2019年03月07日

人工知能、深層学習についての整理

「深層学習の先にあるもの ? 記号推論との融合を目指して(2)」公開シンポジウム

という案内が来ました。

16


このシンポジウムは昨年も開催され、その様子は

ディープラーニングの先のAI(人工知能)

に書いてあります。

196313eb-s


人工知能という言葉が生まれたのは、実はかなり昔の1956年のダートマス会議でのことです。

その後何度かブームがあり、今は3回目のブームです。

高速大量のパターン認識だけでなく、脳科学から深層学習を取り入れ、以前はコンピューターになじまなかった暗黙知を取り込み、自己学習もできるようになりました。

さらに、ロボットとの結びつきも開発を促進させています。

「人工知能に仕事を奪われる」と恐れるよりも、できることを、どんどん行い、やれることを広げていく方がよさそうです。

9f73f4db-s


進捗が著しい分野なので、簡単に整理してみます。

コンピュータと「巨大頭脳」


1940〜50年代にリレー式、真空管式など大型コンピューターが出現し、人が行っていた大量の計算を瞬時で行うようになりました。

これまで、大勢の人が数か月かかっていた複雑な計算を瞬時に行ってしまうこと自体、当時劇的だったのですが、コンピューターは情報を処理し、計算し、結論を出し、選択することができるのだから、自ら考えることができる、という考えが出てきて、1956年には人工知能という言葉が生まれます。

計算機と脳の類比は、計算機に関わる研究者のあいだで1940年代から1950年代にとくに流行しました。

『巨大頭脳』の著者であるエドモンド・バークリーは、デジタル計算機の持つ「推論をする能力」に着目し、計算機と論理の関係性、また計算機の社会的意義に関する啓蒙活動を行いました。

25ab26f4-s


最近、話題の人工知能ですが、生まれは1956年のダートマス会議で、とかなり古いものです。


fa8f1e5f


現在深層学習(Deep Learning)がAIに革命をもたらしています.

深層学習は機械学習のための大変強力な道具ですが,それだけでAIシステムの全てが実現できるわけではありません.

ボトムアップの機械学習とトップダウンの推論システムの融合により強力なAIシステムが構築できると考えていますが,その具体的手段はまだ確立されていません.

現在,その融合に関心を持つ研究者たちによるワークショップ形式の議論を公開で行うことにより,日本のAI研究の未来像を示したいと考えています.

e3f56e89


ディープラーニングについて、復習すると、

人々が住み、働く場こそ、人工知能、IoTの活用を

「茶わんの湯」から“予測する科学”「人工知能の予測と予期〜予測する科学と予期する工学」



11281ef3-s



人工知能の歴史

1.物理記号:知能の本質は記号処理。(→言語化、記号化できない暗黙知は扱えない)

2.パターン認識(画像認識、ニューラル・ネットワーク、ディープ・ラーニングなど)

3.環境との相互作用

超多層の学習であるディープ・ラーニングは、コンピューターの高速化により可能になった。(以前のコンピューターではリアルタイムは不可能で、数年かかった)

以前の知能システムは、認識→推論→行動、の順番で行っていたが、今は、認識、推論、行動のそれぞれを、パラレルで行い、相互にフィードバックする。

IMG_20190305_131418


ディープラーニングは、2012年、コンピューターによる物体認識の精度を競う国際コンテスト「ImageNet Large Scale Visual Recognition Challenge(ILSVRC) 2012」で、トロント大学のSuperVisionチームが採用した、もので、ディープラーニングのシステムは、人間の脳についての知識を利用して階層的に認識を行うシステムです。

従来の人工知能で採用されていたパターン認識では、人間の精度に勝てなかったのが、ディープラーニングは人間の精度を超えました。


IMG_20190305_131316


カンブリア紀を迎えた人工知能


従来の画像パターン認識では、人工知能は人間の目にに勝てませんでした。

つまり、コンピューターによる画像認識よりも、人間の目視の方が確実でした。


2012年に人工知能にディープラーニングというシステムが誕生しました。

ディープラーニングのシステムは、人間の脳についての知識を利用して階層的に認識を行うシステムです。

2015年2月に、なんとディープラーニングは、画像パターン認識において人間の精度を超えました。

IMG_20190305_145839


人工知能が人間の目の精度を上回る「目」を持った、と言えます。

これは地球の歴史45億年、生物の歴史40億年における、5億4000年前のカンブリア爆発、史上初めて、目を持った生物、三葉虫が誕生し、進化が急速に進んだ、になぞらえたりしてます。


IMG_20190305_150629


人工知能とロボットの目、手、足とセンサリング技術による知覚センサーが融合すると



人工知能は、目だけではなく、ロボットと融合することにより、手、足を手に入れ、センサリング技術の進化により、知覚センサーも手に入れました。

人工知能はチェス、将棋、囲碁では、既に人間の名人、チャンピオンを上回るようになっています。

ネットと実社会は既に融合しています。融合だけでなく、人工知能が目、足、手、知覚センサーを手に入れたことにより、ネット上で出来ることを、実社会へ展開するステージに来ています。


19


人工知能は、

・脳科学をベースに人間の脳を人工的に実現することと、

人工知能と脳科学、この密接な関係


従来の人工知能で採用されていたパターン認識では、人間の精度に勝てなかったのが、人間の脳についての知識を利用して階層的に認識を行うシステムである、ディープラーニングを採用したところ、人間の精度を超えました。

人工知能の開発には、脳科学の研究が欠かせません。


・大量高速計算、検索、照合機能を活用して、人間はできないことを瞬時に行う


人の仕事が人工知能に置き換わる、よりは、人と人工知能のコラボにより、できることが急激に拡大する


コンピューターはデータをもとに、高速大量演算を行い、その結果を示します。


の2つの手法が主に行われていたが、これが統合されてつつあります。

17


深層学習(Deep Learning)に加えて、機械学習、強化学習などを組み合わせたものが主流ですが、

ディープラーニングが、人間の脳の機能をベースに導入されたように、他にも人間の脳の機能を活用すると、新たな展開が期待できます。

7fbb64d7


人間の脳の機能としては、

・人間の脳は、視覚、聴覚など外界から入力した情報と、脳自身が想起した情報を区別できない。

・脳は意識して考える場合と、無意識に考える場合があり、後者の方が圧倒的に多い。

・機械学習がボトムアップで認識するのに対し、人間はトップダウンで推論し、後付けで、その推論を裏付けるデータを探していく。

18


今後の、AI(人工知能)の展開は楽しみですが、どう展開していくのか、予想もつきません。



stake2id at 20:04│Comments(0)このエントリーをはてなブックマークに追加

コメントする

名前
 
  絵文字
 
 
livedoor プロフィール

「TAK」さん

最新記事
Archives