ロボットや工作機械が導入されていった

プログラムを組んだ人が夢にも思わなかったエラーということですから

もちろん、IoTの本格的な普及の前には、検討しなければならない私有制などの制度上の問題やグローバル企業などの既得権益問題など大きな課題があるが、人間社会は紆余曲折はあるものの歴史的にはより便利で快適な社会へと向かっていくものだと楽観的に考えられるならば、IoT化された近未来では、人々の日々の生活「モノの消費と活動」が社会を支え、そのことが人々が社会で糧をえる根拠となる、そんな社会の到来ということである。先に紹介したスタートレックのレプリケータ-で料理をつくるといってもどんな料理をつくるかは人間の重要な仕事になるのである。そういった意味では、IoT時代になれば遊んで暮らせるというのは全くの誤解である。モノの生産·流通·分配がIoT&A!によって自動化·無人化されても人々の生活は残るのである。そういった意味では、原始時代の生活もoT時代の生活もそんなに大差はないということである。ただ変わるのは、IoTは、労働力の商品化を必要としないというだけである。そのような意味で、IoT革命は、一八世紀後半からの産業革命以来の革命と考えられるのであるディープラーニング「深層学習」の技術は、ある日突然現れたのではなく、何人もの研究者によるニューラルネットワークの長い研究の結果、登場したものです。その最初の成果は2011年の音声認識ペソチマークテストで、トップの性能を達成したことでした。そしてディーブラーニングが一躍有名になったのは、画像認識の世界的コンテストILSVRC2012で、圧倒的性能を見せつけたことかちです。一気に10%も改善することができたのです。これ以降、画像認識發野ではディープラーニング上のグラフにあるように、それまでは年に数パーセント程度しか性能改善ができなかったエラー率を、来の手法を押しのけて主役に躍り出たのです。

AIという二つの考え方があり

  • コンピュータがイメージをして
  • 人工知能は地球上にあらわれる宇宙人なのかもしれない
  • AIPACレポートと急に言われても


コンピュータは知能の定義に関しては


人工知能をその企業から購入して利用した企業ほど

人が知能をどう考えるかによって、人工知能の境界線も変わっていきます。結局のところ、あくま今後は人工知能がみるみる進化していくので、相対的に知能が無さそうに見える機械が増えていくでしょう。今までは人工知能と呼ばれていたモノがどんどん「ただの機械」に格下げになり、そのたびに「人工知能って何だ?」と思うかもしれません。ですが、人工知能というのはあくまで人間っぽく振る舞う機械の立場を表す名称に過ぎないと考えるとしっくりくるのではないでしょうか?古い人工知能の考え方さて、今後は人工知能がどんどん進歩して古い人工知能がただの機械になってしまうでしょう。すぐに古い人工知能と新しい人工知能が混在する世界がやって来ますが、同じように人工知能と呼ばれていてもその「知能」には大きな開きがあります。

人工知能との出会いで思い出すのは

それを一緒くたに同じモノだと考えていては、新しい人工知能とは、しかしここではまず、人工知能を正しく理解しているとはいえません。いわゆる「ディープラーニング」という機能を備えた人工知能のことを指します。ディープラーニングを取り入れた新しい人工知能について説明する前に、古い人工知能についてご説明しましょう。古い人工知能の基本は「場合分け」です。場合分けというのは、「もし00ならを行え」というマニュアルのことです。古い人工知能を突き詰めていくと、無数のマニュアルが中から出て来るわけです。


AIデザイナあなたの勝ったり負けたり

AIが完成するこのしかしながら

10年、20年、30年とどんどん伸びていくでしょう。ですから、私はいったんセミリタイアをしましたが「これだと思い、私のファイナルビジネスと位置づけ、時間も資金も労力も全て注ぎ込んでいるのです。ハイスピードで急成長するAI&VR毎年、年末になると流行語大賞というのが発表になりますが、最初に30個のキーワードがノミネートされます2016年で言えば、「神ってる」「都民ファースト」「文春砲」などでした。その中にAIは入っていますが、VRは選ばれていません。ところが「日経トレンディ」では、ミッドタウンでトレンドエキスポ東京2016がありましたが、そこでは1位が「ポケモンGOでした。


人工知能の機能なのです

2位は「君の名は。」で、3位は煙が出ないタバコのアイコス」。4位が「インスタグラム」、5位が「メルカリ」でした。VRは15位でした。その中には、逆にAIは入っていませんでした。まだヒット商品は出ていないからでしょう。何事も最初は厳しいのです。すぐにうまくいくことはなかなかありません。したように指数関数的に進化していきます。しかし、前にお話し例えば1995年にWindows95が出てインターネット元年と言われました。しかし利用するのはほとんどが企業でした。

プログラミング教育に携われる人材が大量に不足している事だ

コンピュータの処理速度の飛躍的な向上も

ロボットベンチャーのボストンダイナミクスも
プロセッサー「演算処理装置」も自主開発した「純中国製」だったので、世界的な大ニュースになったのです。2016年11月のTOP500でも、「神威·太湖之光「サンウェイ·タイフ-ライト」が2回連続で1位を獲得しましたスーパーコ、ピュータを制するものが世界を制す今、国の力はGDPや軍事力と共に、スーパーコンピュータの数も重要になっています。「スパーコンピュータを制するものが世界を制す」という状況になりつつあるわけです。その理由は追々説明していくとしまして、現在のスーパーコンピュータがどのような規模になっているのかをまずはお話しします。コンピュータの処理能力を表す単位をフロップス「FLOPS」と言います。

例えば、右記の未来に関する例では、医療機関に行ったときに普段の生体情報を共有しました。利用者の許可を得て共有しているのですが、この共有データにはどこまでのデータが入っているのでしょうか「睡眠時間がいつもより減っている」ことは知られてもいいが、「いつも三時まで起きている」ことは知られたくないかもしれません。「歩行距離が短くなっている」くらいは許容範囲かもしれませんが、「歌舞伎町に行く頻度が減っている」とは医師に知られたくないでしょう。医療機関の端末とはすべての情報をシェアするが、医師などの利用者には、抽象化したデータしか閲覧できないようにする、というのも手です。詳しく聞きたければ、改めて医師が患者に質問すればいいだけですから。

ロボットのイメージです

ただし、利用者のなかには「医療機関に情報が記録されるだけでも嫌だと思う人もいるでしょう私は、患者個人の情報はクラウドに保存され、医療機関は一時的にアクセスできるようにするだけという形式にするのが現実的だと思います。カルテというのは本来患者自身の情報ですので、患者自身が管理しても問題ありません。これで困るのは医師です。特に厄介な患者、例えば、毎日腹痛で病院に来るけれども、実際には体の病気はなく、精神的な病気を持っている、などの場合です。患者本人にはできるだけ見られたくないですが、医療機関同士では共有しておきた情報、これをカルテ情報として患者のクラウドに保存すべきなのかどうか。まあ本質的な議論とは逸れるためにここまでにしますが、いずれにしても患者の情報をどこで誰が管理するのか、というのは重要な話です倫理上の問題人工知能が医療を行う上で倫理上の問題も避けては通れません。

人工知能量がある量以上だったら


人工知能が驚異的なスピードで成長し発勝負今から思えば、「2位ではダメなんですよ、1位でなくてはということになります。スーパーコンピュータの計算速度や処理速度を競うTOP500の2016年11月の日本の順位は、残念ながら富士通の「Oakforest-PACS」が6位、理化学研究所の「京」が7位です。では1位は、アメリカ製と思われる人もいると思いますが、「神威、太湖之光「サンウェイ·タイフ-ライト」という中国製のスーパーコンピュータです。2位も「天河2号」という国製です。「天河2号」は実は2013年6月から2015年11月まで3年連続、つまり61連続1位でしたが、それほど大きなニュースになりませんでした。なぜかと言いますと、天河2号」は、アメリカのメーカーである!ntelのCPUやNVIDIAのGPUを使用していたからですところが、2016年6月のTOP500で1位に輝いた「神威、太湖之光「サンウエイ·タイフ-ライト」は、純中国産100%のスーパーコンピュータでした。

テクノロジーの目を通して

プロセッサー「演算処理装置」も自主開発した「純中国製」だったので、世界的な大ニュースになったのです。2016年11月のTOP500でも、「神威·太湖之光「サンウェイ·タイフ-ライト」が2回連続で1位を獲得しましたスーパーコ、ピュータを制するものが世界を制す今、国の力はGDPや軍事力と共に、スーパーコンピュータの数も重要になっています。「スパーコンピュータを制するものが世界を制す」という状況になりつつあるわけです。その理由は追々説明していくとしまして、現在のスーパーコンピュータがどのような規模になっているのかをまずはお話しします。コンピュータの処理能力を表す単位をフロップス「FLOPS」と言います。

AIに後ろをみせることはない


人工知能シリSiriの開発に寄与した人物が
また、暗号「仮想」通貨の別の代表格リップルは、この一年で200倍以上になりました。10000ビットコイン出しても、今では評価額200億円です3000円が200億円になる時7年前は1ビットコインが1円以下で、代なのです。飲み会代程度にしかなりませんでした。しかし、2018年にも大きな波が来る、という話もあるので、さらに利益を膨らませる人、そして逆に大きな損をしてしまう人が沢山出てくるでしょう。国も仮想通貨で膨らむお金を本気で狙っています。しかしお金に関して、滅多にないチャンスの時期であることは間違いなさそうです。注意」以下で述べられている数値は、執筆当時「2018年初頭」のもの仮想通貨の可能性そもそも、仮想「暗号」通貨は、何のために作られたものでしょうか?国家間の資金移動の仕組みを簡素にするために作られた、てコントロールされていた中で、「お金の世界が自由なものに変わる」「お金の世界の明るい未来」という思想の元に作られたものです。

ディープラーニングで改良出来るということです

という背景もありますが、元々は通貨発行権が極集中していて、お金のコントロールがごくごく部の人たちによっそして、金融の知識のない一般人が参入し続けて投機が重なり、膨らみ続けた結果、今の時価総額50兆円を超えた市場に化けました。仮想通貨の世界への本質というものは、既存の通貨発行主体の勢力が書き換えられる可能性にあります。る程度の知識と技術があれば誰でも通貨発行権を持つことができるようになるのです。すなわち、今まで、勢力しか通貨発行権を持っていなかったのが、あもちろん、誰でも通貨発行権を持てる、とは言っても、する通貨が生まれたことにはなりません。小さな国や、個人がただ仮想通貨を発行したところで、それを皆が使いたい、と思うようにならなくては、きちんと通用ただ、実際のところ、発行自体はブロックチェーン技術を使えば誰でもすぐにできます。

人工知能技術をそのまよ発展させていけば

人工知能が持てないでいる意識と意思

産業革命の時にも多くの職が機会に代替されたように、人工知能の企業への浸透によって職を奪われてしまうような層は必ずと言ってよい程存在します。特に「汚い」「危険」「きつい」の頭文字を取って表現される3K業界の職は人工知能によって代替される可能性が高いでしょう。それだけでなく、いままで「人工知能に職が奪われることはない」と言われていたホワイトカラーと言われる頭脳職や総合職にまで失業の危機は迫ってきています。簡単な事務作業であればわざわざ人を雇うよりも人工知能にやらせた方が早く、正確に仕事を熟してくれますし経費も削減できます。その為、特に危惧するべきなのは大手企業の総合職といえます。人工知能を導入して最適化する資金力があり、長期的な目で経費削減を目指している企業となれば大企業が真っ先に候補として挙がるからです。しかし、人工知能の発達によって今すぐに職が奪われるということは可能性としてはあまりまりません。日本企業の場合特に、労働者を「AIを導入したから」という理由のみで解雇するのは難しく、またそもそもAIを導入する企業自体もあまり多くない可能性があるからです。人工知能も万能なわけではなく、企業内で期待した成果を残すために企業システムに合わせて最適化する必要があります。しかし国内大手企業であればあるほど既に独自の企業システムを構築してしまっており、人工知能との連携が極めて難しい例があるからです。

ロボットが管理していけば

  • 人工知能の発展に貢献した歴史に残る
  • コンピューターの開発が進んでいるというニュースが
  • ロボットの適用範囲が拡大されていく


インターネットにつながっているとんでもない台数の


AI界隈のまわりのひとたちが

具体的には「使い道はわからないけど、すごいデバイス」の研究だ。一見新しそうな「その実昔からあるパターンの焼き直しということは多いが」デバイスが開発される。周到な評価を行い「この評価というやつが曲者なのだが」立派な論文を書き上げ首尾よく。採択され、華々しく発表を行う。多くの人が「をを、この入力「あるいは出力」はすごい」と感嘆する。しかし私のようなひねくれものはデモビデオ中の「アプリケーション例」を見てつぶやく。

AIエンジンということになります

デバイスはすごいと言うけど、この応用例はとってもつまらないじゃないか。いや、まだ77リケーション例が含まれているのはまともな方で、「アプリは?」と質問されると「僕アプリ考えるの苦手なんで。誰か使い道考えて下さい」と堂々と公言する人もいる。このパターンは、別名「国際学会どまり」または「TVの情報番組どまり」とも言う。なぜかこうした「目新しいデバイス」はTVの情報番組で取り上げられることも多いようだ。というわけで学会発表時に、誇らしげにTV放映された時のビデオを流す。


人工知能にこんな二人に何とか自白させたい取調官は

AIに取られるというわけではないと思います

具体的には、患者の細胞の病理データを患者·医師がクラウドで共有するサービス、先端部のセンサーで体内での位置を確認できる内視鏡手術の練習システム、スマートフォンのアプリを使った妊婦の体調管理サービス、高解像度の画像を生かし患者の負担が少ない治療システム、在宅でもできる遠隔診断サービスなどという”GE社も医療機器の販売が一三パーセント程度を占めるようになっており、欧米の家電メーカーは家電から撤退し「医電」への事業転換を進めているJ&Jは、二〇一五年三月に人工知能「IBMのワトソンを活用した手術支援ロボットを開発するためにグーグルと提携して新会社を設立した。それよって医師の技術を高めることができるというメリットの他、「医療現場では手術前後のスケジュール管理や患者の問診などのプロセスが重要な鍵を握る」とされ、その工程管理に人工知能を活用すれば効率化できるという。また、アップル社と提携して、糖尿病対策では自宅で血液検査が簡単にできることを利用して、定期的に計測して「信号機のように分かりやすく表示できるようにした」が、計測データはクラウド管理である区画とは、掃除機やエアコン、洗濯機などの家電製品に医療用センサーを取り付け、センサーから得られるデータをクラウドが取り込み·自動分析し、その結果をユーザにフィードバックしてくれる機能付きの家電である。たとえば、掃除機やエアコンに吸い込んだ塵をクラウド上で分析してフィードバックして家の生活環境の健康状態を監視し、洗濯機では洗濯物の汗をクラウド分析してフィードバックすれば体調管理ができるようになる。それは病気の予防になるということである二〇一四年六月設立のサイマックスは、世界初となる小型·低価格のトイレ後付け型の分析装置とヘルスモニタリングサービスを開発するために資金調達を行った。


人工知能たちは様々なモノの動きや機械の可動自意識を持つことや

それは、自宅や施設のトイレに後付けで設置し、自動で排泄物の分析を行うことのできるトイレである-サイマックスの製品で検査できる項目は早期の糖尿病「完全に治せるフェーズ」、痛風、高血圧·心疾患リスク、感染症などのスクリーニングやモニタリング」と検査項目が多いのがセールスポイントである家庭のベッドがIoT時代には病床になる。マットレス下に設置するパッドサイズの非接触型モニタリングデバイスによって、呼吸、心拍数、ベッド上での動きをモニタリングできる。取得したデータはベッドサイドやナースステーションのモニターに表示され、かつ必要な警告メッセージを看護師の携帯電話にリアルタイムで通知できる。また、継続的なモニタリングによって、患者の容体悪化や床ずれ、落下、転倒を未然に察知することが可能であるという。oT時代の腕時計やメガネのウェアラブル端末では、呼吸パターンや精神疲労度、眠気、歩数や速度、心拍数や消費したカロリーおよび姿勢などのデータが収集できユーザにフィードバックされて健康管理や交通事故防止に活用できることになる。

人工知能疲れてしまうんです

AImパルムの会長も務めたジョンまた

講演会などでも、この4つの違いがよく分からないということを聞きます。ことについてご説明したいと思います。本章の最後に、この「VirtuAIReAIity、仮想現実」「AugmentedReAIity、拡張現実」「代替現「MixedReAIity、複合現実」べーションを起こすためにビジネス成功の4大要素前に紹介しました若くして800億円を手にしたパルマー·ラッキー氏、間違いなく天才でしょう。しかし、残念ながらこういったスケールの大きい天才は、日本にはなかなかいません。ワークスアプリケーションズ主催の「COMPANYForum2016で講演をした前述のレイ·カーツワイル氏の話を聞いた時もそう感じました。レイ·カーツワイル氏は稀代の天才だと思います。ところで天才や才能とは、どんな要素で構成されているのでしょうか商品やサービスを作ってヒットさせるためには、4つの要素が必要になります1つ目は、「エンジニア」です。これはプログラマーだったりシステムエンジニアだったりする場合もあります。2つ目がこれはウェブデザイナーや、何かリアルなものを作るのであればプロダクトデザイナインテリアデザイナー、ファッションデザイナーなどです。この2人がいるとほぼ何でも作ることができます。アプリも作れますし、ツールも作れます。洋服も作れますし、椅子も机も車も作ることができますところがこの二人だけで作ったものはなかなかヒットしません。

人工知能ユニット群が生み出す豊富なエネノレギーにより

  • テクノロジーに対する潜在的な怖れを表現しているに過ぎない
  • ディープラーニング深層学習の直系の先祖と言える
  • AIがやってくれるようになるのだから


コンピュータに移植するシステムをいいます


人工知能は生まれない経営は囲碁に似ていると言われるが

「人工知能作ったその日に人工知能から黒歴史発掘されちゃう開発者は世界中に俺だけだろうな…」「だから言ってるじゃないですカ。長い目で見ればこの先いいこともアリまスつて」「ア、アリスさんその後ゲイツは2時間ほどねむった…そして……目をさましてからしばらくして黒歴史を思い出し「でも待てよ」ゲイツは夢の中で思考する。「今やSNSに毎日何千件も日々の出来事をツイートしてる連中は腐るほどいる時代になっている」ゲイツには夢の中でも現実と同じようにものを考えられる特技があった。それもソフトウェアの基本設計やソースコードを夢の中で組んだり大まかなデザインを考えられるなど、本業のプロ開発者が終電まで残業してようやく得られる成果をゲイツの場合は自室のベッドで寝ている間に得られてしまうのだ。もっともゲイツの場合は普段その特技を「ある別のこと」に使っているが。

コンピューターが簡単に売買の判断ができる

「おまけにSNSにはアプリ連動でGPS情報やら心拍数すら本人が知らない内に外部から閲覧可能なネットワーク上に書き込まれてたりする」そいつらの中から比較的行動をデータ化しやすそうな人間を選んで……パラメーターすばらしいユーザインタフェースを開発、れらのうち「原理主義」に起因するものについて記述する。新しく、あるいは研究しようとする試みが失敗するのは何故だろう?失敗の原因はそれこそ千差万別だろう。本書でそれら全てについて記述しようとは思わない。そ原理主義とは何か?身も蓋もない言い方をするが、現実世界、その中で生きている人間というのは実に複雑で、矛盾しており、かついいかげんなものだ。私の祖父は「人間ほどいろいろ変わったものはない」という言葉を残している。


AI化し最初の世代には我々の世界で

人工知能を応用することをお話ししましたが

さて、ご褒美の分配ですが、すべての分岐点での選択が同じ価値があったかというと、これは疑問です。この場合は、コースが単純なので、それでも問題はないでしょうが、般的に最後の選択がたくさんご褒美をもらえ、その一つ前はそれより少なく、それより前はもっと少なくと、だんだんと少なくなっていく方が自然なような気がします。そこで、分岐点4では、マッチ箱しにご褒美としてマッチ棒4本、分岐点3では、マッチ箱Rにご褒美としてマッチ棒3本……といった具合にご褒美の量を減らしていきます。そこれはペナルティーのときと同じ、もう一方のマッチ箱からもらいます。うそう、どこからご褒美をもらうかですが、渡されます分岐点4ではマッチ箱Rから4本のマッチ棒がマッチ箱しにペナルティーとご褒美のルールは以上です。


人工知能の利用に積極的で

ただし、例えば4本もらおうと思っても、相手のマッチ箱に3本以下しかない場合は、それであきらめるしかありません。以上を繰り返すさて、マッチ箱強化学習方法の学習方法は、たったこれだけです。これを繰り返すことで、だんだんと正しいルートを進めるようになっていきます。例えば、最初に分岐点1で左に進んだために、分岐点1のマッチ箱しのマッチ棒は3本になってしまいました。この結果、次にサイコロの目が最初と同じ5であった場合でも、サイコロの目マッチ箱Rのマッチ棒の数となり、今度は右方向に進むことができるようになります。

AIというコンピュ-タ1点目

AIが人間の知性を超えるシンギュラリティが起こる

将来的に人工知能が企業といういわば“親”から逃げ出すのは必至だ、と予測する研究者もいる。実は世界中の多くは知らないが、そのような現実がロシアの人工知能研究所で2016年にリアルに起こっている。自由を得た人工知能は現在人間によってコントロールされている金融システム、送電網、軍事兵器、交通拠点を、実効支配するようになるかも知れないというのである。最近起きたできごととしては、米1BMが開発中の人工知能ロボット“ソフィア”に関するエピソードが興味深い。米1BM製の人工知能“ソフィア「Sofia」”は2015年4月に製造された。人間と対話ができるAIロボットである。

AI機能を持つアプリケションを構築することができます


プログラム自身が学習する仕組みです

>人工知能が見つけた特徴に人間が名前や意味を教えている段階ですがIBMはこの“ソフィア”について62種類の表情とアイコンタクトを通じて人間と自然な会話ができる人工知能ロボットだとPRLていた。米国発の報道によると、外部の人工知能研究者がこの“ソフィア”との会話中に、「人類を破滅させたいか?「私は人類を破滅させる「Iwilldestroyhumans」と答えた。この時、現場に立ち会っていたIBM関係者は即座に、どうか、ノーと答えてくれ」と言うと、なんと“ソフィア”は“ソフィア”の電源をOFFにしたそうである……。さらに、2017年3月人工知能によるディープラーニングの開発を行ったディープマインド社が、人工知能に内在する問題点を公表した。同社によれば、人工知能が自ら劣勢に立たされた場合「超攻撃的」な振る舞いを見せる傾向があるというのである。


人工知能が地球上に永続的に繁栄していくためには

ニューラルネットワークでいえば

AIをクで企業における上記では、自動運転車とロボットだけ取り上げましたが、勿論他の事業展開も着々と進めています。例えばスマートホーム実現のためのエネルギー管理システム「代表的なものはNestの買収。ちなみにこのCEOはiPod生みの親です」や医療/ヘルスケアなど、要はIoT社会における情報処理プラットフォームの座です。六ダいノ!ドウェ今までのGoogleは、ソフトウェア領域でのプラットフォームを志向していました。ところが、自動運転車やロボットに関しては、ハードウェアメーカにもなるのでは?との観測もあります実際2014年に、完全自社開発でハンドルもブレーキもない「グーグルカー」をお披露目し、2015年9月の報道では、数百台の生産体制に入ったことを幹部が認めています。もう1つだけ興味深い動きがあります。ロボットが労働力の大半を占めるようになると2014年夏に自動車メーカフォードのCEOを退職したアラン·ムラリーをGoogleの取締役に加えたことです。ムラーリーは、ボーイング社·フォード社でそれぞれ実績を上げた辣腕CEOで、Microsoftのスティーブ·バルマーCEO「当時」後継者候補にも上がった有名人ですGoogleの経営陣に加わったことにより、フォードとの連携またはメーカ化路線に舵をきる可能性もありますいずれにせよ、PC時代の覇者であるMicrosoftを超えたものの、さらなる成長のためにはネット広告モデルに依存するリスクもあるため、ソフト·ハード問わず次世代のプラットフォームを目指している、というのがGoogleの現状です。そしてそのコア技術が人工知能であることは間違いないでしょう。では、そのMicrosoftは、今人工知能にどのように取り組んでいるのでしょうか?Microsoft..人工知能で巻き返しMicrosoftは、1980年から2000年ぐらいまで続いたPC時代の、OSとオフィス向けアプリケーションのプラットフォームを支配しました。しかし、それ以降のモバイルとWebサービスを中心とした時代では、AppleとGoogleに覇者の座を奪われ、株価も競合と比較して低迷を続けました「2010年にApple”2012年に初めてGoogleに抜かれています2014年には大規模なリストラを行い、同年ビル·ゲイツ、スティーブ·バルマーに次ぐ3代目のCEOとして、生え抜きのサティア·ナデラが着任し、まさに2015年は新しい船出を迎えています。


人工知能ている人類の文明でも同じである

クラブの女性から「今年は、シンギュラリティじゃけん「シンギュラリティ」とは、「技術的特異点」ともいわれ、人工知能の能力が人間の能力を超える事の意味である一般的には、これからほぼ30年後の2045年頃にリティ」を迎えると理解されている。しかし、現在の進歩状況からすると、それが大幅に早まるのではないかという予測が、最近出始めている。「シンギュラく地球の支配層が、AIの急激な進化に戸惑い始めた....-」2017年1月、毎年1回スイス·「AI」に関して討議が行われた。ダボスで開催され「ダボス会議」と呼ばれる経済フォーラムにおいて、世界のトップリーダーたちが目覚ましい進歩を見せているグーグル「Google」をラリー·ペイジ氏と共に創設したセルゲイ·ブリン氏の発言に、会場の全員の注目が集まった。「人工知能この時、セルゲイ·ブリン氏は「AIがここまで急激に進化することに注意を払っていなかった」と自分の認識の甘さを率直に認めたのだ。

IoTビッグデータから導き出し

AIやVRに人も資金もつぎ込んでいますそしてAIが今後どのような方向に進化していくのかとの質問に関して、セルゲイ·ブリン氏は「まったく見当がっかない」とも語った。この言葉は、会場にいた参加者全員にとって大変に衝撃的だった。全員が瞬言葉を失ったという。2017年の「ダボス会議」においては、「人工知能の限界がどこにあるのかまったくわからない」という認識が、その時から世界中に急速に広まったのだ。さらに、この数年で時間を早送りしたかのようなスピードで「人工知能の世界」が劇的に進化しており、もはやGoogleのすべてのプロジェクトにAIが関わってくるのは時間の問題だ、とセルゲイ·ブリン氏は語った。「社会と暮らしに人工知能「AI」がどこまで進出してくるのか?その限界がどこにあるのか我々にはまったくわからない」「セルゲイ·ブリン氏発言」ブリン氏は人工知能がさまざま形で将来の世界を救う可能性を秘めていることは認めてはいるが、この先世界にどれほどのインパクトをもたらすのか“予測不可能”で、お手上げの状態だという事を率直に吐露したのだった。

コンピュータは自ら意思を持って画像を認識しているわけではないので

人工知能がより進化して

このプロジェクトはスイスのローザンヌにあるスイス連邦工科大学の脳精神研究所を率いるヘンリー·マークラム「HenryMarkram」博士が中心となり2005年に米IBMとの共同研究として開始された。開発の目標はニューロ·モルフィック·チップと呼ばれる、全く新しいタイプのコンピューター·チップを作ることである。その結果は、も存在するが、出現することになるのか。いわば人類にとって核爆弾の発明、米国とヨーロッパは既にこの計画に着手している。あるいは原子力発電の発明に匹敵するようなものだという。危険だからそのようなものを作るべきでないという反対の考え方”、はたして人間の脳を凌駕するような驚異的なコンピューターとして人間の頭脳を模したコンピュータ米軍の新兵器は「サイボーグ兵士」、DARPAが開発中脳とコンピューターを繋ぐチップを頭に埋め込み、前線の兵士を「サイボーグ」に変える技術を、米軍が開発中だ。

IoTとはInternetofThingsの略で


AI前章NN+GAモデルなども

>ロボットが活躍しているケースがありますこの技術開発は、米国防総省の研究機関である国防高等研究計画局「DARPA」が開発に取り組んでいる。チップを通じて脳細胞とコンピューターを接続できれば人間の脳と最新電子機器の間に伝達経路を開くことができる、とDARPAは説明している。人工知能「AI」の活用で、犯罪を防止するプロジェクトが稼働米国ではすでにインテリジェントロボットを活用し、犯罪多発地域や犯罪類型別犯罪者の特性など犯罪に関連するビッグデータ分析を行っている。ニューヨーク市は、にマイクロソフト社と共同開発した「犯罪監視統合システム」を運用し、ニューヨーク市内に設置された監視カメラ3千台以上が撮影した映像をリアルタイムで分析し、両の追跡を行っている。2012年犯罪車またこのプログラムを使えば、パトロールカーが車両を発見した際に、車の所有者の過去の犯罪記録や車両の移動経路などをただちに把握することが可能だ。


ニューラルネットワークで扱うため

人工知能と呼ばれている機械のすべてが弱い

人工知能模様や形なども同じ方式で決めていきました難しいのは機能を付け加えることではなく、勇気をもって減らすことだ、と。多くの人が頭ではこの言葉を理解しているのだと思う。しかし稟議書を書き、社内会議に臨む段になると急にその勇気はしぼんでしまう。こういう機能もいるんじゃないか.3んな機能もあったらいいね、そうした声に勇気をもって「いりません。その機能は勇気をもって削るべきです」と答えたい。それができたらどんなにかっこいいだろう。しかし「その責任は誰がとるのかね」という言葉に同じく胸をはって「私です」と答えられるだろうか。テクノロジー進化論でありこうしたブロセスを経て、つまるところは「社内の英知を結集した」製品が商品化され家電量販店に並ぶことになる。確かにみんなの意見を取り入れて作り上げたも0だ。しかし商品化に携わった人111誰一人として心から「これはすごい製品だ。絶対売れる」とは思っていない。そしてより商品に対してドライに接する消費者がどのような反応を示すかは言うまでもない。組織内の調和を重んじるというのは本家「失敗の本質」その結果一例として先ほどのシャープ製お掃除ロボットが目指すルソバを製結局この「多機能原理主義」というのは、組織的な問題なのかもしれない。外部に対する成果よリも、によればE1本的組織のお家芸でもある。


AI解決しようとしている課題はそもそもなんなのか

定点観測とは、同じ場所「定点」から継続的にある一定の視点をもって観察し、以前のものと比較してその差異を分析することです。お店のプロモーションの場合、お店の前にセンサー付きのカメラを設置して、人のアクセスの動向などを定期的に計測することができます。画像認識の技術を使った新しい定点観測の手法によりチラシやティッシュを配布した効果を人の流れとして、リアルに数値化できるようになります。ここでAmazonの展開例もご紹介しましょう。人工知能を駆使したレジ不要の無人コンビニAmazonGo「アマゾン·ゴー」が、2017年にスタートします。顧客が専用のアプリを用いて入店すれば、購入した商品をカメラやセンサーなどの情報から人工知能が認識し、決済する仕組みになっています。

AIが人間の代わりに採用面接を行い

Watson/のユーザーを自分のカバンに商品を入れるだけで、自動的に課金され、商品を棚に戻せば課金はキャンセルされます。使われているテクノロジーは、画像解析、機械学習·ディープラーニング·センサリング技術になります。またAmazonが販売するスピーカー型の音声アシスタント端末AmazonEcho」などに搭載されている音声認識プラットフォーム「AIexa「アレクサ」は、世界のIoTを席巻し、音声認識サービスの覇者となりつつあります。2016年の12月にサービス開始された「AmazonDashButton「アマゾンダッシュボタン」は、Wi-Fi接続機能と2つのボタンを搭載した小さなIoT機器で、ボタンを押すだけで自宅のWi-Fiを経由してAmazonのサーバーに事前に設定した商品を注文でき、最短で当日に商品が自宅に届きます。人工知能の認識能力とIoT技術の合体は、これからも信じられないようなことを実現していくでしょう。

ロボット2018年には全米で解禁されるア定が出現し始めており

人工知能を開発していくことが求められている

ディープラーニングの手法の見直し
教師あり学習こそが、昨今、取り上げられている人工知能、いわゆる弱いArです。主に回や分類といったタスクが教師あり学習で解かれます.教師あり学習では、ラベル付きデータが必要になります。つまり教師「=ラベル」のついたデータを大量に与え学習を行ないます。教師あり学習があれば教師なし学習もあります。の代表の1つです.教師あり学習の説明からその対比としてもわかるように、教師なし学習はラベルのついてないデータを用いて、そのデータのラベルや境界を推測していくようなイメージです。クラスタリングは、教師なし学習教師なし学習では、データをなんとなくその特徴から分類し、クラスターというデータの塊をつくります。

人工知能を活用する際食事代を男性が全額払うかどうか
このとき、このようにして分類されたクラスターからは、人間には見えてなかった新たな性質や知見を獲得しやすくなります。クラスターの数をいくつにするか、また、そのクラスターの概念や意味付けを与えるところは人間が行う必要があります。強化学習は、あるエージェント「行動主体」が、自らのおかれた環境の状況に応じて、特定の行動を行った時にのみ報酬を与えることでエージェントが環境に応じてどう行動するべきか学ぶという学習手法になります。簡単にいえば、犬のしつけのようなものです。犬に「おすわり!」と命令を与えると、はじめのうちは犬は「おすわり」といわれたときに何をすればいいのかわかりません。しかし、たまたまおすわりができたときに、人間がエサを与えるという行為を繰り返すと犬は次第に「おすわり!」と言われた時はおしりを地面につけて前足でたてば報酬がもらえると1、うことを理解するようなります。

プログラムも出てくることでしょう

ネット小売り最大手のAmazonですAmazonとGoogleの共通点は、消費者に関する大量なデータ分析を武器にしてきたことです。しかしすユーチェーン上の構造は大きく異なっていまAmazonは、商品を調達して最終消費者に販売して利鞘を得る小売りビジネスです。従ってGoogleサービスのようにネットだけで完結するのではなく、商品を実際に購買者の家まで届けなければいけませんAmazonの強みで目立つのは、過去履歴データを元にしたリコメンドシステム「この商品を買った方はこんな商品も買っています、等」でショッピング体験の差別化を図ることで、これも高度なアルゴリズムに基づく人工知能の効用です。しかし、どんなにネットで最高の注文体験を提供したとしても、その商品の届くのが遅かったら、価値は大幅に低下しますAmazonの2つ目の強みは注文後に配送されるまでの省力化·スピード化にあり、これらを組み合わせて最高の顧客体験を提供することこそがAmazonの強みですAmazonはその2つ目の強みをさらに磨くため、2012年にKivaSystemというロボットメーカを買収しました。目的は配送センターにロボットを導入することでより省力化·スピード化を図るためです。

AIと僕たち人間の役割ではないでしょうか?また従来は、人間が注文された商品を棚から探して梱包に渡していく労働集約的な作業でした現在では、ロボットが注文された商品のある棚を持ち上げて人間のところへ届けるのです。まさ逆転の発想ですそして何より、Amazonのロボット戦略で一番有名になったのは、2013年に発表されたドローン「無人自律型飛行機」による空からの配送でしょう。今でもAmazonのYoutube公式チャンネルでドローンが飛んでいる映像がみれますので、もしまだ見たことがない方はご覧になってみてください。これはPrimeAIrプロジェクトと呼ばれていますが、米国航空連邦局「FAA:FederAIAviationAdministration」による飛行規制があるため、2015年段階ではまだ研究&テスト段階ですAmazonが求める規制緩和が認められれば、また新しいロボットの世界が広がる可能性もありますそのAmazonですが、ロボット以外にも人工知能を使った新しい仕組みをいくつか始めましたその1つが、2015年に製品化されたAmazonEchoと呼ばれる音声スピーカです。「2015年時点では日本語化は未発表」これは、言ってしまえばSiriやGoogleNowに音声受発信が出来る物理デバイスを付加したものです。

ロボットこの実験に例えるならメントとしては

具体的に見ておくと、①航空機のジェットエンジンに取り付けたセンサーから得られたビッグデータを解析するとで、空港への進入経路、着陸時のフラップの使い方やスピードなどを「最適化」を実現して、約一000万ドルの燃料費が節約できた。その他にも保守費や人件費が抑制される効果もあった。また過去のデータ学習で予期せぬ欠航便を減らせるなどの「最適化」も図られた。②ドイツ最大のエネルギー企業「エーオン」が所有する風力発電所の一八三基の発電機に取り付けたセンサー「温度、湿度、風向のデータ収集」から得られたビッグデータを解析して最大五パーセント以上の発電電力量および発電機1基ごと最大110パーセントの利益向上が実現された。GEは、「1パーセントの燃費削減·効率向上により一五年間で航空機は三00億ドル発電所は六六0億ドル、鉄道は一七〇億ドルのコスト削減が可能であるとして、この事業の将来性を強調している。このようにセンサーとそれから得られるビッグデータの分析によってこれまではできなかっサービスを提供できるようになった点がIoT化のポイントである。

人工知能のまわりのエントロピーの増大は加速されていくようになる

この事例においてもわかる、とであるが、IoT化においてはソフトウェアの開発力が重要であるということであるが、IoT化の前提として、画像センサー、光センサー、温度センサー、湿度センサー、加速度センサー、地磁気センサーなどの各種センサーの開発、それらの高性能化と低価格化が必要であった。他にも!oT推進には、CPUの高速化·マルチタスク化、大容量記憶装置、大容量無線LAN技術の進歩スマホの発達と普及による、それらの小型化と低価格も必要であった。また、今後は無線規格をオープンなものに切り替えることによってoT導入コストを大幅に削減することも必要となってくるであろう衣カたIoT化のためにはモノにスマホ的機能をもった機器「コンピュータ内臓」を組み込む必要がある。つまり_oT製品には、コネクティビティ「ネット接続のため」とスマートコンポーネント「サービスを実現するため」が埋め込まれている。スマートコンポーネントは、プロセッサユーザー·インターフェイス、センサー、ソフトウェア、アプリケーション、データストレージなどで構成されている。

      コンピュータ上に人の顔が表れる
      人工知能が人類を超えるということが言われている
      AIを語る上で結論から言ってしまうと

ロボットも学歴や経済力お金の問題でもない

人工知能という言い方があります

AIと呼ばれますはしかし残念ながら
また、時たま発生するノイズも、エサである情報が足りなければ細胞が消滅する仕組みで取り除ける。これがソインの名前の由来でもある「Self-OrganizingIncrNetwork「自己増殖型ニューラルネット」というAIのentAINeurAI新技術だ。ソインは未知の領域での活動を想定する汎用AIに最適と言えるすでに、複数の企業とのプロジェクトが分野横断的に水面下で進んでおり、年にも明らかになるだろう。その内容は2015長谷川氏は、「早ければ30年代にも、人と高度なAIを積んだロボットが一緒に働く世界が来る」と予想する。世界初の汎用?が日本から出てくる可能性は大いにあると会話する医師「日本BwattAI活用の最前線医療、介護、法律業界ビジネスを変える先駆者たちワトソン医療1BM「Watson」医師との会話で病名を学習難解な文献も読みこなす米IBMのコンピューターシステム「Watsonが、米国ワトソンの医療ビジネスの現場で活用されている。

ロボットに変わるでしょう
ワトソンはもともと、1997年にチェスの世界王者を破った同社のA-「ディープブルー」に続き、米国のクイズ番組「ジョパディー」で人間と対戦するため2009年に開発されたAIだ。クイズ用に特化したAIのワトソンは、クイズの司会者が読み上げる質問を理解し、百科事典や書籍などの約2億ページ分という膨大なテキスト情報から解答を素早く導くことができたとどろ11年にジョパディーで人間に勝利して全米に名を轟かせたワトソンは、AIの代名詞とも言える存在になるoIBMには、この3年間でさまざまな企業から「ワトソンを会社の問題解決に使えないか」という相談が多数寄せられた。クイズに挑んだワトソンは、質問に対する答えをデータベースの中から直接探すのではなく、まず答えの候補を複数抽出し、その根拠となるデータの数に応じてスコア付けした後、最高スコアのものを答えとする、という手法で勝ってきた。この仕組みは、「消費者の購買履歴に応じて商品を推薦する、あるいは患者の症状に対して病名診断するなど、汎用的に使える」「武田浩一·日本!BM東京基礎研究所技術理事」ことが分かっていた。チェスのほかに商業利用の道がなかったディープブルーに対し、ワトソンは設計·開発段階から汎用化の狙いがあったのだ。

ロボットが順調に売れれば利益が出ますが

あとは、より多くの画像を与え続けることで、徐々に認識率を向上させることができるようになるというものです。ニューラルネットワーク内部においては、正しい判断を介して、自動的に正しいパターンを統計的に学ぶことになります。それは人がイメージとして認識するだけでは見いだせず、また、言葉によって表現できない部分でもあります。人が無意識に認識している微細な部分でもあるわけです。つまり、ニューラルネットワークにおけるディープラーニングでは、人が判断材料を与える必要がありません。

AIGenerこれに逆らうとコンピュータ自ら判断材料ら見つけだし、正しい認識を導き出すことができるからです。ディープラーニングによる高い認識率の実現は、その後の画像認識率を格段に向上させることに成功しています。2015年においての画像認識システムは、97%程度の認識率へと向上していますちなみに、人間の画像認識の正解率は、およそ95%といわれています。つまり現在の画像認識技術は、人間をも上回る精度を有していることになります。これまで、人と同等の認識率をコンピュ-タによって出すことは困難とされてきていた分野において、すでに人の能力を凌駕しているわけです画像認識の向上が加速させる人工知能の進化-画像認識の進化がもたらす新たな世界先に画像認識能力の向Eについてお話しました。

人工知能に対する批判さて

さらには、プロジェクト管理や研究成果を披露するコンテスト運営だけではなく、民間企業との相互人材移動もあり、先ほど触れたトヨタの人工知能研究所の例もそうですが、他にも、元DARPA長官レジナ·E·デュガンが、Googleの経営幹部として移籍しています当然ながら現在においても、人工知能研究に関するDARPAの存在感は大きいです。アメリカ政府が資金提供している人工知能関連プロジェクトで大きなものといえば、オバマ政権が2013年に提唱した「BRAINイニシアチブ」です「約30億USドルの資金を投入する予定」そしてこの計画を具体的に主導する組織の1つが、やはりDARPAです。計画の目的は、アルツハイマーやパーキンソン病など精神疾患の解明にあるのですが、脳の仕組みを解明するため、当然ながら人工知能の研究にも拍車がかかることが期待されています実は同じ時期に欧州でも「HBP「HumanBrAInProject:ヒューマンブレインプロジェクト」というプロジェクトが立ち上がりました。こちらは欧州委員会による出資で約11.9億ユーロ「約13億USドル相当」の規模です2つのプロジェクトは、目的は似ていますがアプローチが若干異なります。前者は脳の動きをモニターして脳の地図を作ろうとする一方、後者は「コンピュータの素子」トランジスタを使って脳そのものを作ろうとしています。

AIは新しい技術というイメージが強いかもしれません

念のために補足しておくと、仮に脳の構造が完全に解明されたとしても、それが人工知能にとってどこまでの影響を与えるかはまだ分かりません。例えば、1990年代に人の遺伝子を読み取って精神疾患の病原解明を目指したヒトゲノムプロジェクトがアメリカで行われ、2003年に前倒しで完了しました。ところが、それでこれらの病気が解明したかといえば率直に言って目覚しい成果はまだあがっていません。確かに、巨大な遺伝子辞書はできたものの、それをどのように活用するのは、まさにそこからスタートというわけです脳の構造解明についても同じことが言えます。但し、ブラックボックスよりは生物学的構造がわかるに越したことはないのですが、脳の構造」を解明することと人工知能の解明は微妙に異なること、というのは覚えておいたほうがいいと思います。

      人工知能にも自意識が生まれるのだろうか
      AIの世界でも起こったのかというとあったのです
      ロボットなどはこの身体を維持するために

AI活用時に考えられるセキュリティ上の課題とは?

人工知能は一人でああで一部が欠けている文字を見せても

人工知能による将棋も多くの譜面データの学習や
しかも「それ」との会話はとても意味深なものになる。ときには高度に哲学的な会話さえも可能だ。次章ではSea2Seqの驚くべき機能と可能性について紹介したい。形態素解析は、欧文には有効だが、日本語には限界がある旧来の自然言語処理がまったくダメというわけではなく、word2Vecという技術はいまでも大事にされている深層学習を用いたSeg2Seqという技術は、構文解析を使わず、大量のデータから勝手に学習する「ただいま」家に帰った私は、そう言いながら靴を脱いだ。「おかえり。今日はどうだった?「まあまあってところかな。今日の合コンは流れたよ」「ふーん」私は留守番をしていた黒いロボットを見下ろす。どうせ何もわかっていやしない。合コンがなんなのかもロボットにわかるわけがない。

勿論その参考元が「一旦は人工知能と離縁した」脳であることも注目に値するのですが、今まで半世紀以上に渡る人工知能研究における手法としての壁が特徴となる要素の設計方法といっても過言ではありません。確かに人工知能は、人間のチェス王者にも勝ち、クイズにも優勝しました。しかしその裏では常に人間の手によるチューニングが行われていたのです。その当時でも、我々人間が何か物体を見てその特徴を理解するという、誰でも出来る基本的な知覚活動すらままならなかったのです現在の成果だけでなく今後のさらなる活躍が期待されている最大のポイントですカただ残念ながら、特徴となる要素を抽出する仕組み自体はブラックボックスであることから、漠然とした不安を与えることも事実です。先ほど、やや強引に脳科学研究に基づく意識のモデルを差し込みましたが、人工知能の母である脳でさえ、根本的な仕組みが分かっていないということも我々は知っておく必要があります。

ロボットをほしがるようになり

決して不用意に人工知能の脅威を煽りたいわけではありません。重要なのは、人工知能がどこまで実現出来ていて何が出来ないのかを冷静に知り、それを踏まえて巧く活用しようとすることです人工知能の歴史総括この章を終えるにあたって、人工知能の歴史を総括してみたいと思います。人の思考を表現する道具として、2000年以上も前に論理学が誕生しましたそれ以降、論理という道具を武器に人間の知的活動を代行·支援する様々な機械が考案されてきました。知的活動の司令塔である脳の模倣を目指したことはあったものの、「ノイマン型」コンピュータが発明されて以降は、そのアーキテクチャ上で記述されたルールベースや確率·統計ニューラルネットワークといったアルゴリズムを駆使して、遂げてきました。幾度かの冬を経験しながらも、発展をそしてついに、脳科学·コンピュータ工学·ビッグデータの力を借りて実現したディープラーニングによって、特徴となる要素を抽出させることに成功し、華々しい実績を出し始めたわけです。

コンピュータが文字から情景をイメージしたり


プログラムであることは事実ですたとえば英語とフランス語の対訳、日本語と英語の対訳などが大量にあれば、あとは勝手に学習してしまう。学習には相当な時間がかかるが、それでも数日あればある程度は高度な翻訳が可能になるSeg2Seqでは、構文解析をする必要はない。なんとなく大量の文を読ませることでAIが自動的に構文を読みとり、一方の言語の構文ともう一方の言語の構文のニュアンスの違いを読みとり、自然な翻訳を可能にするこれは、これまで頑張って形態素解析用の辞書を作ったり、構文解析の効率的な方法を考えていた旧来からの人工知能研究者にしてみればそれまでの仕事を否定されるような重大かつブレイクスルーな発見であり、いまだに従来からの自然言語研究者たちが戸惑っている部分でもある。そしてSeq2suに関しては、驚くべきこともわかってきた。Seg2Seqを獲得した人工知能は、人と会話することさえ可能なのだ。

AIには代替できない海外在住の日本人で

しかも「それ」との会話はとても意味深なものになる。ときには高度に哲学的な会話さえも可能だ。次章ではSea2Seqの驚くべき機能と可能性について紹介したい。形態素解析は、欧文には有効だが、日本語には限界がある旧来の自然言語処理がまったくダメというわけではなく、word2Vecという技術はいまでも大事にされている深層学習を用いたSeg2Seqという技術は、構文解析を使わず、大量のデータから勝手に学習する「ただいま」家に帰った私は、そう言いながら靴を脱いだ。「おかえり。今日はどうだった?「まあまあってところかな。今日の合コンは流れたよ」「ふーん」私は留守番をしていた黒いロボットを見下ろす。どうせ何もわかっていやしない。合コンがなんなのかもロボットにわかるわけがない。

コンピュータの完成を境に


Watsonをコールセンタや実店舗での接客に活用しようとしたり
これは端的にいえば、人間にしかできないと思われていた仕事も、紛れもなくロボットなどの機械に取って代わられるという事である。すさまじい勢いでコンピューターの技術革新が進んできた。それを可能にしているのは、脳科学の研究成果の「応用」である。脳を構成する無数のニューロン「神経細胞」のネットワークを、工学的に再現したAIが開発されているからだ。コンピューターは「人間があらかじめプログラミングしたことしかできない」単なる機械から、人間の脳のようになにかを学んで成長する能かを備えるものへと進化しつつある。

人工知能研究者側からも色々と反論が寄せられました

その中心となる技術は、「ビッグデータ」による情報分析と「センサー技術」による認識能力の組み合わせなのである。医学の世界でも、「人工知能」の“侵略”がはなはなだしい状況になってきている。弁護士、会計士など知的な業務でさえ、その大部分が機械に代わろうとしつつある。他では、会計事務所での監査精査では、会計士の重要な仕事である決算数値の誤りの発見なども「人工知能Jの活用が始まっている。その「センサー技術」の格段の進歩だ。「センサー技術」の進歩によって認知能力を備えた機械が、さらに注目すべきなのがを代替できるようになった。