AI 研究の歴史と未来 札幌市立大学中島秀之
知能 の定義 情報が不足した状況 で, 適切に処理する能力 中島秀之 : 知能の物語 2015, p.154 予期が必要 2019/8/1
AI とは
人工知能とは 近代科学社 知能を探求する学問領域 コンピュータを用いて人間の知能を研究する 知的な作業のできる機械を作る 私は機械より人間に興味がある プログラム作りを通して人間の知能を見てきた (c) H. Nakashima
AI 事典 初版 (1988) 第 2 版 (2003) (c) H. Nakashima 第 3 版 2019( 予定 )
最新作 (2018/11/30) (c) H. Nakashima
AI 白書 2019(2018/12/11) (c) H. Nakashima
分野地図 IT 実世界応用 AI 環境知能 Internet of Things Cyber Physical System AI の眼 深層学習 ビッグデータ ニューラルネットワーク 知識表現推論 機械学習
AI 研究の歴史
超簡略版 AI の歴史 第一の夏 : 記号処理 第一の冬 : 常識の欠如 第二の夏 : 知識処理 第二の冬 : 暗黙知の処理ができない 第三の夏 :DeepLearningによる暗黙知の処理
人工知能の始まり コンピュータは数値だけでなく記号も処理できる ( 人間以外に唯一記号処理ができる機械 ) 1950 年頃チューリング ( イギリス ) シャノン ( アメリカ ): コンピュータにもチェスが指せることを示した ほら吹きサイモン : あと 10 年でチェスで世界チャンピオンに勝つ! 最初の人工知能ブーム (1 度目の夏 ) 1956 年ダートマス会議で Artificial Intelligence 人工知能と命名 ( マッカーシーら ) 1960 年代機械翻訳の失敗 1 度目の冬 2019/8/1 (c) H. Nakashima
初期の機械翻訳の失敗 The spirit is willing, but the flesh is weak 精神は強いが肉体は弱い ロシア語 дух бодр, плоть же немощна 英語に戻す The vodka is good, but the meat is rotten ウォッカは良いが肉は腐っている spirit には精神の他に酒の意味があり flesh には肉体の他に肉の意味がある 2019/8/1
ウィノグラードの難問 [Winograd 72] ( 人間には簡単だが AI には難しい ) 大きすぎたのでトロフィーはカバンに入らなかった 大きすぎたのは トロフィー? カバン? 手助けに対してジョアンはスーザンに感謝した 助けたのは ジョアン? スーザン? 2019/8/1
フレーム問題氏田雄介 54 字の物語 PHP より (c) H. Nakashima
ニューラルネットワークの学習原理 入力 x 1 w 1 Σx i w j 出力 w 2 y 1 x 2 閾値関数 y m x k w n 出力が望む値になるように w n を調節する. 出力から戻すのでバックプロパゲーションと呼ばれる 2019/8/1 (c) H. Nakashima
ニューラルネットの複雑化 A) パーセプトロン Perceptron A) 入力 出力 B) 多層パーセプトロン B) 中間層ができた C) Deep Learning ( 超多層 ) C) 中間層の多層化 深層学習
深層学習
Google の猫 (2012) 1 週間にわたりYouTubeビデオを同ネットワークに見せたところ ネットワークは猫の写真を識別することを学習した 事前に猫をネットワークに教えたわけでも 猫 のラベル付けをした画像を与えたわけでもなかった シニフィエ Quoc Le, et. al: Building High-level Features Using Large Scale Unsupervised Learning, ICML2012, 2012
アルファ碁の衝撃 深層学習 + モンテカルロ法 + 強化学習 2016 年 3 月韓国イ セドル ( 世界 2 位 ) に勝利 2017 年 5 月中国カ ケツ ( 世界 1 位 ) に勝利 ディープマインド社は AI 囲碁 プロジェクトの終了を宣言
深層学習には膨大な計算量が必要 アルファ碁の場合 学習に 50 個の GPU 一か月 プロ棋士の棋譜 3 千万局面から深層学習 その後 1 手当たり10 万回の試行で強化学習 対戦は 1202 個の CPU と 176 個の GPU
機械学習とは要するに 判別結果 =F( 事例 ) 要するにこのFを同定すること 事例は超多次元 従来は人間がこの軸を与えていた 深層学習は軸も学習できる Fはかなり複雑な関数だが 多重にすれば個々のFは単純 判別結果 =F n (F n-1 ( F 1 ( 事例 ) )) 2019/8/1 Hideyuki Nakashima 33
DL だけでは DL は 暗黙知 を学習できる でも機械学習が全てではない 知識表現 / 推論機構と結合したい DL だけでやろうとする研究もある 大脳はそうかもしれないが進化的に長い時間をかけている ( はず ) 結果先取りが実用的にはベター 2019/8/1 (c) Hideyuki Nakashima 35
AI と人間 社会
情報は物質, エネルギーに並ぶ世界観 農耕社会物質 - 衣食住 工業社会 ( 産業革命 ) エネルギー ハードウェア 情報社会情報 ソフトウェア コンテンツ ビッグデータ 人間社会 価値, 物語 サービス AI 2000 年頃使っていたスライド 現在
Society 5.0( 加速する歴史 ) 1.0 狩猟社会 : O( 百万年 ) 2.0 農耕社会 : O( 万年 ) 3.0 工業社会 : O( 百年 ) 4.0 情報社会 : O( 十年 ) 5.0 超スマート社会 物質の制御エネルギーの制御情報の制御シンギュラリティ!
39
伝えたいメッセージ 情報処理技術は社会の仕組みを根本から変える能力を持っている 現在行なわれている情報化は, 以前の社会の仕組みをそのままに, その一部をコンピュータやネットワークで置き換えたにすぎず, 情報処理の可能性を十分に使っていない 新しい社会の仕組みそのものをデザインすることが望まれる 情報アーキテクト 社会工学 (Social engineering) h.nakashima@fun.ac.jp 44
私の主張と同じ本が出た (2018) 問うべきは, テクノロジーが私たちに何をするかではなくて, 私たちがテクノロジーを使って何をするか, ということである. だから, ロボットがアメリカ中の雇用をすっかり奪ってしまうといった見方は, 根本的に間違っている. テクノロジーそれ自体は道具であって, 運命ではない. 運命を決めるのは私たちだ. (p.13) 2019/8/1 (c) Hideyuki Nakashima 45
氏田雄介 54 字の物語 より 2019/8/1 (c) Hideyuki Nakashima 46
ソサエティ 5.1( 中島版 ) 組織 / 働き方マネージメント メンバーシップ型雇用からジョブ型雇用へ AI によるマッチング 企業 : ミッションごとに組織編成 働き手 : フリーランス /Work sharing すべての大企業は人材商社に? 社会的意思決定システム ( 多数決に代わる ) 例えば直接民主制 社会システムデザインが必須! 経済システム ( 資本主義からシェアリング経済へ ) AI に仕事を奪われても暮らせる社会 教育 AI による個別専門教育 CBT (Computer-Based Test) IRT (Item Response Theory) 2019/8/1 (c) H. Nakashima
AI はゲームが得意 ゲームは評価基準が単純, 明確, 不変 実生活では評価基準が超多数, 場合に応じて変化 停電や事故によるダイヤ遅れからの復旧 人間の方がうまい 乗客が重要視する生活の様々な要因を知っている
AI は有能な助手 AI は道具である 使い方と最終判断は人間に 2019/8/1 (c) Hideyuki Nakashima 49
戦略と戦術 戦略は人間 目的地設定人生設計どんなゲームをするのか 戦術は AI 自動運転学習塾裏技の習得 2019/8/1 Hideyuki Nakashima 50
健康
IBM Watson IBM の人工知能 Watson が 特殊な白血病患者の病名を 10 分ほどで見抜き その生命を救ったと東京医科学研究所が発表しました 患者は当初 医師に急性骨髄性白血病と診断され抗癌剤治も受けていたものの まったく効果が現れていませんでした 東京医科学研究所は AI が命を救った国内初の事例ではないか とのこと http://japanese.engadget.com/201 6/08/07/ibm-watson-10/ Watson の学習方式 https://youtu.be/2k3rjimasrc 2019/8/1 (c) Hideyuki Nakashima 52
自閉症を脳回路から見分ける技術 国際電気通信基礎技術研究所 (ATR) 東京大学昭和大学日本医療研究開発機構 https://www.atr.jp/topics/ press_160414.html 2019/8/1 (c) Hideyuki Nakashima 53
自閉症児はロボットとなら会話できる ERATO 石黒共生ヒューマンロボットインタラクションプロジェクト JTP: ヒューマノイドロボット NAO による自閉症療育支援 https://www.jtp.co.jp/solutions /autism-solution-kids/ 2019/8/1 (c) Hideyuki Nakashima 54
教育
AI が職を奪うという議論について 深い専門は AI が得意 広い視野とデザインは人間が得意 今の教育は AI の得意なことだけ教えていないか? 2019/8/1
リベラルアーツ ギリシャ ローマ時代のオリジナル 市民であるために必要な教養 文法, 修辞学, 論理学, 算術, 幾何学, 天文学, 音楽 池上彰 現代の教養 (2014) 版リベラルアーツ 宗教, 宇宙, 人類の旅路, 人間と病気, 経済学, 歴史, 日本と日本人 中島版 (2018) リベラルアーツ AI と IT を使いこなすために必要な教養 情報技術, デザイン学, 統計, 日本語, 哲学, 人類の歴史, 芸術 作法, 道徳, 体育などの躾はベースとして仮定
機械学習の限界 と その解決策 ( 提案 )
機械学習の問題点 1 過学習 (over fitting) 騙され易い ( ある意味の過般化 ) 誤認識に導くパターンが容易に作れる 人間にも錯視はあるが トップダウン予期で解決可能 2019/8/1
https://japanese.engadget.com/2017/08/07/ai/ ワシントン大学やミシガン大学からなる研究チームが いとも簡単に自動運転車の AI を混乱させる方法を発見しました たとえば既存の停止標識にいくつかのステッカーを貼るだけで 自動運転 AI はそれを速度制限の標識に誤認識するとのこと 2019/8/1 (c) Hideyuki Nakashima 66
https://www.gizmodo.jp/2018/01/toaster-attack-sticker.html 2019/8/1 67
機械学習の問題点 2: 学習データの偏り問題 学習データが偏っていると学習結果も偏る Microsoft ヒットラー問題 中国政府批判 犯罪者の写真に黒人が多い 2019/8/1 (c) Hideyuki Nakashima 68
解決案 見たいものを予期してから認識を開始する 予測 とは違う 予測は認識の後に来る 予測 =prediction 予期 =expectation/anticipation 2019/8/1
予測と予期 予測 : 大辞林 将来の出来事や状態を前もっておしはかること また, その内容 米の収穫高を する がはずれる 予期 : 大辞林 あらかじめ期待覚悟すること したとおりの結果 に反して 予測 予期
予測 2019/8/1 (c) Hideyuki Nakashima 71
予期 2019/8/1 (c) Hideyuki Nakashima 72
時間があれば : 環境との相互作用
AIは英語のscienceで日本語の工学 工学は Science の一部 science scientia= 知識 art ars=わざ ( 職人的な ) 技術 (techne) 芸術 ART 工学 SCIENCE 科学 2019/8/1
科学と工学 科学者は神と語らい, 工学者は社会と語らう 保立和夫 (2014) 科学 客観的外部観測者 分析的 Computer Science 工学 内部観測者 構成的 AI (agents view) 2019/8/1
日本語は虫の視点が自然川端康成の 雪国 より English translation by E.G. Seidensticker: The train came out of the long tunnel into the snow country. Original Japanese: 国境の長いトンネルを抜けると雪国であった. 2019/8/1
英語では虫の視点 ( 状況依存視点 ) が取りにくい 英語は鳥の視点 日本語は虫の視点» 金谷武洋 英語にも主語はなかった ( 2004) 2019/8/1
庭園を見る視点の差西欧の庭園 ( 左 : ベルサイユ宮殿 ) はその配置自体に意味があるが, 日本の庭園 ( 右 : 桂離宮 ) の美は環境に埋め込まれている テキスト 2019/8/1 新形信和 : 日本人の < わたし > を求めて (pp. 16-17)
ユクスキュル : 環世界 ( 思索社 1973) 1892 1905の研究 環境は生物が作り出す 環境 X ダニの環世界 1. 光 : 灌木の枝に登る 2. 酪酸 : 落下 3. 温度 : 冷たければ1に戻る 2019/8/1 4. 触覚 : 毛の少ない場所から吸う