Embed Size (px)
Citation preview
人工知能（AI）が もたらす新しい世界
2017/1/5 1
AI＝人の知的な振る舞いを実行するSW（脳みそ） ロボット＝体、AIではない。
1956年夏 ダートマス会議（チェス、定理証明） 探索、推論
1960年～ 第1次AIブーム（単なる期待、Toy Problem）
1970年～ 第1次冬の時代（機械翻訳無理！基礎研究は継続）
1980年～ 第2次AIブーム（推論と知識の時代、 第5世代コンピュータ、エキスパートシステム、AIベンチャー）
1995年～ 第2次冬の時代（基礎研究は継続）：
インターネット、クラウドサービスの時代へ
2010年～ 第3次AIブーム（ML、知識、ビッグデータ、IoT、セキュリティ統合
米国企業GAFMA+IBMからスタート、世界各国でプロジェクト）
2017/1/5 2
第3次AIブームの背景と現状 ①コンピュータの高速化（15年間で1000倍）
②記憶装置の大容量化（2000年1000円→現在5円）
③ネットワーク広帯域化（2008年 FTTH回線＞ADSL回線）
④ソフトウェアのオープン（無料）化
に支えられ，ＡＩ要素技術（探索，推論，学習，知識）は進歩
2010年～ 第3次AIブームから国際間競争
Deep Learning, AI Integration による問題特化・強力なAIの登場
◎AI研究開発投資 ①ネット5大企業GAFMA＋IBM, 中国企業AB, 日本企業トヨタ、ドワンゴなど
②米国、英国、EU（独、仏）、日本、中国、韓国政府など
2017/1/5 3
Deep Learning
2017/1/5 4
Quoc V. Le, Marc’Aurelio Ranzato, Rajat Monga, Matthieu Devin, Kai Chen, Greg S. Corrado, Jeffrey Dean, and Andrew Y. Ng:
Building High-level Features Using Large Scale Unsupervised Learning, ICML2012
Youtube 3日間、1000万 部位画像、人と猫の識別器
2017/1/5 5
Error Rate
ILSVRC (ImageNet Large Scale Visual Recognition Challenge)
2017/1/5
3.6
6
Auto-encoder as Pre-Training 自動符号化（原画像から復元画像）
G. E. Hinton, A. Krizhevsky & S. D. Wang: Transforming Auto-encoders, ICANN11 (2011)
原画像
復元画像
2017/1/5
制限付きボルツマシン(RBM)：
入力層と隠れ層、隠れ層と出力層間の結合。
同層の結合はない。
ユニット：確率論的二値ユニット
RBMの学習：入力層データを再現できるように、
ユニット結合係数wij値を調整する。
自動符号化：隠れ層が情報圧縮となる。
多層化：一つのRBM学習終了後、
上位に重ねる→上位ユニットが
抽象度の高い特徴となる。
7
プーリング層
正規化層
畳み込み層
プーリング層
正規化層
畳み込み層
プーリング層
正規化層
畳み込み層
32x32 入力画像
3X3フィルタをスライド適用し、活性化関数に与えて （畳み込んで）、 特徴マップ作成する。
正規化実行可否
低次元化
※ハイパー変数決定問題 フィルターサイズ 活性化関数 正規化 ドロップアウト などなど
出力層
知覚処理用Deep Learning Convolutional Neural Network
2017/1/5 8
各分野の最新AI
対話Bot
知識QA AI
視覚・
動作AI
予測型AI
統合AI
2017/1/5 9
データ
駆動AI
知識
モデルAI
ゲームAI
①ゲーム（先読み）AI
2017/1/5 10
2016.3 Google Deep Mind アルファ碁
アマチュア7段から トッププロへ躍進！
2012.1 第1回電王戦 故米長元名人vs.
ボンクラーズ
1997 AIチェス Deep Blue
AIがプロに迫る&超える
10 120 10 220 10 360
※巨大数の例 観測可能な宇宙（800億の銀河）の水素原子数 約１０80
RSA公開暗号鍵サイズ 1024bit 21000= (210)100=10300
2017/1/5 11
電王戦
1 2012 ボンクラーズ 1-0 米長邦雄永世棋聖 一番勝負
2 2013 コンピュータ 3-1
（1引分） プロ棋士 五番勝負（団体戦）
3 2014 コンピュータ 4－１ プロ棋士 五番勝負（団体戦）
4 2015 コンピュータ 2-3 プロ棋士 五番勝負（団体戦）
第1回
Final 第3回
第2回
2017/1/5 12
ボナンザ（保木邦仁氏開発）の評価関数
• 各駒の価値（駒割り） • 王、他の駒2つの位置 • 王、隣接した味方の駒、他の味方の駒3つの位置 • 隣接しあった駒2つの位置関係 • 竜馬飛角桂香の利き上にいる駒の種類
→5万棋譜データを与え、機械学習を実行し、プロの指し手 パターンを学習した結果、棋力が格段に上昇した。 さらに、新手と呼ばれるパターンも見出した。
2017/1/5 13
Google DeepMind アルファ―碁 4勝 vs 世界王者クラスLee Sedol九段（韓国） 1勝
2017/1/5
ソウル市、2016.3
14
アルファ―碁はBrute Force AI？ • 新手の発見。いきなり世界ランキング2位。
• 20000台のコンピュータを使って1日3万局
• DM社コメント：グーグルの支援がなければ3年？
• 計算力とデータ力の勝利（Brute Force AI？）
• AIと国力。でも不安もある。
2017/1/5 15
② 視覚運動型AI
2017/1/5 16
無人運転（パターン認識） 2012年 ネバダ州免許
2013年 カリフォルニア州免許
掃除（計画）
機械学習（ベイジアン、SVM、Deep Learning により運転操作の学習 入力 ①LIDAR（レーザー光を使ったレーダー） ②カメラ画像 ③GPS 出力 ①アクセル ②ブレーキ ③ハンドル操作 2016.4 100万マイル以上走行して、交通事故11件 （グーグルカーがバスに衝突）
2017/1/5 17
BCG Press Release 2015.1.19 http://www.bcg.co.jp/documents/file180099.pdf
2035 年には完全自動運転車が 新車販売台数の 10％、約 1,200 万台、
部分自動運転車が 15％、約 1,800 万台へ
2017/1/5 18
「ロボットタクシー」 ＋「ロボネコヤマト」
19 2017/1/5
自動運転の自動化レベル
2017/1/5 20
テスラ 自動運転初の死亡事故
2017/1/5
自動運転用センサーが強い日差しと
トレーラーの白い車体を識別できず減速しなかったため
21
次に何が起こると思いますか？JAF
2017/1/5 22
2017/1/5
空飛ぶ自動運転車TF-X http://car-moby.jp/48236
23
The world's first robotic kitchen http://www.moley.com/
2017/1/5 24
③予測型AI （ビッグデータ）
2017/1/5 25
PredPol 犯罪予測AI
2017/1/5 26
（日本の事例１：農業）牧畜管理
• 本川牧場（大分県）5000頭の牛を飼育 年間1万トン生乳出荷量（全国4位）
• RFID（無線ICタグ）による搾乳量管理 万歩計による運動量の把握など、 牛の個体情報・作業に関する 約300項目データ収集 → 牛の健康管理、牛乳生産量の予測
• 牛乳生産量1日あたり2トン、16万円増加
• 過剰生産による廃棄ロスの減少
2017/1/5
From IT Pro by 日経コンピュータ 2013/10/01
27
（日本の事例２：工業）製品の販売生産管理
2017/1/5
リーマンショック後、コマツでは建機の在庫が急増 →機械稼働管理システム「KOMTRAX」による建機の稼働状況に加えて、 流通在庫＋販売状況の管理 →◎在庫1万8000台から約1万台まで削減 →×インドネシアの建設機械の稼働順調、販売順調と予測 しかし、通貨ルピア急落により販売激減（経済予測データも必要）
①組立工場内 ②製品組立から納品までの進捗管理チャート ③グローバル販売生産管理 ④世界34万台以上の建設機械の稼働状況
① ② ③ ④
From 日経BigData 2014.02.12
28
(日本の事例３：サービス業）顧客の食欲予測
2017/1/5
From IT Pro by 日経コンピュータ 2014/10/16
・すべてのすし皿にRFIDタグ（無線ＩＣチップ） →単品管理。鮮度管理（マグロは、350m 回ると廃棄。売れネタのリアルタイム把握、 ・40億の販売ビッグデータの分析 →顧客の食欲を指数化した「喫食パワー」予測 →1分後予測（顧客着席経過時間などから予測） →15分後予測（統計データ、曜日、時間帯から傾向値を算出し、 必要な寿司の量を算出する。 →廃棄寿司量が７５％削減
29
④ 知識型AI
2017/1/5 30
2011年 QA Challenge ! IBM Watson
・IBM Deep Question Answering Project(ジョパディで，ワトソンがチャンピオンに挑戦して勝利）
Open-Domain Question Answering
★大規模知識の獲得（100万冊，2億ページ）
百科事典、辞書、シソーラス、ニュース記事、著作物などを情報源。自動的にコーパスを拡大。
★言語理解，情報検索，不確実性推論，仮説生成，仮説統合とランキング、機械学習，知識表現(オントロジー），構造化データなど，100以上の従来AI技術（20年前の技術もある）の集大成 ★精度、確信度、速度を考慮した AIインテグレーション ☆医療ワトソン、コールセンター、ペッパー連携
2017/1/5 31
NII 東大ロボットプロジェクト 2021年東大入試合格を目指して
http://21robot.org/
2017/1/5 32
東ロボくんの各教科アプローチ • 国語：含意関係認識。評論の問題で、設問に合致する選択肢を選ぶ問題がよく
出題されるが、設問文で指定された本文から、選択肢を選ぶ根拠となる部分を抽出し、その根拠部分と選択肢を比較照合し、最もよく「含意する」選択肢を選ぶ手法を開発したところ、50％程度の精度を達成できた。（名古屋大学佐藤研究室）
• 世界史・日本史：情報検索と新しい含意関係認識の統合。Wikipediaや教科書にあるテキストt1を事実と仮定し、問題文にあるテキストt2が事実であるか否かを判
断する含意関係認識問題について、文の意味を集合間関係の代数式で表現し、その集合間関係を論理演算や機械学習で認識する手法を開発中。
• 英語：発音や文法などの短文問題は70%程度、読解や会話文の長文問題は30%
程度の正答率。長文問題に対して、粒度の異なる語句の類似度判定、事実性の判定、述語項構造解析と照応解析（主語特定とイベント参照）、映画スクリプトから対話自然性判定解析、ConceptNet5を利用した常識推論などの課題に取り組んでいる（NTT-CS研等との共同研究）。
• 数学：自然言語解析と論理と数式処理の統合を目指しており、日本語で記述された問題文と同等のZF （Zermelo-Fraenkel）表現を一階述語論理式に変換し、限量子消去 (quantifier elimination: QE)などを含む数式処理を適用して問題を解く。QE は、二次関数、不等式・領域の問題、平面図形の問題など、多くの入試問題
を解くことができる．ただ数学でも、問題文を読んで式を立てる過程が課題である（富士通研究所との共同研究）。
2017/1/5 33
200 86.0 80.0 48.4
50 24.6 16.0 40.5
200 105.4 90.0 45.1
100 45.5 75.0（40） 64.0（46.9）
100 42.8 77.0（55） 65.8（51.9）
100 45.9 76.0（52） 66.5（56.1）
100 46.6 55.0（44） 54.8（48.2）
物理 100 49.4 42.0（31） 46.5（49.0）
950 416.4 511.0 57.8
受験番号 氏名
科目 満点 全国 平均点
本人得点 （昨年）
本人偏差値 （昨年）
英語（筆記） 英語（リスニング）
国語
数学ＩＡ
数学ⅡＢ
世界史Ｂ
日本史Ｂ
５教科合計
東ロボくん 進研模試 総合学力マーク模試成績(2015.11)
大学・学部・学科 合格可能性80％以上の大学・学部・学科
国公立大 170大学 570学部 2,139学科 33大学 39学部 64学科
私立大 580大学 1,723学部 4,305学科 441大学 1,055学部 2,406学科
合計 750大学 2,293学部 6,444学科 474大学 1,094学部 2,470学科 2017/1/5 34
①言葉（概念） 分類階層木
②言葉（＝固有表現、具体物）ネットワーク
織田信長
本能寺
墓所
濃姫 妻
法華宗本門流
日本の
寺院
建築物
日本の神
農民 武士
宗派
1415年
創建年
歴史上の身分
神
天文3年5月12日
生誕
豊臣秀吉
主君
本蓮寺
宗派
日本の城
岐阜城
建立
1347年
創建年
人・もの・ こと分析
分け方
オントロジー
2017/1/5 35
Wikipediaからオントロジー（言葉階層木，言葉のネットワーク）に自動変換して， 人工物に言葉の意味(Sense)を理解させる →日本語Wikipediaオントロジー
人間には，ウィキペディアの内容（意味）が判るけど人工物（コンピュータ，スマフォ，ロボット．．．）には判らない
日本語Wikipediaオントロジー
2017/1/5 36
さらにズームアップ（模式図）
日本の 小説家
小説家
作家
人物
文学
文化
芥川龍之介
文化活動
家族
日本史の人物
代表作
職業
職業
プロパティ定義域
クラス－インスタンス関係
Is-a関係・プロパティ上位下位関係
トリプル
プロパティ値域
日本の 大学
日本の 小説
日本
存命人物
羅生門 蜘蛛の糸
鼻
小説家
塚本文
芥川也寸志
芥川貴之志
短編小説
日本
東京帝国 大学英文科
日本の映画作品
作曲家
日本のクラシック音楽の作曲家
オペラ 作曲家
夏目漱石 明治の人物
明治大学の人物 門下生
津田青楓
坊っちゃん こゝろ
小説
時代小説・歴史小説作家
誕生
最終学歴
配偶者 子供
著作
国籍
親族
ジャンル
死没
東京都出身の人物
日本出身の人物
文庫本
クラス
プロパティ
インスタンス
俳人
2017/1/5 37
オントロジー人型ロボットNAO と子供達・シニア
38
QA 体操教示
2017/1/5
⑤対話AIとUX
2017/1/5 40
AIとの共同生活へ！？
2017/1/5
2011- 2015- 業務代行エージェント ホログラムアシスタント
音声アシスタントSIRI りんな Amelia GateBox
By Apple by MS by IPsoft by ウィンクル
41
⑥ 統合人工知能
2017/1/5 42
PRINTEPS (PRactical INTElligent APplicationS)
要素知能の組合せによる総合知能構築 (JST/CREST 2014.10-2020.3)
知識推論 音声対話感情処理
手足の
動作
人と環境の
画像センシング
話す
感じる
動作 思考
認識
聞く
機械学習、深層学習
2017/1/5 43
PRINTEPS：ワークフロー（ビジネスプロセスの組合せ） →SWモジュール→コード http://printeps.org
2017/1/5 44
PRINTEPSによる授業実践
• 場所…横須賀市立鶴久保小学校 図書室
• 日時…2015年1月28日 3時限(10:35～11:20)
• 対象児童…5年生4クラス合同(計113名)
45 2017/1/5
46 2017/1/5
教育と知能ロボット：教師ロボット連携授業 慶應幼稚舎6年生 理科：てこの原理
2017/1/5 47
Robot Café (1)
2017/1/5 48
Robot Café (2)
2017/1/5 49
⑦人とAIの共生社会
2017/1/5 51
Race Against the Machine
米国では，ここ数年， 会計士，税理士の需要が8万人減少 高度コンピュータ による大量失業時代？
アンドリュー・マカフィー MITスローン・スクール、 デジタル・ビジネス・センター 主任リサーチサイエンティスト
2017/1/5 52
The Future of Employment (1) Carl Benedikt Frey and Michael A. Osbome, Oxford Univ.
• コンピュータに代行困難な重要要素 ①Creativity （創造性、創意工夫） ②Dexterity（手先の器用さ） ③Social Intelligence （社交性）
ルーチンワーク的な仕事は、AIに置き換えられていく可能性が大きい
2017/1/5 53
The Future of Employment (2) Carl Benedikt Frey and Michael A. Osbome, Oxford Univ.
■コンピューターに奪われる職種
確率 職種
99% ローン貸し付け
96% 受付係
94% 法律事務員
92% 小売販売員
89% タクシー運転手
84% 警備員
81% コック（ファーストフード）
77% バーテンダー
58% 個人向けアドバイザー
11% 記者
7.4% 音楽家
0.4% 小学校教師
出所：オックスフォード大学 「The Future of Employment」
2017/1/5 54
サービス業とAIロボット
2017/1/5 55
製品組立工場における 作業者とロボットの協調
2017/1/5 56
Not or Only Humans Need Apply
[Kaplan 15] Jerry Kaplan:
Humans Need Not Apply:
A Guide to Wealth and Work in the Age of Artificial Intelligence,
Yale University Press (2015)、
安原和見 (翻訳):人間さまお断り-人工知能時代の経済と労働の手引き-、
三省堂 (2016)
[Davenport 16] Thomas H. Davenport and Julia Kirby:
Only Humans Need Apply:
Winners and Losers in the Age of Smart Machines,
Harper Business (2016),
山田美明 (翻訳)、石﨑雅之 (解説)：AI時代の勝者と敗者、
日経BP社(2016)
2017/1/5 57
人とAIの共生社会に向けて
• ルーチンワーク的な知識労働者、例えば、 士業（税理士、会計士、パラリーガル）は消える？
• ファイナンスアドバイザーが心理学の勉強？ • 麻酔科医＞レントゲン技師 • 人とAIの関係は一般論ではなく、
状況に依存して多様な関係であるべき • AIが人の職業を奪う→でも新しい職業も生まれる • AIは新しい経営資源 • AIとの有効な関係性を築こう
（コーチとプレイヤー。知的パートナー。。。。） • ベーシックインカムとAI（スイス国民投票）
2017/1/5 58
