新世界教育学革命を議論する。

This paper discusses bottlenecks of development of Artificial General Intelligence (AGI) and proposes a data bottleneck hypothesis and a social bottleneck hypothesis of AGI. This paper illustrates the data bottleneck hypothesis by an example of Secret Ramen Problem (SRP). To address the data bottleneck of AGI, this paper proposes the concept of Data Income (DI) along with previously proposed General Supervisor Database by Intellectual Property (GSDIP). Moreover, this paper proposes the concept of Cooperation Income (CI) to address the social bottleneck of AGI. This paper considers Basic Income (BI), Cooperation Income (CI) and Data Income (DI) to alleviate the bottlenecks of development of AGI.

人工頭脳では、元の入出力情報は上位概念的なものであって、欠落情報、バックグラウンド情報は、活性化伝搬を用いて関連する連想/階層記憶から追加補充Ａ）input (視野/音源/感触、音声情報)全体を把握＆フォーカスした入力情報は限定的→詳細なイメージ情報Ｂ）output(行動、発話)人工頭脳の意志（実行ストーリィ上位コンセプト)→具体的な実行ストーリィ思考と判断は以下の通りＰ）思考入力情報と人工頭脳の意思と連想/階層記憶に対し、活性化伝播を用い、人工頭脳の意志を生成Ｑ）状況判断ケースバイケースな環境に対し、活性化伝搬用い、関連する学習情報を取得し、Aiが取るべき実行ストーリを決定

汎用人工知能（AGI）は，人間が解決可能な知的課題はすべて学習または遂行できる知的エージェントとして定義され，Marcus Hutter（2000）は，強化学習を前提として「確率的で不定，しかし計算可能な環境で与えられた目標を達成する能力」を最大化する形でAGIが得られるとした．一方，人間は高度に複雑な課題を知識活用で解決するが，知識の形式は報酬のように数値として積和することで意味が失われる．山川宏（2018）は，「既存の知識を柔軟に組み合わせて推論する」技術Xが，不良設定問題である実世界における課題を仮説生成で解くと指摘した．知識形成と再編集については，市瀬龍太郎ら（2015, 2016, 2017）が提案したルール言語実装の最大効果が得られるADASオントロジー，武田英明（2004），荒川直哉（2006）が注目した上位オントロジーが，鍵となる．本研究では，ADASオントロジーを一般化する手法，上位／下位オントロジーを仮説空間／データ空間から構築する方法論について言及し，専門分野の熟練知を体系化し，知識ベース推論で人の判断を支援する事例を，自動運転，故障診断，人と協働する産業用ロボット，知的パズルボンガード問題の解法器の研究成果から概説し，AGI 基本原理の探求の道筋について議論する．