コンピュータの舞台裏 vol.08 - 身近な事例からひも解く人工知能

身近な事例から紐解く人工知能@THAYAMIZU

1

自己紹介

クレスト

博士(情報学)・修習技術者

SNS

twitter@thayamizu

github@thayamizu

趣味

カラオケ・イラスト・プログラミング

よく使う言語

C++, C#, TypeScript, PHP, Python, Haskell

コンピュータの舞台裏勉強会#08

2

前書き

ここでの発言は個人の見解に基づくものであり，個人が帰属する組織とは関係はありません．

解説を容易にするため，専門用語・数式を極力排除しています．そのため，一部不正確な箇所がありますが，ご了承ください


3

目次

AIとは？

AIの定義

AIの応用分野

身近な人工知能の技術

事例1:検索エンジン

事例2:ネットショッピングサイトの推薦システム

事例3:認識技術と人工知能

事例4:会話をする人工知能

人工知能に仕事が奪われる？ -人工知能が与えるインパクト-

エキスパートシステム

棋士とAI

コンピュータが生成する芸術

弱いAIと強いAI

シンギュラリティ-人工知能が人類を越える -

人工知能を支える技術


4

AIとは？


5

AIの定義

通常，学問の分野には研究対象について何らかの共通認識はあるが，人工知能の分野においては共通認識はない [1]

AIとはこういうものだ！という定義はないんです

辞書的定義

学習・推論・判断といった人間の知能のもつ機能を備えたコンピューターシステム。応用として，自然言語の理解，機械翻訳，エキスパートシステムなどがある[2]


6

[1]人工知能とは –近代科学社

[2]大辞林 –三省堂

AIの応用分野


高度な専門知識に基づいて推論を行うソフトウェア

音声認識・画像認識

エージェント・自動運転技術

機械学習

ロボット

ゲーム

将棋・囲碁

自然言語処理

翻訳・日本語の意味を理解する

情報検索

推薦エンジン・WEB検索・友達検索


7

身近な人工知能の技術


8

検索エンジン

みんな大好きGoogle先生

検索エンジンの役割

大量のデータから必要な情報を検索する

ネットショッピングサイトの商品の検索

動画・画像の検索

大量の文書からキーワードを含んでいる文書の検索


9

検索エンジン

ユーザが実際に何を検索したいのかを推測する

ユーザの検索がまちがっていても正しく検索ができる

ユーザの検索の意図を推測する

検索キーワードからユーザの欲しい情報を推測する

ユーザの意図を読み取る


10

検索エンジン


11

ネットショッピングサイトの推薦システム

Amazon, Yahoo!ショッピング, 楽天などのネットショッピングサイトで見かける「おすすめの商品」で表示される商品の一覧

ユーザ毎にカスタマイズされて表示される


12



13


なぜユーザーの情報からわかるのか？


14


ショッピングサイトからの過去の購入履歴から，好みを推論して表示している

商品のカテゴリ・値段・ブランドetc

購入履歴が似ているユーザのもの

対象となるデータが異なるだけで，Twitterのおすすめユーザや入力メソッドの推論候補も同じ考え方

入力した文字の傾向

フォローしたユーザのツイートの傾向


15

認識技術とエージェント

データからそれが何であるかを識別することを認識と呼ぶ

人物が誰であるか

画像に写っているのが何であるかを理解する

人物の表情から感情を読み取る

音声から日本語を理解する


16


認識技術は人工知能の基本タスク

手書き文字認識やOCRの認識は古くからある

認識対象を大量のデータから学習し，識別する

会話

画像

音声


17


ユーザのアシスタント

音声を認識してことばの意味を理解する

ユーザの意図を汲み取る

いくつかメーカーからプリインストールで提供されている

Apple社のSiri

DOCOMOのしゃべってコンシェル

Microsoft社のCortana


18


SoftbankのPEPPER

世界で初めて感情を持つロボット

外部情報を基にホルモン分泌を計算して自分の感情を認識


19

会話する人工知能

MicrosoftのTay

悪意のあるユーザによって悪いことを学習し

運用停止にまで発展した

Eugene

ウクライナ出身の13歳の少年の設定

チューリングテストに初合格した


20

チューリングテスト

アラン・チューリングによって考案された、ある機械が知的かどうかを判定するためのテスト

チューリングテストの概略

人間と一機の機械に対して通常の言語での会話を行う

参加者はそれぞれ隔離されている。

会話は文字のみでのやりとりに制限する

判定者の30%以上が、機械と人間との区別ができなかった場合機械は知的であると判定される


21

人工知能のできること

大量のデータからの学習

予測・推論する

IME，検索エンジン，推薦システム，友達検索

モノを識別する

画像認識

音声認識

感情認識

ことばの意味を理解する


22

コンピュータに仕事が奪われる？-人工知能が与えるインパクト-


23


高度な専門知識を基に推論を行うソフトウェア

医療・事務・エンジニアリングで応用されている

従来は専門知識を蓄えたデータやルールに基づいて推論を行っていた


24

棋士とAI


25


Google DeepMindが生成した絵ルイス・ウェインの猫


26



27

強いAIと弱いAI

哲学者ジョン・サールによって提唱されたAIの分類

強いAI・・・人間と同等の脳機能を持つ

弱いAI・・・脳機能の一部に特化したもの

一般に広く応用されている人工知能は弱いAI

囲碁・将棋といったゲームを解くAI

画像や音声を認識するAI


28

強いAIと弱いAI


29

シンギュラリティ

-人工知能が人類を越える -


30

ムーアの法則

インテルの共同創業者のゴードン・ムーアによる経験則

トランジスタの集積密度が2年ごとに倍増していく

2年ごとに性能が倍になる

トランジスタと脳の仕組みはよく似ている

電気信号で処理をする

2018年頃に，脳の計算能力を超える


31

ムーアの法則

脳の細胞数

20182010

トランジスタの集積数


32

シンギュラリティ

2045年には人類全体の知能を上回る

これをシンギュラリティ（技術的特異点）と呼ぶ

何が起こるのか予想できていない


33

人工知能を支える技術


34

ビッグデータ

データベースやデータ処理アプリケーションでは処理することが困難な巨大で複雑なデータの集合

現在人工知能が急激に発展している背景に，ビッグデータの存在がある

コンピュータの計算能力向上とビッグデータの出現により学習が可能になった


35

ニューラルネットワーク

脳機能をコンピュータ上で表現することを目的とした数学モデル

脳の神経回路の働きを模している

ニューラルネットワークの基本単位をニューロン（ノード）という

神経細胞の名称が由来


36

ニューラルネットワーク

入力層中間層出力層

入力出力


37

ディープラーニング

ニューラルネットワーク技術の応用

中間層を複数重ねることで深い学習を可能にする

パラメータが増加することにより過学習(over fitting) が起こりやすい

畳み込みニューラルネットワーク(Convolutional Neural Network)の登場により無用な学習を回避することが可能になった


38

参考文献

人工知能とは近代科学社

最新人工知能がよ～く分かる本秀和システム

情報処理情報処理学会

三省堂大辞林


39

ご清聴ありがとうございました


40

コンピュータの舞台裏 vol.08 - 身近な事例からひも解く人工知能

Technology