デジタルテクノロジーの進化がもたらすクルマの付加価値向上 加藤整 2015 年 12 月 18 日 @ISIT 第 17 回カーエレクトロニクス研究会
はじめに 知能とモノ という視座で眺める 2
知能側がモノ側を欲ス ( 身体性 ) 知能から モノへ Google 社 https://www.google.com/selfdrivingcar/ UC Berkeley, Dpt. EE & CS http://rll.berkeley.edu/deeplearningrobotics/ Preferred Networks 社 https://research.preferred.jp/2015/06/distributed-deep-reinforcement-learning/ 3 Google self driving car by Michael Shick [CC BY-SA 4.0] https://youtu.be/jevppkoloxs https://youtu.be/a3awpeojkzw
本日のおはなし 知能 モノ AI x IoT = Auto 2020 4
本日のおはなし 1: 人工知能研究の最前線で起きてること AI x IoT = Auto 2020 5
深層学習によりニューラル再び 50% 40% コネクショニズムな時代 Neural SVM, kernel Deep Convex Submod 30% 20% 10% 機械学習興隆 深層学習でニューラル再び 0% 1987 1995 2000 2005 2010 2015 6 各年の NIPS 採択論文タイトルより用語を含む件数を数え上げ その年の採択論文数で除算して比率を ITC 算出, https://papers.nips.cc/
機械学習系人材獲得が熾烈 7 NIPS2015 にて ITC 撮影 解像度を下げて掲載
深層学習の更にその先には? ルールベースでの知識表現 エキスパートシステム 推論エンジン パーセプトロン 統計確率モデル 最適化 バックプロパゲーション ボルツマンマシン 強化学習 ネオコグニトロン TD ギャモン データマイニング 畳み込みニューラルネット Google 機械学習 DBM, RBM 半教師あり学習 深層学習 Facebook Google Google Memory Netowrks 深層学習 + 逆強化学習 UCB Deep Q- Network BRETT Neural Turing Machine? SHRDLU 質問応答システム IBM IBM Watson QUALM IBM IBM TrueNorth 8
物体検出から 画像キャプション生成 /QA 画像概念へ 画像キャプション生成 画像 QA 画像概念へ 9 O. Vinyals et al., Show and Tell: A Neural Image Caption Generator, arxiv:1411.4555 K. Xu et al., Show, Attend and Tell: Neural Image Caption Generation with Visual Attention, arxiv:1502.03044 J. Andreas et al., Deep Compositional Question Answering with Neural Module Networks, arxiv:1511.02799 S. Antol et al., VQA: Visual Question Answering, arxiv:1505.00468 https://github.com/newmu/dcgan_code F. Sadeghi et al., VISALOGY: Answering Visual Analogy Questions, arxiv:1509.08075
知識記憶機構の構築 Memory Networks (MemNN/MemN2N) Neural Turing Machine (NTM) Neural GPU へ 加算 乗算 1010+0111 0110*0101 10 文章を記憶 質問に回答 S. Sukhbaatar et al., End-To-End Memory Networks, arxiv:1503.08895 A. Graves et al., Neural Turing Machines, arxiv:1410.5401 Łukasz Kaiser and Ilya Sutskever, Neural GPUs Learn Algorithms, arxiv:1511.08228 学習によりアルゴリズムを獲得 並列化
特徴的なタスクへの適用 11 L.A. Gatys et al., A Neural Algorithm of Artistic Style, A Neural Algorithm of Artistic Style, arxiv:1508.06576 http://googleresearch.blogspot.jp/2015/06/inceptionism-going-deeper-into-neural.html J. Wu et al., Galileo: Perceiving Physical Object Properties by Integrating a Physics Engine with Deep Learning, NIPS2015 C. Vondrick et al., Learning visual biases from human imagination, NIPS2015 A. Recasens et al., Where are they looking?, NIPS2015
本日のおはなし 2: 知能化したモノとの狭間で AI x IoT = Auto 2020 12
知能化したモノと共生するには HMI/ 機能配分 / 権限移譲が重要に ドライバー HMI Level 0 外界 感覚機能 認知判断 機械 HMI ドライバー Level 1-3 外界 感覚機能 認知判断 機能配分権限移譲 センサーモジュール 機械 自動運転モジュール 人工知能モジュール 13
能力に限りがある人と能力に限りがある機械の共生 見える 機械が 見えない 見える 見ているものが異なる 同じでも対応策が異なるとオートメーションサプライズ 機械に対する過信 不信 人が 見えない 機械に対する不安 不信 お互いの情報 意図を共有できるようにすることが重要 14 稲垣, 人と機械の共生のデザイン, 2012
知能化したモノとの HMI 飛行経路, 高度などの入力はキーボードの方が容易 操縦桿はあくまで機体に動機づけを与えるための道具なので ジョイスティックで十分 限界点では機械が人間を補ったほうがいい B787 A380 B-2 パイロットには自然なので操縦桿は残してある 操作モードを切り替えることにより 機械を外せる ステルス爆撃機 B-2( コクピットはボーイング製 ) は普通の操縦法で飛ばせる 超複雑な操縦システムを 飛行機の基本的な操作系に縮約して入出力 ( 仮想エルロン ラダー エレベーター 人間のほうが機械よりうまいと思っている 15 A380 by Naddsy [CC BY 2.0] B787 by Brandrodungswanderfeldhackbau B-2 by by David Bohrer [Public domain] 利用者に理解させやすい設計思想
オートメーションサプライズの防止 B787 A380 B-2 自動操縦のとき サイドスティックとスラストレバーは定位置に固定され動かいない 自動操縦の際に コンピュータの制御に応じて 操縦輪とスラストレバーが動く コンピュータが何をしようとしているのかを情報提示 ( ディスプレイでの表示に限らない ) 16 稲垣, 人と機械の共生のデザイン, 2012 A380 by Naddsy [CC BY 2.0] B787 by Brandrodungswanderfeldhackbau B-2 by by David Bohrer [Public domain]
本日のおはなし 3: トヨタ IT 開発センターのとりくみ AI x IoT = Auto 2020 17
トヨタ IT 開発センターのとりくみ 所有価値から利用価値へ クルマは社会システムのエレメントに 18
所有価値から利用価値へ API エコノミーにおけるクルマ Contents Providers Ad. Providers Mobility Service Providers API API API API API Mobility Open Platform API API Retail Sales healthcare Insurance data, money value in use 19
クルマは社会システムのエレメントに社会システムを包摂したシステム (SoS) のモデル駆動開発手法 Traditional OEM A OEM B OEM C Electronization OEM A OEM B OEM C Integration with Society (Energy, HOME) AUTO IND. Body Engine Body Engine Body Engine SW for ECUs Powertrain SW for ECUs Social System Center System Interior Interior Interior Interior Interior Vehicle OEM A OEM B OEM C Vertical Integration Horizontal Collaboration System Design Ability lapping MBSE MBSE for SOS PRODUCT System of Systems DEV. Methodology SURIAWASE SYSTEM CMPNT PRODUCT SYSTEM CMPNT 20
まとめ 機械が概念を理解できるようになりつつある 知能化された機械と人間双方の意図を共有できるようにすることがより重要になりつつある トヨタ IT 開発センターではこれら AIxIoT の新たな世界に向けた取組を開始しています 21
加藤整トヨタ IT 開発センター調査企画グループグループリーダー <se-kato@jp.toyota-itc.com> http://seikato.weebly.com/ 22