人工知能は人間を超えるか

人 工 知 能 は 人 間 を 超 えるか -ディープラーニングの 先 にあるもの- 東 京 大 学 松 尾 豊 1

東 京 大 学 松 尾 研 究 室 について 1997 年 東 京 大 学 工 学 部 電 子 情 報 工 学 科 卒 業 2002 年 同 大 学 院 博 士 課 程 修 了. 博 士 ( 工 学 ) 産 業 技 術 総 合 研 究 所 研 究 員 2005 年 スタンフォード 大 学 客 員 研 究 員 2007 年 ~ 東 京 大 学 大 学 院 工 学 系 研 究 科 技 術 経 営 戦 略 学 専 攻 准 教 授 2014 年 東 京 大 学 グローバル 消 費 インテリジェンス 寄 付 講 座 主 宰 松 尾 豊 人 工 知 能 ディープラーニング Webマイニングを 専 門 とする 論 文 数 と 被 引 用 数 に 基 づき 科 学 者 の 科 学 的 貢 献 度 を 示 すh-Index=30(ウェブ 人 工 知 能 分 野 最 高 水 準 )であり 2013 年 より 国 際 WWW 会 議 Web Mining 部 門 のチェアを 務 める 世 界 人 工 知 能 国 際 会 議 プログラム 委 員 2012 年 より 人 工 知 能 学 会 理 事 編 集 委 員 長 (それ までの 慣 例 を 大 幅 に 更 新 し 最 年 少 で 編 集 委 員 長 就 任 ) 2014 年 から 倫 理 委 員 長 人 工 知 能 学 会 論 文 賞 (2002 年 ) 情 報 処 理 学 会 長 尾 真 記 念 特 別 賞 (2007 年 ) ドコモモバイル サイエンス 賞 (2013 年 ) 受 賞 経 済 産 業 省 IT 融 合 フォーラム 有 識 者 会 議 情 報 経 済 小 委 員 会 AI ビッグデータによる 産 業 革 新 研 究 会 総 務 省 インテリジェント 化 が 加 速 するICTの 未 来 像 に 関 する 研 究 会 委 員 等 近 著 に 人 工 知 能 は 人 間 を 超 えるか?--ディープラーニングの 先 にあるもの ( 角 川 2015) < 研 究 室 の 実 績 > 博 士 学 生 17 人 修 士 学 部 生 10 人 が 所 属 し 人 工 知 能 の 基 礎 研 究 ソーシャルメディアの 分 析 データ 分 析 及 びその 実 社 会 へのアプリケーションを 多 方 面 にわたって 行 っている これまでに トヨタ リクルート マイクロソフト CCC 経 営 共 創 基 盤 ミクシィなどさまざまな 企 業 と 共 同 研 究 の 実 績 がある 官 公 庁 からも 金 融 庁 ( 株 価 操 縦 対 策 ) 経 産 省 (アジアトレンドマップ 等 ) 文 科 省 (ビッグデータ 活 用 )など 相 談 多 数 卒 業 生 の 主 な 進 路 は Google DeNA 楽 天 サイバーエージェント 光 栄 ゴールドマンサックス BCG 三 井 2 物 産 電 通 など 起 業 した 学 生 も 多 数 GunosyやREADYFOR SPYSEEなどのサービスを 構 築 運 用 している

Deep Learning AIにおける50 年 来 のブレークスルー データをもとに 何 を 表 現 すべきか が 自 動 的 に 獲 得 されている 日 経 ビジネス2013 年 4 月 15 日 号 3

人 工 知 能 はいま3 度 めのブーム 第 1 次 AIブーム(1956 1960 年 代 ): 探 索 推 論 の 時 代 ダートマスワークショップ(1956) 人 工 知 能 (Artificial Intelligence)という 言 葉 が 決 まる 世 界 最 初 のコンピュータENIAC (1946)のわずか10 年 後... 冬 の 時 代 第 2 次 AIブーム(1980 年 代 ): 知 識 の 時 代 エキスパートシステム 第 5 世 代 コンピュータプロジェクト: 通 産 省 が570 億 円... 冬 の 時 代 第 3 次 AIブーム(2013 年 ): 機 械 学 習 表 現 学 習 の 時 代 ウェブとビッグデータの 発 展 計 算 機 の 能 力 の 向 上 Deep Learning( 深 層 学 習 )は Representation Learning( 表 現 学 習 )の 一 種 とされる 4

将 棋 電 王 戦 IBM ワトソン http://venturebeat.com/2011/02/15/ibm-watson-jeopardy-2/, http://weekly.ascii.jp/elem/000/000/207/207410/ 機 械 学 習 ウェブ ビッグデータ ディープラーニング(2007-) ILSVRCでの 圧 勝 (2012) Googleの 猫 認 識 (2012) ディープマインドの 買 収 (2013) FB/Baiduの 研 究 所 (2013) 車 ロボット への 活 用 自 動 運 転 Pepper 統 計 的 自 然 言 語 処 理 ( 機 械 翻 訳 など) 検 索 エンジンへの 活 用 Eliza 探 索 迷 路 パズル MYCIN DENDRAL プランニング STRIPS エキスパート システム 対 話 システムの 研 究 チェス(1997) Deep Blue オントロジー Caloプロジェクト ワトソン(2011) Siri(2012) 1956 1970 1980 1995 2010 2015 第 一 次 AIブーム 第 二 次 AIブーム 第 三 次 AIブーム ( 推 論 探 索 ) ( 知 識 表 現 ) ( 機 械 学 習 表 現 学 習 ) bot タスクオントロジー LOD(Linked Open Data) 将 棋 (2012-) 電 王 戦 囲 碁

機 械 学 習 ( 第 3 次 AIブーム) 膨 大 な 棋 譜 データ 素 性 (40 個 ) 教 師 データ 王 将 の 位 置 金 の 位 置 銀 の 位 置... 指 すべき 手 8 八 7 八 5 五... 8 六 歩 5 九 6 七 7 八... 5 四 角............ 素 性 ( 数 百 万 以 上 ) どういう 素 性 を 使 うかが 最 も 大 事 王 将 と 金 と 銀 の 位 置 王 将 と 銀 と 角 の 位 置 王 将 と 銀 と 飛 の 位 置 王 将 と 銀 と 香 の 位 置... 指 すべき 手 (+2, -1)(+2, +3) (+3, +1)(0, -1) (-1, -2)(-3, +4) (-1, +1)(-3, 0)... 8 六 歩............ 5 四 角............ 6

これまでの 人 工 知 能 の 壁 表 現 の 獲 得 の 壁 難 しい 問 題 1: 機 械 学 習 における 素 性 設 計 (Feature engineering) 素 性 ( 特 徴 量 )をどう 作 るの? データ 自 身 から 重 要 な 特 徴 量 を 生 成 できないから 問 題 が 起 こる 難 しい 問 題 2:フレーム 問 題 どのように 例 外 に 対 応 しながら コンピュータに 判 断 させればよいか? データから 特 徴 量 を 取 り 出 し 知 識 を 記 述 していないから 問 題 が 起 こる 難 しい 問 題 3:シンボルグラウンディング 問 題 シマウマがシマのある 馬 だと どう 理 解 すればいいか? データから 特 徴 量 を 取 り 出 し 概 念 を 生 成 し それに 名 前 ををつけないから 問 題 が 起 こる 結 局 のところ いままでの 人 工 知 能 は 現 実 世 界 の 現 象 の どこに 注 目 するかを 人 間 が 決 めていた あるいは よい 特 徴 量 をコンピュータが 発 見 することができなかった それが 唯 一 にして 最 大 の 問 題 であった 7

ソシュールのシニフィエ シニフィアン 概 念 /シニフィエ ( 意 味 されるもの) 語 /シニフィアン ( 意 味 するもの) 特 徴 量 を 使 って 構 成 される 概 念 概 念 /シニフィエ ( 意 味 されるもの) 概 念 /シニフィエ ( 意 味 されるもの) 特 徴 量 特 徴 量 データ 8

Deep Learning AIにおける50 年 来 のブレークスルー データをもとに 何 を 表 現 すべきか が 自 動 的 に 獲 得 されている 日 経 ビジネス2013 年 4 月 15 日 号 9

Auto-encoder(2006-) Deep Learningの 主 要 な 構 成 要 素 出 力 を 入 力 と 全 く 同 じにしたニューラルネットワーク 手 書 き 文 字 認 識 では ひとつの 画 素 の 値 を 予 測 する 普 通 に 考 えると 意 味 ない 1 万 円 札 をお 店 の 人 に 渡 して 1 万 円 札 をうけとるようなもの ( 考 える 脳 考 える コンピュータ J. Hawkins) 隠 れ 層 のノードが 入 力 を 圧 縮 したもの になる 正 解 出 力 層 隠 れ 層 入 力 層 10

Auto-encoderで 得 られる 表 現 11

Deep にした 場 合.... 12

Googleの 猫 (2012) シニフィエ 13

Deep Learningの 実 績 ILSVRC2012:Large Scale Visual Recognition Challenge 2012 他 のコンペティションでも 圧 勝 Deep Learning ケタ が 違 う 長 年 の Feature engineering 14

DL 以 後 は トントン 拍 子 Top 5 error Before Imagenet 2011 winner (not CNN) 25.7% Imagenet 2012 winner Imagenet 2013 winner Imagenet 2014 winner 16.4% (Krizhesvky et al.) 11.7% (Zeiler/Clarifai) 6.7% (GoogLeNet) After Baidu Arxiv paper:2015/1/3 6.0% Human: Andrej Karpathy 5.1% MS Research Arxiv paper: 2015/2/6 4.9% Google Arxiv paper: 2015/3/2 4.8% 15

人 間 を 超 える 画 像 認 識 とは? Florian Schroffら(Google)の 研 究 2015 年 3 月 FaceNet: A Unified Embedding for Face Recognition and Clustering 顔 認 識 と 顔 画 像 のクラスタリング 800 万 人 の 異 なる 人 間 の2 億 枚 の 顔 画 像 以 下 のニューラルネットワーク(22 層 ) 精 度 : 99.63%±0.09 (10 分 割 交 差 検 定 ) F. Schroff et. al: FaceNet: A Unified Embedding for Face Recognition and Clustering, 2015 16

間 違 ったケースの 全 て( 別 人 を 同 一 人 物 と 判 定 ) 東 京 大 学 松 尾 研 究 室 那 須 野 薫 F. Schroff et. al: FaceNet: A Unified Embedding for Face Recognition and Clustering, 2015 17

間 違 ったケースの 全 て( 同 一 人 物 を 別 人 と 判 定 ) 東 京 大 学 松 尾 研 究 室 那 須 野 薫 F. Schroff et. al: FaceNet: A Unified Embedding for Face Recognition and Clustering, 2015 18

顔 画 像 のクラスタリング invariance to occlusion, lightling, pose, age. 19

画 像 認 識 で 人 間 の 精 度 をこえるということ Marvin Minsky 子 供 のできることほど 難 しい 幼 児 のコモンセンスをコンピュータに 入 れるプロジェクトがいまある 幼 児 も 紐 は 引 っ 張 れるが 押 せないという 常 識 をもっている ふたりの 子 どもが 積 み 木 で 遊 んでいるだけで10 個 のことを 考 える( 積 み 木 の 構 造 見 た 目 完 成 図 など) コンピュータにはできない すごいことだ [1] 画 像 認 識 もそのうちのひとつ それができた! まだまだ 課 題 は 多 いが そんなのは 当 たり 前 明 らかに 新 しいステージに 移 っている [1] 講 演 ログ:2009 年 6 月 19 日 Marvin Minsky コンピュータ 科 学 の 未 来 : 常 識 あるロボットの 実 現 に 向 けて [2] Improvement Happening Rapidly: http://car.watch.impress.co.jp/img/car/docs/693/719/html/09.jpg.html 20

DL 関 連 の 海 外 企 業 の 投 資 Google トロント 大 Hinton 教 授 と 学 生 の 会 社 をGoogleが 買 収 (2013) Deep Learningの 英 国 会 社 Deep Mind Technologiesを4 億 ドル ( 約 420 億 円 )で 買 収 (2014) 中 国 検 索 最 大 手 Baidu シリコンバレーにDeep Learningの 研 究 所 を 作 る(2013) Deep Learning workshop(2013)でのザッカーバーグ( 右 ) ベンジオ(モントリオール 大 中 ) マニング(スタンフォード 大 左 ) Stanford 大 Andrew Ng 教 授 をDeep Learningの 研 究 所 所 長 に 迎 え 300 億 円 を 研 究 予 算 とし て 投 資 (2014) Facebook ニューヨークに 人 工 知 能 研 究 所 設 立 : New York 大 のYann LeCun 教 授 を 所 長 に 招 く(2013) パリにヨーロッパ 人 工 知 能 研 究 所 を 設 立 (2015) 21

Deep LearningのAIにおける 意 味 AIにおける50 年 来 のブレークスルー データをもとに 表 現 が 自 動 的 に 獲 得 されている 現 実 世 界 から 何 を 取 り 出 し モデルを 作 るか( 表 現 とするか)は 人 間 が 決 めていた 実 はみんな 思 っていた 同 種 の 考 えは 昔 から 多 くあり 1980- ネオコグニトロン( 福 島 ) 1990- 野 田 ( 産 総 研 )ら 2000 前 後 - 山 川 や 松 尾 その 秘 訣 は ロバスト 性 ノイズを 加 える コネクションを 外 すなど いじめることによる ロバスト 性 だった ぐらぐらの 柱 では2 階 建 てにならない ロバスト 性 を 高 めるには 計 算 機 パワーが 必 要 だった いまのマシンスペックでもGPUを 使 って100 台 並 列 とかで ようやく 精 度 が 上 がる 初 期 仮 説 への 回 帰 初 期 仮 説 なぜ 知 能 をコンピュータで 実 現 することはできないのか? 人 工 知 能 の 分 野 が 当 初 目 指 していたこと できると 思 っていた できない 理 由 があった それが 解 消 された だとしたら もう 一 度 で きるという 仮 説 を 取 るべきでは 潜 在 的 には 産 業 としても 科 学 としても 非 常 に 大 きい 可 能 性 を 秘 めている 22

Deep learningの 今 後 の 発 展 4 インタラクション 外 界 と 試 行 錯 誤 することで 外 界 の 特 徴 量 を 引 き 出 す オントロジー 高 度 な 状 況 の 認 識 5 言 葉 とのひもづけ(シンボルグラウンディング) 1 画 像 画 像 から 特 徴 量 を 抽 出 する 画 像 認 識 の 精 度 向 上 2 マルチモーダル 映 像 センサーなどのマルチモーダルなデータから 特 徴 量 を 抽 出 し モデル 化 する 動 画 の 認 識 精 度 の 向 上 行 動 予 測 異 常 検 知 3 ロボティクス( 行 動 ) 自 分 の 行 動 と 観 測 のデータをセットにして 特 徴 量 を 抽 出 する 記 号 を 操 作 し 行 動 計 画 を 作 る ( 必 ずしも 物 理 的 な 身 体 は 必 要 ではない) プランニング フレーム 問 題 の 解 決 高 次 特 徴 量 を 言 語 とひもづける 言 語 理 解 自 動 翻 訳 6 言 語 からの 知 識 獲 得 バインディングされた 言 語 データの 大 量 の 入 力 により さらなる 抽 象 化 を 行 う 知 識 獲 得 のボトルネックの 解 決 Deep Learningがすごいというよりは Deep Learningの 先 に 広 がる 世 界 がすごい 23

技 術 の 発 展 と 社 会 への 影 響 防 犯 監 視 セキュリティ マーケティング 画 像 による 診 断 広 告 米 国 カナダがリード 2007 画 像 認 識 の 精 度 向 上 行 動 予 測 異 常 検 知 教 育 秘 書 翻 訳 ホワイトカラー 支 援 家 事 介 護 海 外 向 けEC 他 者 理 解 自 動 運 転 感 情 労 働 の 代 替 物 流 試 行 錯 誤 の 自 動 化 農 業 の 自 動 化 製 造 装 置 の 効 率 化 環 境 変 化 に ロバストな 自 律 的 行 動 言 語 理 解 文 脈 にあわせた 環 境 認 識 行 動 優 しく 触 る 技 術 2014 2020 2025 大 規 模 知 識 理 解 2030? 1 2 3 4 5 6 画 像 認 識 マルチモーダルな 認 識 ロボティクス インタラクション シンボル グラウンディング Deep LearningをベースとするAIの 技 術 的 発 展 知 識 獲 得 24

考 えられるインパクト 機 械 の 動 作 が 飛 躍 的 に 向 上 する 可 能 性 がある ディープラーニング+ 強 化 学 習 試 行 錯 誤 によって 動 作 が 学 習 される 製 造 装 置 自 動 運 転 物 流 犯 罪 は 非 常 に 減 る 可 能 性 がある 防 犯 監 視 は 画 像 動 画 による 特 徴 量 生 成 と 異 常 検 出 不 審 者 の 発 見 危 ない 場 面 を 取 り 出 すことで 事 故 も 減 る 可 能 性 が 設 備 保 守 も 自 動 でできる 動 作 + 異 常 検 知 ( 変 な 音 がしないかなど) 情 報 システムのセキュリティを 大 幅 に 向 上 することができる 従 来 は こうすればアラートを 出 す ということを 決 めていた いたちごっこ 特 徴 量 を 生 成 し 異 常 を 検 知 すればよい 仮 説 生 成 と 試 行 のサイクル 自 体 が 自 動 化 できる 可 能 性 がある デザイン 作 曲 製 薬 など シミュレーション 技 術 が 現 在 より 格 段 に 使 えるようになる 特 徴 量 の 抽 出 +モデル 化 シミュレーションし 現 実 の 製 品 として 作 るなど 情 報 システムがぜんぶつながる 可 能 性 がある 画 像 を 通 した 連 携 ほとんどのシステムは 人 間 が 目 で 見 るようにできている ドイツのインダストリー4.0のような 工 場 と 本 社 のシステム 連 携 ができる 25

26

変 わりゆく 社 会 倫 理 や 社 会 制 度 の 議 論 がもう 一 度 必 要 になる 自 動 運 転 で 危 険 回 避 のときは? 人 の 命 の 重 さは? 人 工 知 能 システムが 社 会 に 広 がったときの 不 具 合 の 問 題 製 造 者 責 任? 保 険 や 社 会 保 障 のほうが 適 切 では 心 をもつように 見 える 人 工 知 能 を 作 ってよいか プログラムの 停 止 させると 悲 しむ? 恋 愛 させるビジネスなど( 映 画 Her の 世 界 ) 人 工 知 能 を 使 った 軍 事 ロボット 兵 士 やドローン 権 力 者 を 倒 す 心 を 操 る? 人 工 知 能 が 知 財 を 生 み 出 す 場 合 の 権 利 著 作 権 や 特 許 は 認 めるべきか 人 工 知 能 学 会 倫 理 委 員 会 ( 松 尾 が 委 員 長 )で 議 論 社 会 全 体 で 議 論 していきたい 実 は 人 間 が 本 来 的 にもっている 権 利 がもっとあるのではないか 忘 れられる 権 利 いいところだけを 見 せる 権 利 悪 いことをする 権 利 大 目 に 見 られる( 警 告 を 受 ける) 権 利 好 きになる 権 利... 27

未 来 の 社 会 と 産 業 の 構 造 変 化 を 描 く 1995 年 のインターネット Googleにあたるものはなにか? Amazonにあたるものはなにか? Facebookにあたるものはなにか? キープレイヤーは?プラットフォーマーはどのように 出 現 する? 新 たな 産 業 は? 産 業 構 造 の 変 化 は? 競 争 力 はどう 変 化 する? 社 会 はどう 変 わる? 28

国 内 での 動 き 人 工 知 能 の 拠 点 ドワンゴ 人 工 知 能 研 究 所 :2014/11- リクルート 人 工 知 能 研 究 所 (Rectuit Institute of Technology):2015/4- 産 業 技 術 総 合 研 究 所 人 工 知 能 研 究 センター:2015/5- 経 済 産 業 省 総 務 省 文 部 科 学 省... 経 済 産 業 省 : 情 報 経 済 小 委 員 会 AI ビッグデータによる 産 業 革 新 研 究 会 総 務 省 :インテリジェント 化 が 加 速 するICTの 未 来 像 に 関 する 研 究 会 文 部 科 学 省 東 大 AIラボ( 人 工 知 能 寄 付 講 座 ) 人 材 の 輩 出 が 鍵 ディープラーニングの 教 育 プログラムを 整 備 29

子 どもの 人 工 知 能 と 大 人 の 人 工 知 能 大 人 の 人 工 知 能 :ビッグデータから 人 工 知 能 へ 持 続 的 イノベーション ビッグデータ 全 般 ワトソン Siri Pepper... データが 取 れるようになり それを 使 った 知 的 なシステムが 作 れるようになった 一 見 すると 専 門 家 ( 大 人 )ができることができるが 人 間 が 裏 で 作 りこんでいる 販 売 マーケティングと 相 性 が 良 い ニーズを 見 つけ 素 早 いピボットが 重 要 Google Facebook Amazon 等 が 強 く 日 本 企 業 は 逆 転 が 難 しい 子 どもの 人 工 知 能 :ディープラーニングを 突 破 口 とする 技 術 的 発 展 破 壊 的 イノベーション ディープラーニングを 中 心 とする 発 展 認 識 身 体 性 ( 運 動 神 経 が 上 がる) 言 語 の 順 で 技 術 が 進 展 する 一 見 すると 子 どものできることしかできないが 本 当 にできる 大 きな 可 能 性 が 期 待 される 数 学 計 算 機 科 学 等 の ハードサイエンス が 必 要 で 性 能 向 上 が 可 能 製 造 業 の 相 性 がよく 日 本 企 業 にチャンスが 大 きい 30

将 棋 電 王 戦 機 械 学 習 IBM ワトソン ウェブ ビッグデータ http://venturebeat.com/2011/02/15/ibm-watson-jeopardy-2/, http://weekly.ascii.jp/elem/000/000/207/207410/ 子 ども ディープラーニング(2007-) ILSVRCでの 圧 勝 (2012) Googleの 猫 認 識 (2012) ディープマインドの 買 収 (2013) FB/Baiduの 研 究 所 (2013) 車 ロボット への 活 用 自 動 運 転 Pepper 統 計 的 自 然 言 語 処 理 ( 機 械 翻 訳 など) 検 索 エンジンへの 活 用 Eliza 探 索 迷 路 パズル MYCIN DENDRAL プランニング STRIPS エキスパート システム 対 話 システムの 研 究 チェス(1997) Deep Blue オントロジー Caloプロジェクト ワトソン(2011) Siri(2012) 1956 1970 1980 1995 2010 2015 第 一 次 AIブーム 第 二 次 AIブーム 第 三 次 AIブーム ( 推 論 探 索 ) ( 知 識 表 現 ) ( 機 械 学 習 表 現 学 習 ) bot タスクオントロジー LOD(Linked Open Data) 将 棋 (2012-) 電 王 戦 大 人 囲 碁

基 礎 工 事 のやりかたの 革 命 =ディープラーニング 地 面 ( 現 実 世 界 )にちゃんと 基 礎 を 打 ち 込 む 建 物 ( 知 的 なシステム)を 作 る 従 来 これから 32

これから 人 間 の 知 能 に 近 づく 言 葉 ( 対 話 システム) 3 歳 児 以 上 - 高 い 建 物 も 可 能 に 見 分 ける ( 画 像 認 識 ) 身 体 を 動 かす (ロボット) 1-2 歳 児 0-1 歳 児 33

これまでの 工 法 むりやりやってた 身 体 を 動 かす (ロボット) 言 葉 ( 対 話 システム) 見 分 ける ( 画 像 認 識 ) これをいれると ほら 認 識 した すごいでしょ! あ それはだめだよ デモでは うまくいきますよー! あ それはできないですよ 会 話 出 来 てすごいでしょ! あ 決 まったこと 以 外 しゃべらないで! 実 は 裏 で 人 間 が 必 死 な 苦 労 をしてた 34

もう 少 し 網 羅 的 に 考 えてみる: 産 業 別 のチャンス( 大 きい 方 から) 自 動 車 自 動 車 部 品 : 生 産 運 転 事 故 防 止 建 設 : 建 設 現 場 での 各 種 作 業 医 療 : 画 像 診 断 見 守 り 健 康 アプリ 不 動 産 : 防 犯 監 視 による 付 加 価 値 向 上 物 件 検 索 生 命 保 険 :( 特 になし ) 顧 客 に 合 わせた 料 率 の 計 算 健 康 管 理 外 食 : 調 理 接 客 マーケティング 物 流 : 積 み 替 え 運 転 戸 口 配 送 電 力 : 点 検 建 設 廃 炉 作 業 異 常 監 視 銀 行 :( 特 になし 防 犯 異 常 監 視 ) ネット 銀 行 コールセンター スーパー: 陳 列 補 充 会 計 清 掃 万 引 き 監 視 マーケティング アパレル: 陳 列 補 充 顧 客 行 動 分 析 マーケティング 介 護 : 見 守 り 移 動 トイレの 世 話 コミュニケーションアプリ 農 業 : 耕 うん 整 地 播 種 育 種 追 肥 除 草 収 穫 調 製 見 張 り 損 害 保 険 :( 特 になし) ネット 保 険 35

家 電 小 売 : 陳 列 補 充 在 庫 管 理 電 気 通 信 : 設 備 保 守 使 用 状 況 のモニタリング 異 常 監 視 BtoC-EC:( 特 になし ネットの 情 報 を 店 舗 に 反 映 ) ネット 販 売 の 広 告 推 薦 医 療 用 医 薬 品 : 試 行 錯 誤 による 製 薬 コンビニ: 陳 列 補 充 発 注 防 犯 顧 客 行 動 分 析 販 売 促 進 住 宅 リフォーム: 解 体 搬 入 塗 装 設 置 マーケティング 中 食 : 食 品 加 工 配 送 鉄 道 : 設 備 保 守 異 常 監 視 事 故 防 止 移 動 からの 広 告 表 示 百 貨 店 : 陳 列 補 充 清 掃 防 犯 実 世 界 顧 客 行 動 分 析 広 告 : 視 聴 者 の 反 応 分 析 ネット 広 告 ドラッグストア: 陳 列 補 充 発 注 防 犯 顧 客 行 動 分 析 旅 行 :( 特 になし 旅 行 者 の 安 全 確 保 デバイス) ネット 販 売 通 販 :( 特 になし 異 常 監 視 ) ネット 販 売 36

新 たなチャンスの 分 類 A: 人 件 費 がぐっと 下 がることにより 競 争 優 位 になる 競 争 環 境 におけるコストのセンシティビティ 必 要 な 設 備 投 資 費 外 食 : 人 件 費 割 合 3 割 コストセンシティブなファーストフード 等 B: 人 件 費 が 大 きく 下 がることで そもそも 議 論 の 俎 上 に 乗 ってこなかった ようなビジネスモデルが 可 能 になる 既 存 の 仕 事 を 調 べても 見 えないかも 人 間 には(やろうと 思 えば)できる 事 故 防 止 や 街 頭 調 査 森 林 管 理 や 災 害 の 予 兆 発 見 C: そもそも 人 間 ではできないことが 可 能 になる 既 存 の 仕 事 を 調 べても 見 えない 人 間 でもできない 極 限 環 境 での 作 業 ( 原 子 炉 深 海 鉱 山 宇 宙 災 害 救 助 体 内 ) 37

人 工 知 能 による ものづくり の 復 権 へ 少 子 高 齢 化 する 日 本 のなかで 人 工 知 能 を 切 り 札 として 産 業 競 争 力 を 高 めたい 日 本 にもチャンスが 人 工 知 能 研 究 者 の 人 数 世 代 を 通 じた 理 解 賢 さ と 真 面 目 さ が 重 要 な 領 域 言 語 があまり 関 係 ない DL 技 術 は 若 く 早 くきちんとやれば 追 いつき 追 い 越 せるはず 人 工 知 能 で 変 化 する 産 業 と 社 会 未 来 社 会 を 描 きたい 38