資 料 1 人 工 知 能 の 動 向 と 金 融 との 関 係 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 共 同 代 表 特 任 准 教 授 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=31(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 ) 科 学 技 術 への 顕 著 な 貢 献 2015 大 川 出 版 賞 (2015 年 ) 等 受 賞 経 済 産 業 省 産 業 構 造 審 議 会 新 産 業 構 造 部 会 委 員 情 報 経 済 小 委 員 会 委 員 IoT 推 進 コンソーシア ム 運 営 委 員 厚 生 労 働 省 働 き 方 の 未 来 2035 懇 談 会 メンバー 内 閣 府 基 盤 技 術 の 推 進 の 在 り 方 に 関 する 検 討 会 構 成 員 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 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 物 産 電 通 など 起 業 した 学 2 生 も 多 数 GunosyやREADYFORなどのサービスを 構 築 運 用 している
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 革 命 車 ロボット への 活 用 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) アルファ 碁 (2016) 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( 医 療 診 断 ) 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 bot タスクオントロジー ワトソン(2011) LOD(Linked Open Data) Siri(2012) 将 棋 (2012-) 電 王 戦 囲 碁 1956 1970 1980 1995 2010 2015 第 一 次 AIブーム ( 推 論 探 索 ) 第 二 次 AIブーム ( 知 識 表 現 ) 第 三 次 AIブーム ( 機 械 学 習 ディープラーニング)
ディープラーニング 革 命 認 識 画 像 認 識 ができる (コンピュータができて 以 来 初 めて!) 運 動 の 習 熟 ロボット 機 械 に 熟 練 した 動 きができる 言 語 の 意 味 理 解 文 の 意 味 が 分 かる ( 文 と 映 像 の 相 互 変 換 ができる) 4
認 識 :いままでの 難 しさ イヌ ネコ オオカミ これをコンピュータで 見 分 けたい 耳 が 垂 れている 目 が 長 い イヌ 耳 がとがっている 目 が 丸 い ネコ 耳 がとがっている 目 が 長 い オオカミ イヌ 結 局 耳 が 垂 れている 目 が 長 い などの 特 徴 量 を 人 間 が 考 えている 限 り 無 理 どん なに 頑 張 っても 必 ず 例 外 がある 人 間 はなぜかうまくできる 5
認 識 :ディープラーニングの 実 績 (2012) ILSVRC2012:Large Scale Visual Recognition Challenge 2012 Team name Error Description ディープ ラーニング SuperVision 15.315% Using extra training data from ImageNet Fall 2011 release SuperVision 16.422% Using only supplied training data ケタ が 違 う ISI 26.602% Weighted sum of scores from classifiers using each FC ISI 26.646% Naïve sum of scores from classifiers using each FV 長 年 の 特 徴 量 設 計 の 工 夫 ISI 26.952% Naïve sum of scores from each classifier with SIFT+FV, LBP+FV, GIST+FV and CSIFT+FV, respectively OXFORD_VGG 26.979% Mixed selection from High-Level SVM scores and Baseline Scores, decision is performed by looking at the validation performance.... 6
認 識 :2012 年 以 降 Error Before ディープ ラーニング After ディープ ラーニング 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) Baidu Arxiv paper:2015/1/3 6.0% Human: Andrej Karpathy 5.1% Microsoft Research Arxiv paper: 2015/2/6 4.9% Google Arxiv paper: 2015/3/2 4.8% Microsoft Research CVPR paper: 2015/12/10 3.6% 2015 年 2 月 には 人 間 の 精 度 を 超 えた 画 像 認 識 で 人 間 の 精 度 を 超 えることは 数 十 年 間 実 現 されていなかった 7
運 動 の 習 熟 :ディープラーニング+ 強 化 学 習 (2013-) 強 化 学 習 とは 行 動 を 学 習 する 仕 組 み 報 酬 が 得 られると 事 前 の 行 動 を 強 化 する 状 態 行 動 望 ましさ( 報 酬 ありなし) 古 くからある 技 術 だが これまでは 状 態 を 人 間 が 定 義 してきた 運 動 の 習 熟 が 可 能 に 状 態 の 認 識 に ディープラーニングを 使 う DeepMindの 研 究 者 (D. Hassabisら) その 後 Googleが 買 収 試 行 錯 誤 することによって 運 動 が 習 熟 する 最 初 は 下 手 繰 り 返 すうちに うまくなってくる 最 終 的 には ブロック 崩 しでの 通 路 を 作 ったり インベーダーゲームでの 名 古 屋 撃 ち も 全 く 同 じプログラム で 異 なるゲームを 学 習 半 数 のゲームで 人 間 のハイスコアを 上 回 る http://www.clubic.com/mag/actualite-756059-google-jeu-video.html http://www.economist.com/news/briefing/21650526-artificial-intelligence-scares-peopleexcessively-so-rise-machines 8
運 動 の 習 熟 :ディープラーニング+ 強 化 学 習 が 実 世 界 へ(2015-) 実 世 界 への 適 用 2015 年 5 月 試 行 錯 誤 で 部 品 の 取 付 を 習 熟 するロボットの 開 発 (UC Berkeley) 2015 年 5 月 試 行 錯 誤 で 運 転 を 習 熟 するミニカーの 開 発 (PFN 社, 日 本 ) 2015 年 12 月 試 行 錯 誤 でピッキングが 上 達 するロボットの 開 発 (PFN ファナック, 日 本 ) その 他 メリーランド 大 EUのプロジェクト 等 も 進 展 考 えてみれば 当 たり 前 犬 や 猫 でもできる 高 次 な 言 語 能 力 は 必 要 ない 認 識 が 問 題 だった 歴 史 的 には 多 数 の 人 工 知 能 研 究 者 がこのことを 主 張 してきた 試 行 錯 誤 で 作 業 学 ぶロボット(UC Berkeley) 試 行 錯 誤 で 運 転 を 学 習 するミニカー(PFI 社 日 本 ) https://research.preferred.jp/2015/06/distributed-deep-reinforcement-learning/ http://news.berkeley.edu/2015/05/21/deep-learning-robot-masters-skills-via-trial-and-error/ http://www.nikkei.com/news/print-article/?r_flg=0&bf=0&ng=dgxmzo83844520s5a300c1000000&uah=df170520127709 9
言 語 の 意 味 理 解 :Automated Image Captioning (2014-) a http://cs.stanford.edu/people/karpathy/sfmltalk.pdf 10
言 語 の 意 味 理 解 :Generating Images (2015.12-) A stop sign flying in blue skies. Elman Mansimov et. al: Generating Images from Captions with Attention, Reasoning, Attention, Memory (RAM) NIPS Workshop 2015, 2015 11
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 へという 持 続 的 イノベーション ビッグデータ 全 般 IoT 全 般 ワトソン Siri Pepper... 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 マーケティングなど 今 後 は 医 療 金 融 教 育 など 子 どもの 人 工 知 能 :ディープラーニングを 突 破 口 とする 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 子 どものできることができるようになっている 人 間 の 発 達 と 同 じような 技 術 進 化 : 認 識 能 力 の 向 上 運 動 能 力 の 向 上 言 語 の 意 味 理 解 という 順 で 技 術 が 進 展 する ものづくり 中 心 特 徴 量 の 設 計 を 人 間 がやらないといけないのが 大 人 の 人 工 知 能 やら なくてよいのが 子 どもの 人 工 知 能 12
日 本 の 戦 略 日 本 の 社 会 課 題 に 対 して DLを 基 盤 とする 認 識 運 動 の 習 熟 言 語 の 意 味 理 解 技 術 を 適 用 する 農 業 分 野 に 習 熟 したロボット を 適 用 することで 休 耕 地 が 耕 せる 除 草 防 除 や 収 穫 ができる 収 量 が 増 える 介 護 分 野 に 適 用 することで 介 助 も 楽 に 移 動 したりトイレにいけるようになり より 自 立 した 生 活 ができる 廃 炉 作 業 に 適 用 することで 危 険 な 状 況 で 人 が 作 業 しなくてよくなる 工 期 を 短 縮 できる 河 川 や 火 山 を 見 張 ることで 河 川 の 氾 濫 や 土 砂 崩 れ 噴 火 などの 危 険 な 状 態 予 兆 を 早 期 に 発 見 できる こうした 技 術 を 使 った 製 品 を 海 外 に 展 開 していくことで 新 たな 輸 出 産 業 に GDPの 増 加 につながる 地 方 からグローバルへ ものづくり と 擦 りあわせて 技 術 を 伸 ばす それをグローバルに 展 開 13
金 融 における 人 工 知 能 活 用 1. 大 人 の 人 工 知 能 としてビッグデータの 活 用 資 産 運 用 トレーディング 融 資 与 信 保 険 の 料 率 販 売 促 進 こういったところで 技 術 の 入 り 込 む 余 地 は 大 きい 2. 画 像 データの 活 用 画 像 を 使 ったトレーディング 信 用 度 の 推 定 や 売 上 の 予 測 等 いろいろなアイディアがあり 得 る 3. 人 工 知 能 にまつわる 保 険 や 金 融 商 品 自 動 化 する 社 会 において さまざまな 場 面 で 必 要 に ただし 一 番 大 きい 変 化 は 自 動 翻 訳 前 後 では 14
産 学 連 携 に 向 けた 課 題 これまでに30 社 以 上 と 共 同 研 究 連 携 大 学 ができること データ 分 析 やアルゴリズム 構 築 技 術 の 見 立 て 将 来 像 大 学 の 側 の 意 識 きちんとした 価 格 設 定 と 責 任 コンサルティング 機 能 企 業 の 側 の 意 識 きちんとした 問 題 意 識 といかに 収 益 を 上 げるか 研 究 活 動 への 理 解 15