Diese Präsentation wurde erfolgreich gemeldet.
Die SlideShare-Präsentation wird heruntergeladen. ×

人と人工知能1

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige

Hier ansehen

1 von 81 Anzeige

Weitere Verwandte Inhalte

Andere mochten auch (17)

Anzeige

Ähnlich wie 人と人工知能1 (20)

Aktuellste (20)

Anzeige

人と人工知能1

  1. 1. 人と人工知能1 〜人工知能とは何か、何が出来るようになり、 何が変わるのか〜 遠藤太一郎
  2. 2. 自己紹介 • ミネソタ大学大学院で機械学習を専攻する傍ら、2006年にAIを使ったニュー ス推薦で起業。現在はAIビジネスの設計からプログラミングまで広く請け負 っている。 • 受賞歴 • SoftBank World Challenge 2016「第二位」 • 第三回 IBM Watoson ハッカソン「最優秀賞」 • Hack for Town in Aizu「Hack for Japan 賞」 • ミネソタ大学大学院より成績優秀者奨学金(返還不要) • 会津大学学長賞(首席) • 電気電子学会仙台支部学生賞「最優秀論文賞」
  3. 3. 今日の話 • 人工知能って? • 人型AIはいつできる? • 近未来のAIはどんな姿? • それで仕事はどう変わる? • 社会はどう変わる?
  4. 4. 人工知能って?
  5. 5. 知能があるっぽく振る舞うプログラム それが何かは時代によって変わる
  6. 6. http://www.socialstudiesforkids.com/articles/ushistory/deepblue-chesschampion.htm
  7. 7. http://astamuse.com/ja/published/JP/No/1998326191
  8. 8. ルールは統計的に自動で作ろう!
  9. 9. 機械学習
  10. 10. 一番簡単な機械学習
  11. 11. どうぶつを見分けるAI • 象と、キリンと、ウシを見分けたい • 象の特徴って何? キリンは? • もし○○なら のルールを作ることはできる?
  12. 12. 重さ 高さ キリン 象 ウシ
  13. 13. 重さ 高さ キリン 象 ウシ
  14. 14. 重さ 高さ キリン 象 ウシ 2t 3m
  15. 15. 重さ 高さ キリン 象 ウシ 2t 3m もし 2t 以上 ならば 象 そうでない場合 もし 3m 以上 ならば キリン そうでない場合 ウシ
  16. 16. 重さ 高さ キリン 象 ウシ 2t 3m もし 2t 以上 ならば 象 そうでない場合 もし 3m 以上 ならば キリン そうでない場合 ウシ
  17. 17. 重さ 高さ キリン 象 ウシ 2t 3m
  18. 18. 1.特徴をどう取るか問題 • 重さと高さでいいの • 子供の象はどうする? • 鼻の長さという軸を作る? • AIに鼻という概念はどうやって教える? • 馬も判別するにはどうする? • 馬とキリンの子供はどう区別する?
  19. 19. 2.軸増えすぎ問題 • 何十次元、何百次元の空間はもう人には把握できない • 高次元になると、データがものすごくまばらになる • 高次元になると、データ間の距離がうまく測れなくな る
  20. 20. 3.どう線を引く問題
  21. 21. 実際の問題 手書き文字認識
  22. 22. http://qiita.com/LichtLabo/items/c4b33432a46cb7dd6b7d
  23. 23. http://www.crc.mie-u.ac.jp/seeds/contents/detail.php?mid=20091217-132447&t=c
  24. 24. 次元を減らす
  25. 25. 次元を減らす
  26. 26. 機械学習で線を引く http://tjo.hatenablog.com/entry/2014/01/06/190456
  27. 27. まとめ 機械学習のステップ • 特徴を抽出する • (次元を減らす) • 高次元空間に線(超平面)を引く 特徴を抽出 線を引くデータ 結果
  28. 28. まとめ 機械学習のステップ • 特徴を抽出する • (次元を減らす) • 高次元空間に線(超平面)を引く 特徴を抽出 線を引くデータ 結果 ディープラーニングデータ 結果
  29. 29. 機械学習のステップ • 特徴を抽出する 自動化 • (次元を減らす) 副産物 • 高次元空間に線(超平面)を引く 特徴を抽出 線を引くデータ 結果 ディープラーニングデータ 結果
  30. 30. ディープラーニングによる特徴抽出のイメージ www.cs.stanford.edu/people/ang//slides/DeepLearning-Mar2013.pptx
  31. 31. 人工知能 機械学習 ディープラーニ ング
  32. 32. 人工知能 機械学習 ディープラーニ ング 統計処理なので データが重要
  33. 33. データ獲得 機械学習 性能UP ユーザー増加
  34. 34. 人型AIはいつできる?
  35. 35. • 認知の壁(コグニティブ) • ディープラーニングで奮闘中 • 汎用AIの壁 • 全脳エミュレーション • 全脳アーキテクチャ • 身体の壁 • 筋肉系のブレイクスルーが必要 • 感覚器も足りない(特に触覚)
  36. 36. 入力 思考 行動 視覚、聴覚、触覚、味覚、嗅覚 フィードバック
  37. 37. 入力 思考 行動 認知の壁(ディープラーニング) 身体の壁(感覚器足りない) 汎用AIの壁 身体の壁(筋肉系) フィードバック
  38. 38. 入力 思考 行動 認知の壁(ディープラーニング) 身体の壁(感覚器足りない) 汎用AIの壁 身体の壁(筋肉系) フィードバック 今ある特化型AIで 今あるロボットで
  39. 39. https://www.youtube.com/watch?v=iaF43Ze1oeI
  40. 40. 近未来は、環境分散型AI
  41. 41. 入力 思考 行動 認知の壁(ディープラーニング) 身体の壁(感覚器足りない) 汎用AIの壁 身体の壁(筋肉系) フィードバック
  42. 42. 入力 思考 行動 センサー(IOT) カメラ、マイク(ディープラーニング) 既存の特化型AI データサイエンス 主に人間が行う ディスプレイに表示 フィードバック 予測性能を発揮
  43. 43. 85%コスト削減 http://freementions.com/mentions/images/enevo
  44. 44. 85%コスト削減 ごみ収集で利益を出す http://freementions.com/mentions/images/enevo
  45. 45. http://enevogroup.com/about-us/
  46. 46. 入力 思考 行動 センサー(IOT) カメラ、マイク(ディープラーニング) 既存の特化型AI データサイエンス 主に人間が行う ディスプレイに表示 フィードバック 予測性能を発揮
  47. 47. http://readwrite.com/2016/06/01/zoox-poised-bring-autonomous-taxis-world-tt4/ • カリフォルニア州の公道走行許可 • シリコンバレーの市街地をバーチャル空間で再現 • 一日30万回の走行実験/異常系ほぼシミュレート • 「人類が移動にお金を払っていた時代を終わらせる 」
  48. 48. 自動運転の未来 • 車は所有するのではなく、必要な時に乗る時代へ • AIによる需要予測で、乗りたいと思ったらアプリで呼んで 数分で到着(Uberで実現済み) • パーソナルな行動予測により、家の前で待っている程に? • 街の景観が変わる • 駐車場が必要なくなる • 信号や標識がなくなる
  49. 49. 入力 思考 行動 センサー(IOT) カメラ、マイク(ディープラーニング) 既存の特化型AI データサイエンス 主に人間が行う ディスプレイに表示 フィードバック 予測性能を発揮
  50. 50. 入力 思考 行動 センサー(IOT) カメラ、マイク(ディープラーニング) 既存の特化型AI データサイエンス 主に人間が行う ディスプレイに表示 フィードバック 予測性能を発揮 ロボット(自動車) が自動で試す
  51. 51. 人間がボトルネック ロボットが自動で行動して フィードバックを得ることで AIの性能が加速する
  52. 52. 特撮や合成は使われていない https://www.magicleap.com/
  53. 53. https://www.wired.com/2016/04/magic-leap-vr/
  54. 54. https://www.magicleap.com/
  55. 55. https://www.youtube.com/watch?v=kPMHcanq0xM
  56. 56. 入力 思考 行動 センサー(IOT) カメラ、マイク(ディープラーニング) 既存の特化型AI データサイエンス 主に人間が行う ディスプレイに表示 フィードバック 予測性能を発揮 ロボット(自動車) が自動で試す
  57. 57. 入力 思考 行動 センサー(IOT) カメラ、マイク(ディープラーニング) 既存の特化型AI データサイエンス 主に人間が行う ディスプレイに表示 フィードバック 予測性能を発揮 ロボット(自動車) が自動で試す 実空間の3次元座標が取れる ようになる ヴァーチャルなものとインタラ クティブにやり取り
  58. 58. • 既存の特化型AI(ディープラーニング含)の本質は 、「予測」とそれに伴う「最適化」 • 「入力」部分が進化してきた • IOTで現実世界の情報が取れるように • ディープラーニングで現実世界の特徴が上手く取 れるように • 「行動」部分の自動化で、「予測」と「最適化」が 加速
  59. 59. じゃあ仕事はどうなる?
  60. 60. ごみ収集業者はなぜ仕事を失ったか • IOT×AIでコスト85%減 • 「ロボット収集車」が奪ったわけではない • 「予測」と「最適化」によって、その業務の需要が減 った http://freementions.com/mentions/images/enevo
  61. 61. 今やっている仕事がAIに置き換わるのではない その仕事自体の、需要・価値が消失
  62. 62. 自分の仕事は価値を創造しているか コストになってないか
  63. 63. 経営者目線でみた時に できればコストカットしたい 「社内業務」 「外部業者」 は「最適化」の圧力にさらされる
  64. 64. どういうスキルがAI時代に価値を生むのか
  65. 65. • 創造性 • AIは既存の組み合わせの域を超えられない • テクノロジーからサイエンスへ • 社会的知性 • おもてなし • 「人」にもてなしてもらうから、「人」にやってもらうから 価値がある • 意思決定 • AIが何を「最適化」するかは常に人間が与える • 意志であり、価値観であり、哲学の問題 • 人を動かす • 心を動かし、人を集め、事を成し遂げる
  66. 66. 仕事はより人間らしいものへ
  67. 67. 効率よくやるのはAIにまかせて 人間らしく生きよう!
  68. 68. では社会はどうなる?
  69. 69. 内燃機関、電磁気のパラダイム • エンジン、電気、モーターから派生する発明群 • 自動車、電車、家電製品、電話、ラジオ、TV、、 • 移動手段の変化、家事労働の代替、建築手段の発達 • 実感を伴う生活の変化が1980年台くらいまで続いた • このパラダイムの発明はいったん落ち着く • 2000年頃、昔に比べて生活変わらないなぁと思わな かった?
  70. 70. コンピュータ、インターネットのパラダイム • IT革命(笑)とか言われていたが、これからが本番 • インターネットで全てが繋がるようになる • IOTで現実世界が見えるようになる • AIによる予測の精度向上と最適化 • この後どんな発明が出てくるか、誰にも分からない • 変化のスピートはますます加速 • 10年未満で世界の隅々までスマホ普及
  71. 71. • 20世紀 規格大量生産の時代は、比較的簡単に将 来を見通すことができた • 大企業が有利 • 成長、安定が前提の社会システム • 日本型雇用、年金、住宅ローン • ファイナンシャルプランナーがライフプラン設計 • 21世紀は、変化が早すぎて先が読めない • 急速に変化するが、社会システムはそのまま
  72. 72. 実態と制度にひずみが生まれる • 社会システムの変化スピード(「富の未来」より) • 100km/h 企業 • 60km/h 家族 • 25km/h 政府の官僚機構と規制機関 • 10km/h 公教育精度 • 1km/h 法律
  73. 73. 既存企業が変わるより早く、 新しい働き方の企業がどんどん生まれる
  74. 74. テクノロジーと働くマインドの変化 • 【Before】 生活のために我慢して仕事する。 お金のために仕事する。 ■産業革命 > IT革命 > シンギュラリティ 1) 「やりたくないけどやらないといけない」仕事が減っていく。 2) 最低生活水準の保証(ベーシックインカム等)。 3) 働き方の選択肢が増える。多様な働き方が可能に。 • 【After】 興味があるから仕事する。 好奇心があるからやってみる。 やりたいからやる。
  75. 75. 今後の組織の在り方 • 【個人】自分の興味や好奇心に正直に生きて仕事をしている状態 かつ、 【組織】組織としての効率や成長度、成果が最大化されている状態 かつ、 【社会】社会への良い影響が与えられている状態 • ⇓ • この3つ全てでバランスを取り、最大化できる組織が理想。
  76. 76. インキュビットな人々 • 『毎日がハッカソン』 技術好き、発明好き、創作好き • 基本的に強制的な管理やモチベーション管理はしない。 勝手に来て、勝手に学んで、勝手に成果だしていく。 • 出勤自由、リモート自由、海外移住自由。
  77. 77. 嫌な仕事はクリエイティブに(今後取り込み!) • 基本的にみんなテックな人なので、 人事、総務、会計とか嫌い、やりたくない。 だからそこにあえて「エンジニア」を雇い その業務を仕組み化するシステムをつくる 嫌いなことも クリエイティブに解決 嫌いなことは 自動化AI化
  78. 78. 今日伝えたいこと • 今の特化型AIは、ほぼ「どうぶつを見分けるAI」のイ メージ。「予測」とそれに伴う「最適化」 • 近未来のAIは、人型ロボットではなく環境分散型 • 今やっている仕事がAIに置き換わるというより、仕事 自体の、需要・価値が消失するかも • 人が価値を生むのは「創造性」「社会的知性」。人間 らしく生きよう!
  79. 79. 今後深掘りしていきたいこと • 変化が激しいこれからの時代、どう生きると幸せか • 安定がなくなり、幸せの価値観が多様化 • そんな時代に向いているマインドセットとは? • 仕事、働き方は実際どう変わっていくのか • もちろん大企業は残り続けるし、終身雇用じゃそうそうクビにはできない • 今後必ず発生する、AIと協業する仕事について • もっと大局から見た社会変化 • 技術史的にはAIはコンピュータの派生発明に過ぎず、コンピュータが生み出す 社会や価値観の変化の一部 • グローバル世界史的視点も欲しい • 日本に限れば少子高齢化とかの方が普通にインパクト大きそう
  80. 80. 今後も続けていくので よろしくお願いします!

Hinweis der Redaktion

  • 随時質問受け付けるので、お気軽に
  • 人工知能のイメージって?
    ディープラーニング聞いたことある?
  • DeepBlue 1997年 
    探索の時代 閉じた世界 全て記述しないといけない
    ルールが決まっていればいいが 現実世界は記述しきれない かな漢字変換
  • 知識処理の時代 エキスパートシステム
    ルールが変わったらどうする?
  • 統計的にやるってどういうこと?
  • 難しすぎるので、いったん重さと高さでやってみる
  • 謎の動物Xは何か、予想したい
  • 統計的な方法を使って線を引く
  • 線を解釈するとルールになる。自動でルールができた!
  • 2t以上なので、謎の動物Xは象
  • 線の引き方は色々ある。こう引いた方が精度は上がるかもしれないが、人が理解できなくなる。状況によって使い分ける。
    一番簡単な機械学習 8割はこれのどこかが難しくなった
  • どこが難しくなるか。1つめ。
  • 2つめ
  • さっきの動物AIを踏まえつつ、実際の問題を考えてみる。
    昔はAIとは呼ばれていなかった。最近は何でもAIに寄せてくるので、AIということにして説明する
  • 特徴をどう取る?
  • 漢字、ひらがな、カタカナ
    面倒というところだけ分かってもらえればいい
    196次元 64次元
  • 64次元は大きいので減らしたい。さっき見た2番めの話。
  • 軸ごと削るのではなく、情報を合成した形で
    70%くらいの情報を残しつつ、15次元くらいまでへらす
  • 最後に線を引く。今は色々な方法があるので、データの特性や何をやりたいかによって決める
  • ここでディープラーニング。ディープラーニングは何をしているのかというと
  • データを与えて一気に結果を出すことができる。
  • 大問題だった特徴の抽出が自動化できるのが最大最強の強み。
  • 仕組みについて説明するとかなり時間がかかるのと、今日の話の本質ではないので、簡単にイメージだけ。「特徴が自動で取れる」というところだけ押さえてもらえればOK
  • 人工知能、機械学習、ディープラーニングの関係
    人工知能自体はふわっとしいて、その時々によってやっていることが変わる。
    その時代の最新のアルゴリズム研究になることが多い
  • 機械学習を使ったサービスを考えるとしたら、データ獲得が肝になる。
  • これまでのところで、ざっくり今のAIについて見てきたが
  • 今まで見てきたのは、特定の問題を解決する「特化型AI」。人型ロボットは色々な問題に対応できる「汎用AI」が必要だが、まだまだできそうにない。
    身体の壁:素子は2030年台、筋肉、感覚器はブレイクスルー待ち
  • 色々なものを覚える過程。子供。勉強だったら演習、仕事だったら実践
  • 覚える過程を、人型ロボットに当てはめてみる
  • 認知の壁をディープラーニングで何とかできるようになったので、足りないなりに回せるようになった
  • Googleの研究所。試行錯誤しながらモノを掴めるようになるロボット
    かなり急速に研究が進んではいるが、人型はまだまだこれから
  • 人型がまだまだならどうなるか。それが環境分散型。
  • これはさっきの人型ロボットの図。
  • これを今IOTに当てはめてみる。
    IOT モノのインターネット。あらゆるものがネットに繋がる。
  • IOTの例。1:ゴミ箱が満杯になったら収集しにいく 2:満杯になるゴミ箱を予測 3:回収ルートや場所提案 4:センター自体の場所なども含めた最適化 85%コスト削減  ・「AIで仕事がなくなる」の現実的姿。AIが代わりにやるというよりも、その仕事自体の需要が減る。ごみ収集ロボットに仕事を奪われたわけではない。
  • 5フェーズ:重油運んでコストをマイナスにする
  • エネルギーの最適化
  • さっきの図に戻る。この通りに動いていたのがわかる。これが直近のIOTの形。
  • Level4 ハンドルなし、完全自動運転。2020年サービス開始予定。
    タクシーは人件費が8割。自動運転なら広告モデルで成り立つ。
  • さっきの図に戻る。「行動」のところで人間が動いていたところが
  • 1.車単体としての運転性能向上 2.車の集団としての、輸送能力向上(分散AI)フィードバック機構が半ば自動で回るようになる
  • ここまではもう目の前の話。次はほんの少しだけ先の話。
  • Magic Leap。Mixed Reality。評価額37億ドル。公式の最初に表示される動画。
  • かなり特殊なメガネ型デバイスらしい。さっきのクジラは謎だが、公式サイトを開くとあの動画が開く
  • 公式2つめの動画。手の中から出て来るのがポイント。単なるAR(拡張現実)ではない。
  • ・触れている ・視点移動に追従 ・壁にぶつかる ・物陰に隠れる
    ・実空間の三次元座標が取れている ・インタラクティブにやりとり
  • さっきの図に戻る。
  • 汎用AIは時間がかかるので、入力と行動のところが進化。ロボットを挟まなくなったので増々高速に進化。
  • ここまで、AIの中身がどうなっているのか、実際どんな風に世の中に入ってくるのかをみてきた。AIロボットのイメージではなく、「予測」と「最適化」がポイント。
  • というのが本質。今後何がどう最適化されていくかは、多分誰にも分からない。自動運転のように直接置き換わる例もあるが、それは人が運転する「価値」が認められないから。逆に言えば、価値を提供できる運転手は残る可能性がある。
  • コストというのを考える時に、経営者目線というのが重要
  • 経営者目線というのがものすごく重要。AIを使うのは経営者なので。
  • 他にもあるかもしれないが、ここでは「AIにできないこと」という視点で。
  • これって結構いいことだと思う
  • むしろ、人間回帰へのチャンス。
  • このパラダイムのまま未来を考えると、昔のSFみたいな空飛ぶ車の世界観になる。そしてパラダイムシフト
  • パラダイムが変わったというのが重要。これまでの規格大量生産時代の考え方は通用しない
  • 日本を代表する投資家の孫泰蔵さんも、変化の早さについていけないと言っていた
  • 企業が最も早く変化に対応
  • よりクリエイティブで、人間的な働き方になるはず
  • 未来が垣間見える会社を1つ紹介。一緒にハッカソンに出たり、一緒にお仕事をやらせてもらっている中で未来を感じた。話を聞いてみたら、同じようなことを考えていた。自分は個人的な働き方の追求だが、彼は会社組織のありかたに取り組んでいるところがすごい。この会場にいるので、せっかくなので直接話を。
  • 強制と管理によるマネジメントではなくて、信頼と自走によるマネジメント
    ヒエラルキーな組織ではなくて、フラットでホラクラシーな組織
    個々人の興味関心や情熱をベースとした、Human Drivenな事業戦略
    ライフとワークを分けて考えるライフワークバランスではなく、ライフとワークが融合するような働き方
  • 個人的には、創造性で言えば仕事はかなりサイエンス寄りに振ってきている。ほぼ毎日何かしらの論文読んでいる。社会的知性に関して言えば、今この場で話しているのも含めて、人と過ごす時間にものすごい価値を感じるようになった。夜は週5日くらいのペースで誰かと会っているが、その生活がすごく心地よく感じる。

×