。」

— Artificial Intelligence for the Z80 | dfsantos.com

8ビットハードウェア上のニューラルネットワーク

作品の大部分はニューラルネットワークのメカニズムに割かれています。読者は、入力を重みと組み合わせて水平線と垂直線を区別する人工ニューロンであるパーセプトロンを構築します。

カリキュラムは多層ネットワークへと進み、隠れ層とシグモイド関数を導入します。これらの概念は数字認識プロジェクトに適用され、本では誤差逆伝播と誤差修正の仕組みを解説します。

入力、隠れ層、出力を備えたニューラルネットワークの構造を示す技術図。
隠れ層と活性化関数を含むニューラルネットワークのアーキテクチャを示す図。www.dfsantos.com

この図は、多層ネットワークの仕組みと隠れ層を通じた情報の流れを説明しています。

Z80はメモリと速度が限られているため、これらの実装は、制約のある環境でどのように重みが調整され、どのように汎化が起こるかを理解するための実践的な実験室として機能します。

アルゴリズムの効率性と制約

この本の核心的なテーマは「複雑さとの戦い」です。Z80の制限を利用してアルゴリズムの複雑さを可視化し、バブルソート、シェルソート、クイックソートの実行時間を比較します。

3つの異なるソートアルゴリズムの実行時間を比較するZX Spectrum上のパフォーマンスチャート。
Z80プロセッサ上でのバブルソート、シェルソート、クイックソートの実行時間の比較。www.dfsantos.com

この本では、アルゴリズムの効率性が生のハードウェア速度を上回ることを示すためにこれらの比較を使用しています。

これらの比較は、クロック速度を上げることが効率的なアルゴリズムの選択の代わりにはならないことを示すことを意図しています。これは、読者がこの本の後半で構築するAIモデルを最適化するための準備となります。

最終プロジェクトであるコンウェイの「ライフゲーム」は、創発的な複雑さの研究として機能します。これは、明示的なトレーニングや大規模なデータセットを必要とせずに、単純な局所ルールがいかにして複雑な振る舞いを生み出せるかを示すものです。

実践的な制限と範囲

この本はAIの基礎を深く掘り下げていますが、意図的に8ビットアーキテクチャによって制限されています。ソース資料にはニューラルネットワークの具体的なパフォーマンスベンチマークや実行時間は提供されておらず、テキスト内で測定およびプロットされていることのみが記されています。

焦点は高性能なプロダクションよりも「計算の科学」に置かれています。目標は、すべてのバイトが重要であり、すべての決定が意味を持つ、ゼロからAIを構築する際の高揚感を再発見するためのガイドを提供することです。

Hacker Newsの読者の反応

  • 代替案: あるコメント投稿者は、タイトルが誤解を招く可能性があると示唆し、プロジェクトの焦点がBASICであるため、Z80プロセッサに特化したものではなく、同様のダイアレクトであれば適用可能であると主張しました。 コメント ↗
  • 体験談: 別の読者は、数年前にTI-83計算機で同様の演習を行った経験を共有し、それらのプログラムを「人工知能」ではなく、数学とコンピュータサイエンスのコースワークの自然な結論として捉えていたと述べました。 コメント ↗
  • 懐疑的: あるコメント投稿者はマーケティングコピーに対して懐疑的な見方を示し、Amazonの説明文はAIによって生成されたように見えると示唆しました。 コメント ↗

Hacker Newsのスレッドで出た意見の要約です。事実として検証されたものではありません。 議論の全文を読む ↗