Empfohlen
Weitere ähnliche Inhalte
Andere mochten auch
Andere mochten auch (20)
Ähnlich wie AIの現状
Ähnlich wie AIの現状 (16)
Kürzlich hochgeladen
AIの現状
- 1. AIの現状 株式会社ツヴァイハンダー・ジャパン 代表取締役 半田 洋丈 いらすとや「AIに支配される人達」
- 2. 1. 人工知能ってなんですか？(1/3) • 機械は人間的な思考をするか？問いの視点を変えてみよう。人間を完全に再現すること は不可能であるので、それ以上論じても仕方がない。プロセスは考慮せず、出力の正しさ に着眼すべき。（アラン・チューリング「計算機械と知能」、1950年） • 知能を要すると思われることを機械に行わせることに関する研究分野。脳自体一種の機 械であるから、心理学と人工知能の間には、はっきりした境界はない。（マーヴィン・ミンス キー「心と社会」、1986年） • われわれは、二つの思考する装置を持っている。脳とコンピュータである。コンピュータは誕 生したときには人工知能とよばれ、将来は脳のように知的情報処理をすることができるよ うになると期待された。しかし、現実にコンピュータが発展してきてみると、脳とコンピュータ は非常に隔たったものであることがわかってきた。（甘利俊一「バイオコンピュータ」、1986 年）
- 3. 1. 人工知能ってなんですか？(2/3) • AIや人工知能は、その知名度とは裏腹に、正体はあまり知られていないようです。現在、 AIに関する解説本は山と出ています。しかしこれらはAIについて研究している人のための 本であって、「AIってなんなの？」という素朴な疑問に答えるものではないのです。（森川 幸人「マッチ箱の脳」、2000年） • 論理演算型の人工知能がこの20年スランプにはまっていることからもわかるように、人間 の脳を無視して、人間の脳と同じような知的システムをつくることは、至難の業なのである。 （銅谷賢治「知能の謎」、2004年） • 人工知能の研究者は、コンピュータの性能がじゅうぶんにあがれば知能を持たせられると、 何十年にもわたって主張してきた。わたしはそうは思わない。脳はニューロンのネットワーク でできている。だが、その働きを解明しなければ、コンピュータのプログラムと同じように、知 能を備えた機械に発展する見込みはない。（ジェフ・ホーキンス「考える脳、考えるコン ピューター」、2004年）
- 5. 2. 身近なAI(1/2) • スマホやPCにインストールされている、音声アシスタントSiri、OK Google、Cortana
- 6. 2. 身近なAI(2/2) • 2017年はAIスピーカー元年。携帯から飛び出て据え置き型へ。 企業 製品 発売時期 会話型AI アマゾン エコー 2014年 アレクサ グーグル グーグルホーム 2016年 グーグルアシスタント オンキョー ＶＣ－ＦＬＸ１ 2017年9月 アレクサ ソニー ＬＦ－Ｓ５０Ｇ 2017年10月 グーグルアシスタント ＬＩＮＥ ウェーブ 2017年秋 クローヴァ ハーマン ﾊｰﾏﾝ･ｶｰﾄﾞﾝ･ｲﾝﾎﾞｰｸ 2017年秋 コルタナ アップル ホームパッド 2017年12月 シリ シャープ ホームアシスタント 2017年中 ココロエンジン パナソニック ＧＡ１０ 2017年度冬 グーグルアシスタント ＮＴＴドコモ ペトコ 未定 コレヴォ 出典：2017年9月 1日日本経済新聞。 半田独自調査を 追加。
- 7. 3. 商用実用化済の車の自動運転技術 現時点では車は人が運転しなければなりません。日本政府は、2020年に全操作をシステム が担えるよう（レベル３：条件付自動運転）法整備を進めています。 メーカ 自動ブ レーキ 踏み間 違い検 知 自動ハ イビー ム 接近車 検知 標識認 識 車線は み出し アラー ト 駐車ア シスト クルー ズコン トロー ル トヨタ ○ ○ ○ ○ 日産 ○ ○ ○ ○ ホンダ ○ ○ ○ ○ ○ ○ スバル ○ ○ ○ マツダ ○ ○ ○ ○ ○ 三菱 ○ ○ ○
- 12. 6. 機械学習－深層学習－強化学習の違い • 機械学習は、人工知能における研究課題の一つで、人間が自然に行っている学習能 力と同様の機能を計算機で実現しようとする技術・手法のこと。 • 深層学習は、多層のニューラルネットワークによる機械学習の一手法。ニューラルネット ワークは、脳の特性を計算機上で模擬表現することを目指した数学モデル。 • 強化学習は、ある環境内におけるエージェントが、現在の状態を観測し、取るべき行動を 決定する問題を扱う機械学習の一手法。 ---出典：ウィキペディア 1980年代後半にニューロコンピュータ研究が流行しました。しかし、ニューロでできることは 他の方法でも代替できたし、当時の計算機のパワー不足もあり研究は沈静化してしまいま した。深層学習（ディープラーニング）が2012年に大きく進歩したことにより、AI研究熱が 再び高まりました。
- 13. 7. 深層学習の何がすごいの？(1/2) 【すごいところ】 • テキスト認識だけでなく、画像・動画認識、音声認識の精度が上がった。 • 臭気認識、味認識という言葉はあまり聞かないが、おそらくこれも可能。 • つまり、計算機が性能の良い目・耳・鼻・口を持ったということ。 【例】 • 農作業で、作物だけを収穫し雑草は排除する。 • テキストだけでなく、音声による言語翻訳ができる。 • 少量の血液や尿だけで病気の診断ができる。 • 工場で、生産品の詰まりをセンサーなしに予防する。
- 14. 7. 深層学習の何がすごいの？(2/2) 【面白いところ】 • Ponanzaのところで書いたように、学習の結果、なぜそのような出力が得られるのかはプ ログラムを書いた人にもわからない。 • チューリングが「プロセスは考慮せず、出力の正しさに着眼すべき」言ったのは、まるで未来 を見ていたかのように的を射ている。 【デメリット】 • 計算（学習）するのに非常に多くの資源が必要。 • 1980年代後半に盛り上がったニューラルネットワーク研究が沈静化したのは、資源が足り なかったのが大きな要因。 • 資源とは、コンピュータのCPU・GPU、メモリ、データ、技術者、計算時間、電力。
- 15. 8. GPUって何？ • GPUはGraphics Processing Unitの略。画像処理装置。 • GPUはCPUでやりきれない画像処 理を行う。（役割分担） • 主にゲーム用として発展してきた。 • なぜ深層学習にGPUが使われるの か？「CPUに比べ、行列演算が得 意なので10倍性能がいいから（米 NVIDIA社）」 • 性能の良いGPUがないと動かない 深層学習フレームワークがある。 出典:NVIDIA Deep Learning Day 2016 Springにお ける講演資料。(EFLOPSは計算量ではなく速さ の単位だからこういう使い方は間違い。多分 3000京回の計算量と言いたいのでしょう)
- 16. 9. AIに著作権はありますか？ 【AIが作った文章や絵は、誰のものか？】 • AIに創作意図を与え、道具としてAIを使った場合、道具として使った人間に著作権があ ります。 • AIに単に指示だけを与え、創作はAIに委ねた場合、生成物は著作物とはならず、著作 権は発生しません。 --- 内閣知的財産戦略本部 知的財産推進計画2016の報告書より これはおかしいと思います。深層学習の場合学習データが必要になりますが、この学習 データが創作意図に当たるはずです。したがって、必ず人間に著作権が発生することになる のではないでしょうか。ただ、強いAIが出てきたときはどうするのか、AIがAIを作ったらどうする のか。再び議論が必要になると思います。 後ろの画像はAIが描いたレンブラントの新作「The Next Rembrandt」です。この絵の 著作権者は明確になっていません。
- 17. 10. AIに課税するって！？ • AIが普及すれば、人がどんどんAIに置き換えられ、雇用に影響が出るのは確実。 • そこで、AIを電子人間とみなし、AIに課税して得られたお金をベーシックインカムの原資に する議論があります。 • ベーシックインカムとは、人に配られる最低限の基本収入。年金が働く世代にもあるイメー ジ。 • AI・ロボットが普及すれば、人はあまり働かなくてもよくなります。そのかわり収入が落ちるた め、ベーシックインカムが必要になると考えられています。 • ただし、税金はなくしたいもの・減らしたいものにかけるのが一般的。例えば、たばこ税、酒 税、ガソリン税など。AI・ロボットに課税したら、その普及に影響が出ます。 • 雇用や賃金引き上げをしたら給付金がもらえるようにするか、法人税が減額されるように した方がいいのではないでしょうか。
- 21. 13. 3年後の予想 以下の言葉が流行ると予想します。 • 彼らは、AI業界の底辺の人達。 • AIの学習には大量のデータが必要。いろんな画像・動画などを作る必要があります。 • データを作るのにはそれなりのノウハウが必要だが、クリエイティブな仕事ではありません。 • 来る日も来る日もデータを作成し、消耗している人たちが居酒屋で自嘲気味に話します。