人工知能の過度な期待は禁物!


人工知能がかなり話題です。

いろんなことに応用できそうという話を
よく聞きますね。

個人的に人工知能を勉強したり、
脳科学や心理、画像処理なども勉強していますが
ちょっと気になることがあるので共有します。

人工知能は、別に万能的になんでも回答を出せるものではない。

人工知能は、人間の脳をまねてるだけなので
それほど、不安視したり、未来は人間を抑えるとか
別に万能的になんでも回答を出せるものではないです。

人工知能とは

当初、人工知能っていうのは、
直接知能を作ろうとしました。

しかし
作れなかったので、
脳の仕組みをそのまま活用してみたところ
意外と、面白い反応が簡単にできて、
何か使えそうだというのが、大まかな流れです。

まず、外部のシグナルを受け取らせ
脳のように関数のように、
単純に複数のシグナル(見えたと仮定したり、聞いたと仮定したり)を
違う反応結果として変換します。

例えば、画像もそのままでは、どういう画像かわからないので、
あるロジックを使って、これはこういう特徴点があるよね
という感じで数値化します。
(色の変化具合とか)

それを人工知能という脳の働きをさせるプログラムに読み込ませ
反応させます。

もし、良さそうな反応だったら
次回その反応は、好循環させます(増強させる)
そうすることで、より近い結果になればなるほど
園反応をすることになり、あたかも学んでいるように見えます。

単純に、知覚部分+脳のニューロン+結果見積もり(快楽のようなもの)
+アウトプットです。

猫の画像を理解するときも
画像処理+人工知能+過去の反応の記憶です。

これは2,30年前から余り変わっていません。

最近できるようになったのは、
CPUの高速化はそうですが
並列処理や、記憶領域のSSDなどの高速化
通信帯域の巨大化と高速化などで、
以前に比べられないくらい記憶もでき、
瞬時に処理できるようなったのです。

ワトソン

IBMが昔から作っている技術です。

コールセンターやレシピなどが
最近では、私もいいなと思う解決策です。

IBMは、売り方がいつもうまいなと思いますが、
これは今でもなかなか開きません。
(SI系のコマーシャルでもよく出る、ソリューションと言う言葉は、IBMが作り出したらしい)

最近のブームで息を吹き返しましたが、
なんデータを入れば価値があるのか
何が良さそうなのかが、わかっていません。

IBM以外の機械学習の今の最大のネックかもしれません
何に役立てるのか?という問題です。

何か大量のデータで~~~できないか?
ということがはっきりしているなら役立てます。

それがないと、入れるデータの準備や手間もかかりますし
どう結果が良いのかということが入力できません。

(ここらあたりの、分散システム(IT以外の部分込み)で
設計するのがもしかしたら一旦の目標になるかもしれませんね)

シェフ・ワトソンが切り拓くキッチンの未来 「コグニティブ・クッキングatレフェルヴェソンス」 | 料理通信
http://r-tsushin.com/special/event_ibm_2.html

IBMのワトソンは、当分人間に取って代わらない | TechCrunch Japan
http://jp.techcrunch.com/2015/09/22/20150921ibm-watson-wont-be-replacing-humans-any-time-soon/

ワトソンを生んだIBM「機械学習=AIだと混同すると現実を見誤る」
https://newswitch.jp/p/1799

グーグル

アルファGoが囲碁で勝ちましたが
あれはかなりグーグルに有利なんです。

有利な点

  • 体力
  • プレッシャー
  • 事前準備
  • 深読みが苦手

特に最後のふたつは重要です。

事前の情報収集

AIはデータがあれば
それをある程度までは次回に生かせられます。

にも関わらず、どれだけ事前に戦えたのでしょうか?
プロキシの方がどれだけ、事前研究できたか不明です。

孫氏にもあるように、相手の弱点をつくのが
普通の戦いです。
今回それが一方的だったため、
イマイチGoogleの評価に影があります。

ちなみに、ドワンゴの電脳将棋の大会では
プロ棋士とソフトの双方で学ぶ機会や
チューニングを得て
現場のマシン状況も合わせてチェックします。

膨大な計算量

探索木を
適当に省いて計算量を除いています。

なので、確実に深読みしているわけではなく
幾つか深読みして、その良さそうな確率で
その手を評価しているので、

計算は大雑把に速くできていても
確実に詰めきれるというところが
弱いときが多いです。

そこを計算力と資金でつぎ込んでいます。

なので、人工知能というよりは
巨大データベースと時間短縮技術の方が
全面に出た感じです。

実際のアルファGoの論文は見れてませんが
人工知能と言う定義がまだはっきりしていないのかもしれません。

個人的には、自分で必要な情報を取ってきたり
状況を適切に判断して行動できたら
知性を感じる気がします。

 

それでも、トップ棋士に勝ったというの
すごいことです。

【囲碁】イ・セドル九段と人工知能AlphaGoの戦いがまったく面白くなかった【Challenge Match】 – 暫定龍吟録
http://dragoncry.blog34.fc2.com/blog-entry-311.html

AlphaGoが誇大広告ぎみな件: A級リーグ指し手1号
http://aleag.cocolog-nifty.com/blog/2016/01/alphago-21ae.html

まとめ

それほど、なんでもできるわけではないので
なにが、なぜできるかを理解してから話したほうが良いですね。

今後、AIは大量のデータと状況判断から客観的に
教えてくれる分野から人間のサポートをしてくれると思います。

おまけ

AIに興味があったらどうぞ
一通り、GE(遺伝的アルゴリズム)やニューロンのことを説明してくれています。

導入にこれが一番わかり易いです。
説明もわかりやすいし実践的だし、
ゲームにも取り入れられています。

コメントを残す

メールアドレスが公開されることはありません。