Recommandé
Contenu connexe
Tendances
En vedette
En vedette (17)
Similaire à 人と人工知能１
Similaire à 人と人工知能１ (20)
人と人工知能１
- 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. 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. 人工知能って？
- 9. 機械学習
- 10. 一番簡単な機械学習
- 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. 重さ 高さ キリン 象 ウシ
- 13. 重さ 高さ キリン 象 ウシ
- 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. 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. ３．どう線を引く問題
- 21. 実際の問題 手書き文字認識
- 24. 次元を減らす
- 25. 次元を減らす
- 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. 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. 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
- 34. 人型AIはいつできる？
- 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）
- 40. 近未来は、環境分散型AI
- 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. 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
- 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. じゃあ仕事はどうなる？
- 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
- 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. 仕事はより人間らしいものへ
- 68. では社会はどうなる？
- 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. 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. • 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. 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
- 75. 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。
- 76. 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。
- 79. 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！
- 80. 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
Notes de l'éditeur
- 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。