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。

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

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。