機械学習は長期時系列データを処理できない。

より正確に言えば、今日のMLシステムは時系列データからフラクタル構造を推論できない。

自動運転車、AlphaStar（StarCraft II AI）、RNNのようなものは時系列データを処理しているのではないのか？ => その通り

• 自動運転車

自動運転はMLと手続き型プログラミングのハイブリッドを使用している。

MLは歩行者認識のような低レベル項目を処理し、手続き型（統計的ではない）プログラミングがナビゲーションのような項目を処理する。UberのSelf-Crashing carに関するレポートで説明。

• AlphaStar

Uberより少し複雑なレベルで2つのニューラルネットワークを使用する。1つは勝率を予測し、もう1つはどの動きを実行するかを判断する。この2つによって時系列問題を2つの別個のstatelessな問題に変換している。

APMハンディキャップがなければ当然AlphaStarが勝つが、ハンディキャップがあっても戦術的にはAlphaStarが勝る一方で、ハイレベルプレイヤーは戦略的理解で上回るため人間が勝てる。無限の計算能力がない限り、複雑な戦略計算では壁に突き当たる。人間の脳はこのような形では制限されない。

筆者の人工知能第一法則

"フラクタルで構成されていないアルゴリズムは、最終的に計算の壁に突き当たり、その逆もまた然りである"

結論では、フラクタル方式でニューラルネットワークを構成するためにFeed Forward Neural Network (FFNN) と Connectome-Specific Harmonic Waves (CSHW) に言及している。