目指すコンセプトは「AI妖怪」? 電通大、汎用人工知能研究拠点「AIX」キックオフ・シンポジウムを開催
AIXが目指すのは、普段は見えないが、VRやAR、MR機器を通じれば見られる、IoTなどを使ってさりげなく人を助けてくれるAIだ。これと、電通大は水木しげる氏のお膝元である調布にあることから、「AI妖怪(YokAI)」なる汎用人工知能を目指していくと栗原氏はコンセプトを表現した。
基調講演は認知発達ロボティクスの第一人者であり、AIX顧問でもある大阪大学大学院工学研究科教授の浅田稔氏。浅田氏は「学際・融合からAI超域へ : 構成的発達科学への挑戦」と題して、「人工知能から人工共感、そして人工意識に繋がる構成的発達科学の試み」について講演した
特定の筋骨格系を持った生物の神経活動をシミュレーションすると、解剖学的構造が反映されて特定の活動パターンが出てくる。通常の歩行のときと非常に意識的な足運びをしているような状態では異なる状態が観測される。もしかしたらこれが意識と無意識を示しているのかもしれない。
意識に関しては最近、ジュリオ・トノーニによる「統合情報理論」が提唱する「φ」という量での意識の計測が話題になっている。定量化できれば不安定時の運動と安定時の運動との情報量の差や、各機能の分散や多様性についても興味深いことがわかるかもしれない。
人気ホテルが最大78%OFF
200社の予約サイトから料金を一括比較
最安値の宿泊プランをご案内
www.trivago.jp 
グーグルの人工知能、今度は「モザイク画像の被写体を特定」する
グーグルの研究チームは、人間には何が写っているかほとんど認識できないような人の顔や部屋を写した低解像度の画像から、元の画像を推測・再現する人工知能システムを開発した。防犯などに応用できる可能性がある。
このシステムでは、「conditioning network」と「prior network」という2種類のニューラルネットワークを組み合わせて画像を解析し、8×8ピクセルという低画質画像から、32×32ピクセルの高解像度ヴァージョンを生成している。
まずconditioning networkは、低解像度画像を任意の高解像度画像と比較することで、そこに写っているのが顔なのか部屋なのかを判断する。
次に「PixelCNN」（CNN：畳み込みニューラルネットワーク）を使用するprior networkが、8×8画像にピクセルを追加する。『Are Technica』UK版の記事によると、PixelCNNは既知の画像を利用して細部を追加するという。たとえば、唇はピンクであることが多いので、唇だと判断された領域にはピンクのピクセルを追加するという具合だ。
それぞれのニューラルネットワークの処理が終わると、グーグルの研究者たちがその結果を組み合わせて最終画像を生成する。「顔の典型的なヴァリエーションを前もって学習することで、AIは細部をリアルに描画することができる」と研究者たちは書いている。
人気ホテルが最大78%OFF
200社の予約サイトから料金を一括比較
最安値の宿泊プランをご案内
www.trivago.jp
ディープラーニングの仕組みと応用
詳説 人工知能 - ディープラーニングの仕組みと応用：ITpro
このうち、最も進んでいるのは音声認識の分野である。
短時間区間の音声から音素（語と語の意味を区別する機能を持つ音声の最小単位）を推定する音響モデルの部分で活用が進んでいる。ただし、外部のノイズが大きい、残響があるなど、学習環境と利用環境に大きな違いがある場合は、ディープラーニングでも認識精度は低い。
最近は言語モデルを利用することによって、単語や文中の単語のつながりの情報を活用し、音声認識の精度向上を図る取り組みも進んでいる。言語モデルには、自然言語処理の分野で近年活用が拡大している再帰型ニューラルネットワークが利用されている。
続く画像認識は、ディープラーニングで現在、最も注目を集める適用領域だ。PoC（Proof of Concept：概念実証）が盛んで、実用化も進みつつある。
静止画像の画像分類のような単純タスクでは、ディープラーニングは既に人間より高い認識率を実現したと言えよう。最近では、こうした簡単なタスクではなく、物体の領域を画素レベルで分離するセグメンテーションや動画像処理の分野の研究開発が進められている。
このように音声認識や画像認識が成果を上げる一方、自然言語処理の分野での成果は今のところ限られる。
ディープラーニングの適用分野は、ニュースの要約や欧米言語間の翻訳などに限られる。
興味深い成果もいくつか出てきた。その代表例は、単語や文章の意味などを数百次元ほどの固定長ベクトルで表現する「分散表現」である。
この状況を変えたのはGoogleだ。同社はニューラルネットワークを使用することによって、高速に分散表現を構築する手法を2013年に考案。
しかもGoogleがこの手法を「word2vec」というオープンソースソフトとして公開した。これによって多くの自然言語研究者が分散表現を活用するようになっている。
word2vecのように演算で単語の意味を類推できる仕組みがあれば、辞書作成の手間の省力化が期待できる。
人気ホテルが最大78%OFF
200社の予約サイトから料金を一括比較
最安値の宿泊プランをご案内
www.trivago.jp
ありそうでなかった！日本のAI関連の大学研究室をまとめた「AI Lab Map」
2016年は、産学連携プロジェクトが盛んになり、AIを研究している研究室の名前を目にすることが増えたと感じた方も多いはず。そこで、AINOWでは、日本のAI関連の研究をされている研究室をまとめてみました。
人気ホテルが最大78%OFF
200社の予約サイトから料金を一括比較
最安値の宿泊プランをご案内
www.trivago.jp
グーグルにも分からない機械学習やディープラーニングの使い道
活用見込みが高いこれらの技術には、共通していることがある。実行していることがほぼ情報の1次処理に過ぎないということである。つまり、入力方法から音声や画像などに変わった点を除けば、既存のシステムと同様な機能を提供しているだけなのだ。
AIを活用する価値とは、何かの機能を実行することそのものではなく、何かを実行する「判断」を代替することであり、その判断の精度、スピード向上による高価値化や効率化を効果と捉える必要がある。
効率化という効果は、旧来のシステムと同様にコスト削減額でしか計れない。
一方、高価値化という効果は、AIが既知の業務を代替することではなく、新たな業務を担うことでもたらされる。未知の業務に対して価値を見いだすことから始める必要があるため、そのコスト課題に加えて、効果面での課題も山積している
１つめの課題は「AIに判断を求める領域が非常に限定的」ということだ。現在の社会では、何事についても評価基準は全て人間が決めており、その多くは明文化されている。
従って、評価基準が明文化されていない領域でのAI活用が、高価値化への有用なアプローチと言えるが、明文化されていないものほど高度な判断が必要となる。しかも、高度な判断が必要なものほど、現状では取れるデータが少ないのが現状だ。
2つめの課題は、「効果が出るかどうかはやってみないとわからない」ということである。
機械学習は「人間は評価基準だけを決めて、あとは機械に何度も試行させ、評価基準の高い対応策が見つかるたびに対応策を自動更新する」技術であり、ディープラーニングは「大量のデータを読み込ませることで、評価基準自体を考えさせる」技術である。どちらも人間の判断を代替する技術だが、「なぜそうなるのか」という因果関係の解明は行わず、「（なぜかはわからないが）AをするとBとなる傾向がある」という相関関係を抽出するのみだ。
3つめの課題は、AIそのものではなく、それを活用する人間側の問題。「AIに判断を委ねることを生理的に受け付けられない」ということだ。
「なぜかはわかりませんが、統計的に大丈夫です」と言われて、安心できる人がいるだろうか。
最後の課題は、効果に対する直接的な課題ではなく、効果を出すための手段における課題である。
具体的には「先進ITベンダーの技術もまだ十分に成熟していない」ということである。その先進ITベンダーでさえ現時点ではプラットフォームの提供にとどまり、いまだ使い道や価値を明確に示せてはおらず、協業したとしても実証実験を目的とした導入にならざるを得ないのが実情だ。
コストと効果の視点から、AIにおけるビジネス課題を述べてきたが、現時点でのAI導入は、喧伝されているほどのバラ色の世界が待っているわけではない、ということを理解してもらえただろうか。機械学習は導入する効果が少しは見えてきた。だが、本格的なサービスとして利用する場合、法制度や規制をクリアし、顧客の期待を満たすような商用化に足る品質を備えなければならない。業務利用を含めエンタープライズ向けに利用する場合も、導入コスト以上の業務効率化を図れないのなら、投資対効果に見合わない。ディープラーニングに至っては、「そもそも何を効果と定めるべきか」から考えなければならない。
人気ホテルが最大78%OFF
200社の予約サイトから料金を一括比較
最安値の宿泊プランをご案内
www.trivago.jp
