今日(9月24日)
人工知能は企業の味方なのか?~人工知能はビジネスで、どんなことまでできる?~
を聞いてきたので、その内容をメモメモ
■知能の歴史 過去と今~知能についての物語~
・マスコミのAI(センセーショナル)ではなく
・企業のAI(利益追求型)でもなく
・研究者のAIについて語る
概要(1)
状況依存性→柔軟な仕組みはよくわかっていない
AI:構成的学問体系(広義の工学)→東洋視点
過去
・自己紹介
「知能の物語」 未来大出版社から
1978-1990 ロジックプログラム
1888-2000 状況理論
知能研究の立場
1.物理記号化説
知能の本質は記号処理にある
Newell,SimonらAI創始者
2.知能の本質はパターン認識(世界の分節化)にある
ニューラルネット、画像認識派
Deep Learning
3.環境との相互作用の重視
Brooksの服属アーキテクチャ(ルンバのもと)
オートポイエシス(自己産出)
状況依存性
※1はほとんどいない。2と3
古い(物理記号化説時代の)知能観
→認識→推論→行動→
環境
フレーム問題の発見
服属(Subsumption)アーキテクチャ
Brooks「昆虫の知能」
→認識→
→推論→
→行動→
環境
・水平型から垂直型
環境との相互作用を重視する知能間
環境に計算させる
Uexkull:環世界
Gibson:アフォーダンス
オートポエイシス
状況依存性
→認識→
→推論→
→行動→
環境
知能の物語
・薄墨:環境との相互作用
ユクスキュル:環世界
・生物から見た世界
・ヤドカリの環世界
社会的知能発生学研究会が書いた本
・知能の謎:認知発達ロボティクスの挑戦
社会知能の考え方
・集団としての環状・知能
模倣
他人のモデル
アリの社会
・社会としての知能
社会制度
文化
・社会としての進化
共進化
教育システムや文化の遺伝と進化
人間理解の階層(多層システム)
・社会(特に教育)
・個人
・早期
・細胞
・分子(遺伝子やたんぱく質)
Jeff Hawkins: On Intelligence
・大脳皮質の7層構造
トップダウンとボトムダウンの融合
・脳は外界からの入力と脳自体が想起した情報を区別できない
→夢と現実の違いは?
現在
・集団の統合原理にはいろいろある
実力
規範
無矛盾世界観
戒律形
審判規範形
容矛盾世界観
内部規範
暴走する科学技術文明
・集団の構成員は誰を見ているか
無矛盾世界観
神
容矛盾世界観
村長さん
外部観測→科学
システムの外、客観性
内部観測→工学
システムの一部、主体性
学と術
・サイエンスとアートは一部重なる
科学=サイエンスーアート
工学=サイエンスとアートの重なり
芸術=アート―サイエンス
・英語では虫の視点が取りにくい(状況依存性)
・状況依存性
Semantic Ambiguity
・Sapir-Whorf:言語相対性仮説
まとめ
・状況依存性は難しい
・トップダウンとボトムアップ
失敗からの回復
状況依存性を活用したUI
Herbert Simon:The Sciences of the Artificial
→システムの科学(1969,1981,1996)
公共交通サービスのクラウド化
・バスとタクシー
マルチエージェントシミュレーション
・U字型問題もシミュレーションで判明
U字発展問題:局所最適と対極最適
・マルチエージェントシミュレーション
・解決策:混ぜなければよい
未来
・Singularity(特異点)
→カーツワイル
ポストヒューマン誕生ーコンピューターが人類の治世を超えるとき(2007)
前提は2つ
ムーアの法則
人間より賢いプログラムができる
そのプログラムが自分より賢いプログラムを作り続ける(再帰的)
Singularityは本当に来るか
・人間より賢いプログラムは人間にかけるか
速度だけではだめ
将棋プログラムの例→学習によって強くなる
賢い学習→どうやって?
・独立知能から環境の重視
・個から社会
・東洋的
AIプロジェクト
・予測知能
AIの応用
・人間と共同作業
・対話処理
・自動運転
・データマイニング
・柔軟な受注
・柔軟な組織
■経営と人工知能
~人工知能的アプローチはビジネスにどのように転用できるのか~
・自己紹介
今の人工知能にできること
・画像認識
・LSTMによる不定長文分類
・オートエンコーダによるデータ解析
画像認識を経営にどう生かすか
・社員の顔を見て、声をかけて、その日の調子を判断する
経営者ならだれもが自然にやっていることですね?
→うんどうすると、しんじやすくなる
・事業が拡大して、社長が忙しくなると
いつのまにか社内のトラブルを見過ごしてしまう
・管理職がいるときは、よそいきの顔
・人工知能搭載カメラ
笑っているか、わらっていないか→幸福度
・相場をグラフにして画像処理
LSTM(ろんぐしょーとたーむめもりー)で何ができる
・あなたの顔がなんぱーせんと→CNNでだせる
・RNNをつかう
大量の文書を入力
→短い文を入れると、次の文字を予測
学習
ファインチューニング
・将来できそうなこと
デシジョンメーカーの時間を確保してまで
ボツ企画を見るのは時間の無駄である
→デシジョンメーカーの判断基準がNN化されていれば
時間を無駄にすることなく企画書をブラッシュアップ
・就職で使える
→NNで合否判断(社員で学習させる)
オートエンコーダー
教師なしデータから学習する
人工知能によるローカルビッグデータの活用
Word2Vec(Googleが開発したオープンソースの文書解析人工知能)
単語のベクトル化
King-man+woman=Queen
→主成分分析
社内にそんざいする売買履歴と社外のソーシャルネットワーク情報などを
総合して、まな見ぬ戦略的知見を得る
メタモルフォーゼが必要
人工知能による経営
・人工知能による経営の将来像
中間管理職/支援装置としてのAI
・決済者の趣味嗜好人格をコピーするパーソナルNN
最終面接
・ビッグデータから戦略支援を行うAI
UEIでディープラーニング
・How エッジ:ディープラーニングは公開
→尊敬されることで勝つ!
・What
ここをやっている
・Where:現実の現場
・20万円以下で買ったら、DeepLearningで学べる
・ディープラーニング専用GPUファーム 120万CUDAコア
→ドアンゴは消耗品として買っている(1億円弱)
・勉強の仕方を教えるほうがコストかかる
・ニューラルネットワーク対応ビジュアルプログラミング言語
■人工知能は私たちにも使えるのか
~テクノロジーのオープン化、サービス化がもたらすインパクト~
・自己紹介
人工知能
・強い人工知能、弱い人工知能(自動化)
自動化→推論→学習→パターン認識
・Google BrainにYouTubeをみせつづけ、猫
我々のビジネスはどう変わるのか
47%の仕事が自動化
・DeepMind,Siri:推論がサービスに
・自動運転→サービスを売ることも考えられる
メディアでも
・http://autometedinsights.com
ルーチンワークを
・スポーツ記事も
・医療:検査画像の解析 Enlitic
・ノウハウがたまっていると思うもの
農業分野でも
・レタスの間引き Blue River Technology
http://www.bluerivert.com/
人工知能のサービスとテクノロジ
・Machine Lntelligence LANDScape
産業のところに注目
・一番確実:再定義してサービス
蒸気機関
・できてから、広まるまで数十年
電気
・クラウド化する世界へ(Big SWITCH)
パソコンができて、Excelができたら、みんなの仕事は減ったか?
→先に行っている
Cloud of Clouds さまざまなサービスを組み合わせ活用する
・サブスクリプションモデルへ
サービスとしての人工知能
・Meta Mind
・Google Prediction API(有償)
・Amazon Machine Learning
・IBM Watson
・Microsoft Azure 機械学習ならGUIで
・SkyMind
→スタートアップ、スモールビジネスのほうがやりやすい
ITの変遷
VRM(データはおれのもの)
KDDIクラウド ITを利用型へ
・グローバルクラウドと高品質なキャリアクラウドを一括提供
■パネルディスカッション
人工知能を語りつくす
~産業界の期待へどうこたえるか~
(1)人工知能は企業の味方か?
・業務の一部を置き換えてコストダウン
・積極的に利用して
・小さな組織だからこその活かし方
中島先生:
企業は手段で目的ではない。答えが変わる
職がなくなる→なんのために
AIで何ができる:情報技術全体で何ができる?
人間がやっていたことの置き換え→コンピューターしかできないこと
帯域管理
企業のやり方変わる
清水さん:
・コストダウン:この瞬間では難しい
ビジネス展開:潜在ニーズ 人の採用→新しいニューラルネットワーク
カウンターデータの作り方
ディープラーニング学習用データ:新興国でもできそう
ディシジョンメーカーが理解できないと
藤井さん:
アメリカ:エンドユーザー側にいる
日本:エンジニアが進化しなくていい
ベンチャーが同じ結果を出せるものをつくれば、こわせる
成功体験がある:こわせない:意見とりいれやすい
Q:ノイマン方式以外、半導体以外は?
政治はどう?
A:ハードウェアは何型でも・・・
政治:可能性でいえば・・・
テクノロジー的には直接民主主義可能
Q:何かエラーが起きたら対処できるのか?
学習させる→それではね・・
人なら想定外でもコミュニケーションで解決
状況依存
将棋、ぢーぷラーニング:設定する問題がある
状況は違うもの?
A:Googleは検索にエラーがあるかもしれないけど、
使ってるよね。
→OKなレベルがある
予測しないことが起こったら・・・
仕様書の範囲はOK、仕様書の範囲を外れたら・・・
フレーム問題:問題の枠を設定できるか
→状況依存性:やるすべがない
(2)日本型人工知能はでるのか?
(統計処理でなく)
清水さん
CG:アニメ・まんが→CG観が生成できないか?
日本の財産:日本語の可能性
ハリウッドのCG:日本が
→コンテンツをAIがつくる
サザエさんがスマートフォン使ってる(長谷川町子はスマートフォンみてないはずなのに・・)
藤井さん
映像:言語に依存しない
中島先生
マルチエージェント
アメリカ:軍隊型組織
日本:3人寄れば・・・
アメリカ方式の限界
Q:意思決定に技術はどの程度知っていないといけないのか・・
A:
清水さん
どこまでやったらいいかと考える時点で勝てない
自分で意思決定したいなら、とことん知れ!
ただ、そんなことをやっている人はいないが。。。
藤井さん
日本的組織と、海外はちがう
ロール&れスポンシビリティによってちがう
アンテナだけは高くしておくべき
中島先生
全部です。
アメリカの経営者はもっと知っている
バズワードでは足りない
世界のTOP20人のうち、6人はハッカー
いじょう・・・