Embed Size (px)
Citation preview
2016年 6月 29日 Slide 1深読み業界トレンド
深読み業界トレンド
中村正三郎http://iiyu.asablo.jp/
https://twitter.com/shownakamura
門司のじーも君
じーも (c) 北九州市
アンテナハウス株式会社http://www.antenna.co.jp/
2016年 6月 29日 Slide 2深読み業界トレンド
AI( 人工知能 ) が大ブーム
第 1 次 1950 年代末～ 1970 年代前半
AI 言語としての Lisp
第 2 次 1980 年～ 1980 年代末
日本では、第５世代コンピュータ
第 3 次 2010 年代半ば～
第 3 次ニューロブーム ( ニューラルネットの大復活 )と同時並行
第 1 次、第 2 次もAI とニューロのブームは、割と重なるらしい
2016年 6月 29日 Slide 3深読み業界トレンド
成果が続々
自動車の自動運転
星新一賞の予選突破
将棋のプロに勝つ
囲碁の世界チャンピオンレベルに勝つ
2016年 6月 29日 Slide 4深読み業界トレンド
企業も大々的に投資
Google, Microsoft, Facebook, Amazon など
トヨタも研究者をかき集め、アメリカに研究所
無償の機械学習プラットフォームが続々
無償公開、無償利用は、 AI のプラットフォームを握りたいから。
プラットフォーム ( ビジネスの土俵 ) を握ると、独占的に儲かる。
例OS MS Windows, 検索 Google 、 SNS Facebook, クラウド Amazon AWS
トヨタも必死なのは、自動運転のプラットフォームを握られたくないから
2016年 6月 29日 Slide 5深読み業界トレンド
無償の機械学習フレームワーク
UCB( カリフォルニア大学バークレー ): Caffe Google: TensorFlow Facebook: Torch Microsoft: CNTK(Computational Network
Toolkit) Preferred Networks: Chainer
Preferred Networks は、日本のプリファードインフラストラクチャーの子会社
2016年 6月 29日 Slide 6深読み業界トレンド
ディープライーニング ( 深層学習 )
第 3 次の AI ブーム、ニューロブームの立役者
多層のニューラルネットワーク
特徴抽出が得意、概念獲得、統合学習が可能
ハードウェアの爆発的性能向上
GPU 原理、ソフトウェア技術の向上
ボルツマンマシン
RNN(Recureent Neural Network CNN(Convolutional Neural Network)
ビッグデータが利用可能に
2016年 6月 29日 Slide 7深読み業界トレンド
AI とニューロ
AI 記号処理的、論理的、プログラム的。人間でいえ
ば、大脳的？
ニューロ データ駆動的。人間でいえば、小脳的、大脳辺縁系
的？ なぜ、そういうニューラルネットワークができた
て、うまく行ってるか、よくわからない。
2016年 6月 29日 Slide 8深読み業界トレンド
Google のAlphaGo( アルファ碁 ) 世界的に一番注目された成果
囲碁史上最強と言われたイ・セドル九段に 4 勝 1 敗
プロの棋譜を機械学習。自己対局を数千万局。
読みの積み重ねというより、深層学習、強化学習によるパターン認識らしい
Google DeepMind 社は、イギリス企業
DeepMind 社は、 Facebook と交渉。破談になって、 Google が 4 億ドルで買収
デミス・ハサビスが大天才らしい
2016年 6月 29日 Slide 9深読み業界トレンド
ジェフ・ホーキンズ
異色の人物。ある意味、経営者と研究者の鑑
脳科学がやりたい。金が要る
日本だと ( 欧米でも？ ) 、国から予算をもらおう
彼は違う
IT 業界で成功して大金を稼ごう
Palm Pilot が大ヒット
レッドウッド神経科学研究所を設立。ヌメンタ社設立
まるで伊能忠敬みたい
2016年 6月 29日 Slide 10深読み業界トレンド
機械学習は教育が大事
マイクロソフトの人工知能 Tay(テイ ) アメリカ人の 19歳の女の子という設定
Twitter でユーザと自動でやり取り
よってたかって、悪いことばかり教えた ヒトラー万歳。ユダヤ人を殺せ、黒人は嫌いなど、差別発言を連発
教訓
いい AI を作るには、いいデータ、いいビッグデータが必要
2016年 6月 29日 Slide 11深読み業界トレンド
AI 時代のいいエンジニアは、いい教師
いいデータを見極めて、 AI に上手に食わせる (指導する )食わせ上手 (教え上手 ) が、いい教師
孟母三遷の教え
子供を育てるのと同じになってくる
将来、人工知能学部と教育学部 (幼児の発達心理学、児童心理学 ) が合体？
2016年 6月 29日 Slide 12深読み業界トレンド
シンギュラリティ ( 特異点 ) 技術的な特異点
レイ・カーツワイル。 GNR革命 遺伝学Genetics ナノテクノロジー Nano-technology ロボット工学 (AI を含む )Robotics
2045 年
AI は、人類を超える
不老不死が実現する
2016年 6月 29日 Slide 13深読み業界トレンド
シンギュラリティ ( 特異点 ) その２
不老不死
細胞を再プログラミングし、体内にナノボット (ナノマシンのロボット ) を入れていつまでも若い肉体
未来学者が予測する不老不死ができる年は、その人が 80歳から 90歳くらいが多いらしい
カーツワイルは、 1948 年生まれ。 80歳なら 2028年、 90歳なら 2038 年。 2045 年まではがんばって長生きするつもりだろう。＼ (^O^)／
2016年 6月 29日 Slide 14深読み業界トレンド
シンギュラリティ ( 特異点 ) その３
AI は人間の知性を超える 楽観派
人間は機械に守られて便利に平和に暮らせる
悲観派 人間は職を失う。人間は機械に支配される
AI によって職を失うのは悪いこと？
働かないのは悪いこと？ 働かなくても暮らせるならいいこと？
ベーシックインカム (BI) が必須？
BI の導入。 2016 年 6 月、スイスで国民投票。否決
2016年 6月 29日 Slide 15深読み業界トレンド
シンギュラリティ ( 特異点 ) その４
実際に AI やロボットが人間を超えるかどうかは、関係ない
支配者が、国民を効率的に、監視、支配できる道具として使う可能性が大
AI による支配より、 AI を活用 (悪用 ) した人間による支配のほうが現実的
権力、利権を握ると、それを死守しようとするのが人間の常
パナマ文書に代表される事例が象徴的。小粒なら、前東京都知事の舛添要一 (笑 )
2016年 6月 29日 Slide 16深読み業界トレンド
シンギュラリティ ( 特異点 ) その５
支配者が、 自分の利権、財産を効率的に守れる道具と使えれば十分
国民を効率的に、監視、支配できる道具として使えれば十分
ビジネス的には、 ウケているのは、大量データからのマッチングビジ
ネスばかり 検索、就職、転職、住宅、乗り換え案内、宿泊予約 これが効率化されれば十分 依存させて、レコメンドなどで意識、行動、購買欲
を操作
2016年 6月 29日 Slide 17深読み業界トレンド
シンギュラリティ ( 特異点 ) その６
ソフトな監視社会
監視カメラ、 N システム
個人や自動車の GPS データ
クレジットカードや T-Point カードで購買行動収集
フリーミアム ( 無料社会 ) 無料で使わせて便利さに慣れさせ、依存させて、抜けられないようにする。シャブ漬け
ネット上の行動データ、ビッグデータ収集 利用規約によれば、ビッグデータを集め放題、使い放題。AI の機械学習用データ
タダほど高いものはない
2016年 6月 29日 Slide 18深読み業界トレンド
機械 (AI ・ロボット ) と共存できるか
ジェイムズ・ P ・ホーガン (著 ), 山高 昭 (翻訳 )「未来の二つの顔」 (創元 SF文庫 ) 文庫 1994/11 アマゾンへ
月面で、コンピューターが判断を間違って、大事故。このまま、 AI に任せていいのか
未来の２つの顔とは、 (1) AI をやめて、人間に任せる体制に戻す。
(2) よりよいAI を作って、それに任せる。
ある実験をやる。究極的には、AI が暴走したときにエネルギー源 (電源 ) を止められるかの問題。
2016年 6月 29日 Slide 19深読み業界トレンド
機械 (AI ・ロボット ) と共存できるか その２
業田良家「機械仕掛けのロボット」 手塚治虫文化賞「短編賞」 文化庁メディア芸術祭マンガ部門・優秀賞
第３２回「機械仕掛けの愛 ログ大統領の決断」
ビッグコミック 増刊 2016 年 3 月 17 日号 まだ単行本化されてない
ロボットが大統領。人間は核攻撃のボタンを押させたい。ログ大統領は、良識があり、迷い、悩む。
人間は、AI ・ロボットを責任転嫁に使う。
核攻撃、大量殺戮の判断をしたのは、 AI ・ロボット。悪いのは、 AI ・ロボット
2016年 6月 29日 Slide 20深読み業界トレンド
機械 (AI ・ロボット ) と共存できるか その３
現在、将棋のプロ棋士が、コンピュータとの共存の最先端
社会実験中
プロ棋士の存在意義とは何かが問われている
コンピュータが出した手を指すだけなら、単なる端末。ロボットで OK
多くの棋士が、コンピュータを人間にない発想をするパートナー、トレーナーとして使い始めている
2016年 6月 29日 Slide 21深読み業界トレンド
参考図書
伊庭斉志「進化計算と深層学習」 ( オーム社 )アマゾンへ
アルファ碁の元になった DQN という技術の解説がある
DQN(Deep Q Network) = CNN(畳み込みニューラルネット ) + Q 学習
ピンポンゲーム、インベーダー ルールは、教えず、高得点を上げることが
ミッション
200 万回 (30 時間 ) で、人間を超えた
2016年 6月 29日 Slide 22深読み業界トレンド
甘利俊一先生
甘利俊一「脳・心・人工知能 数理で脳を解き明かす」 (講談社ブルーバックス ) アマゾンへ
情報幾何学の創始者。計算論的神経科学(computational neuroscience) の世界的権威
東大出身だが、若いころ、九大におられて、研究、講義をされていた
確率降下学習法。後のバックプロパゲーション (誤差逆伝搬法 )
1966 年に、久住の温泉でひらめいた。 1967 年に発表。
1986 年のデビッド・ラメルハート ( ルンメルハルト )らの発表で、バックプロパゲーションの名前が広まる
2016年 6月 29日 Slide 23深読み業界トレンド
甘利俊一先生その２
ホップフィールドモデル
甘利先生は、 10 年前に同じものを提案
甘利・ホップフィールドモデルと呼ぶべきという欧米人も
ウィルソン・コーワンモデル ( 発振器 ) 先に発表
自然勾配学習法
プラトー (誤差が減らなくなる現象 ) を解消
シナプス可塑性 BCMモデルより先に提案
CNN 起源は、福島邦彦のネオコグニトロン(1979)
2016年 6月 29日 Slide 24深読み業界トレンド
PR が下手だと業績がないことになる
キャッチーな名前。マーケティング・センス。プロモーション能力が重要
インフレーション理論 アラン・グースが有名 インフレーションという、経済学用語を転用したキャッチーな名前で普及
その少し前に、佐藤勝彦が、同じ主旨の論文発表。学術的な堅苦しい名前。
欧米では、佐藤先生の業績は、あまり知られてない。
2016年 6月 29日 Slide 25深読み業界トレンド
PR が下手だと業績がないことになる その２
ブール代数とスイッチング回路 シャノンと中嶋章にもある。和田英一先生の指摘 デジタルコンピュータ実現の基本 中嶋章は、ブール代数の演算がスイッチング回路で実行できることをシャノンより先に示した
シャノンより先に、理論化を成し遂げた中嶋章 ( あるいは中島章 ) さんhttp://iiyu.asablo.jp/blog/2012/12/11/6657122
2016年 6月 29日 Slide 26深読み業界トレンド
まとめ。ある未来予想図
九州大学人工知能学部介護学科
AI+ ロボット +介護の融合学科
そこに自ら、体を張って介護ロボットのの実験台となっている先生がおられた
その実験台は、 100歳を超えた人工知能学部長、特別名誉教授の。。。
2016年 6月 29日 Slide 27深読み業界トレンド
まとめ。ある未来予想図その２
荒木啓二郎先生＼ (^O^)／
