囲碁でAIが人間のチャンピオンに勝利したのは、極めて唐突なことだった。今ではAI抜きに囲碁は語れなくなっている。
山口高平。中谷多哉子。20年代第3次ブームと未来社会。クイズ番組。難しい問題で一般人には回答不可能。ワトソンが挑戦して勝利を。ワトソンでは新しい技術は採用されなかったが情報検索や仮設生成や仮設評価やランキングや機械学習など約100種類のAI統合を。画期的なAIシステムとなる。AIIntegration。システムIntegrationと似ている。他にも画期的な技術が？ディープ・ラーニングの先駆的な応用。12年にグーグルから論文が。You Tubeから学習させたところ人が画像の意味、猫や人の顔を教えなくても自律的に認識することが可能に。一般雑誌にも紹介されたのでディープ・ラーニングの有用性が周知され第3次ブームが。グーグルの猫から。
どのような分野でAIが人間を越え始めたのか。特定分野のシンギュラリティ。元来は全ての分野でAIが人を越える場合。どのような分野で？ボードゲーム。チェス将棋囲碁。打ち手の組み合わせ数は囲碁で10の360乗通り。3種類のボードゲームの研究について。AIチェス。67年にチェスプログラムが世界で初めて競技会に参加し人に勝利。レーティングで示される。プロになると2300以上。グランドマスターだと2500以上。世界チャンピオンで2800以上。アマチュア中級レベル。AIチェスと人との戦いが続き、97年にディープブルーが当時の世界チャンピオンと6回対戦して勝利を。カスパロフ。約40年かけて勝利。ディープブルーはチェス専用のコンピュータで。C言語で5万行。探索向けの評価関数を。1秒間で2億回。PCやスマホで動作する。グランドマスターレベルに。一般人が対戦してもスマホが勝利する。
AI将棋。将棋は相手から奪ったコマを使える。主に日本国内で。75年に初めてAI将棋が開発。80年代以降にアチコチの大学で開発され棋力を向上。05年にアマチュアの大会でベスト16に。13年にボナンザがプロ棋士と対戦し初めて勝利する。17年には叡王と対戦し勝利。AI将棋の勝因。対局相手は意味を理解できなかったと。新しい定石を開発。プロキシ同士は5万局の棋譜を与えて学習させる。王将と3つのコマが形成する三角形の特徴から次の一手を考える、6つの効き筋を。勝利のパターンを学習してプロ棋士でも理解できないように。人間に分かるはずもなく面白みが無くなる？ただAI将棋とプロ棋士が対戦したときに次の一手をかなり正確に予想していた。普段からAI将棋を使っていて。現在豊島将之名人も。AI将棋で訓練して新しい将棋の時代に。
囲碁。AI囲碁。80年代以降に日本韓国中国で。膨大な数でありなかなか強くなれずアマ7段レベルで留まっていた。棋譜の数百万を学習させ自己対局によりアルファ碁を開発。強化学習を使い評価値を高くする。モンテカルロ法という探索手法。数千万回自己対局。GPUという専用のプロセッサーを数ヶ月。数十億円になる。高速コンピュータで開発。16年3月に当時の世界ランク2位の棋士に挑戦して4勝1敗。対戦後はアルファ碁の打ち手の理解が出来ないと。新しい定石を考案した。探索空間が大きく中央から打ち初め分からなくなる。全てのボードゲームの世界で人間を越える。しかしまだ研究は更に続く。アルファ碁も進化。棋譜データを使用せず強化学習だけで。従来と対局して全て勝つ。アルファゼロ。全てのゲームに適用可能なAI。世界最強に。人間が全てチャンピオンになるのは無理。ただルールが決まっていて閉じた世界だから可能だった？計算力やデータ量という腕力に物を言わせて。AIの特徴と捉えて共同の。彼を知り己を知れば百戦殆うからず。
機械学習の実社会での応用例。11年に開発。犯罪予想AI。ある住宅街で事件が起こったら翌日に同様の事件が起こる可能性があるのを示す。翌日待ち伏せをして強盗を取り押さえることが出来る。ロサンゼルスで採用され犯罪が半減。AIを利用して。日本では。回転寿司のスシローでの応用例。年間40億程度のPOSデータを蓄積して売れ筋を予想する。寿司職人の前にディスプレイが。15分後にマグロが売れるなどの予想がなされネタを握る。ある意味AIに命令され気の毒？マグロの廃棄量が75％削減。AIはエコに貢献する。
ディープ・ラーニングの応用例。画像認識精度を競争する競争会。イメージnetというベンチマーク。従来の機械学習。エラー率は25％程度で最高だった。なかなかエラー率は下げられなかったが、12年にトロント大学チームが畳込み型ニューラルネットワークで。14％に。8％以上下がる。画像処理研究者が注目。毎年ディープ・ラーニングの研究が進み、17年にはエラー率が2.3％に。画像を見たが非常に紛らわしいものも有り人間が認識に挑戦しても5％は誤認すると言われる。写真から何が写っているかの分類については人の能力を越える。5年間でディープ・ラーニングが進化して画像認識が向上。応用例。国立がんセンターと日本電気が5000枚のポリープと13万人の健常者のデータを同時にディープ・ラーニングに与えて学習させたところ、ポリープ検出精度が98％以上に。医師によるのは80％程度に。病理画像診断ではAIが越える。コンビニ無人レジなど。一般的にコンピュータの目が人の眼を越えた？正確ではない。認識作業の前に対象を抽出する作業が必要で、競技が行われているが人の方が優れている。周辺の風景から人は推測することは出来るが、AIは隠れた物質を認識することは出来ていない。対象が隠れたままではAIは無理で事前の準備が必要。誤った例。17年7月にNHKスペシャル。5000種類7万個のデータをディープ・ラーニングに与え学習させる。奇妙な結果として解釈困難な学習結果が。ディープ・ラーニングが夕張市の行政に提供され財政悪化して病人が他の市に移動して病院の割合が小さくなった結果、健康な人が増えたと。因果関係を理解せずに最初と最後をつなげて学習してしまった。他の機械学習でもそうだが、相関結果の解釈の問題。鵜呑みにして健康な人を増やすために病院を減らせば大変なことに。結果を読み解く必要が。AIによる意味不明な学習。相関学習だけ、隠れた変数が隠れている。擬似相関。ディープ・ラーニングは擬似相関の結果を出しているだけ。意味的な因果関係を示している訳ではない。人が検証しなければならない。MCは神のお告げだと発言して後でソーシャルメディアを見ているとAIを過大評価して拡散された。大変な勘違い。他にも第3次ブームはディープ・ラーニングの応用について企業が相談を。性能を誤解していることが多い。囲碁で世界チャンピオンに勝ったアルファ碁をニュースレベルで理解してなんでも出来ると誤解が。アルファ碁シンドローム。仮想例。講師2人で。人件費がネックだがAIで代行できるかは調査しないと分からない。囲碁に比較して業務の方が簡単？非常に多い。業務分析。良質なデータ。知識を使った推論。ディープ・ラーニングは殆ど貢献できない。業務分析をしっかりしてどのAI技術が使えるかを。第3次ブームが始まっていてどの企業でも機運があるがAIプロジェクトは半分程度は挫折。様々なAI技術がどこまで適用可能かを分析が。
SF映画とAI。現在のAIは特定分野の。弱いAI。ターミネーターなど。AIコンピュータ。最初は弱いAI。シンギュラリティ。映画ではシンギュラリティの意味で。45年までに実現するとカーツワイルが。意識も持ちうるので強いAIと。AIコンピュータが意識を初期知能として変化するストーリーに。映画の詳細。途方もない世界が。ADI。汎用人工知能の研究も。SF作家との対話でネタが少なくなるとぼやく。倫理観を持つことが大切で薄れると幸せの阻害に。
