人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)

  • 1910人登録
  • 4.01評価
    • (172)
    • (274)
    • (129)
    • (15)
    • (3)
  • 235レビュー
著者 : 松尾豊
  • KADOKAWA/中経出版 (2015年3月11日発売)
  • Amazon.co.jp ・本 (263ページ)
  • / ISBN・EAN: 9784040800202

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)の感想・レビュー・書評

並び替え:

表示形式:

表示件数:

  • 人工知能開発における”ディープラーニング”の概念は、情報関係を学ぶ子供から教えてもらいました。

    人の脳の中も、多層で複雑なニューラルネットワークと外部感覚器官からの刺激の間の関係で成り立っていると思うのですが、この機能を再現することがいかに困難であるか。人工知能の機能構築を考えていくと、逆に脳科学の世界と密接に係り、自分たちの内側にある世界を記述することが複雑で困難であるかを改めて理解することになる。

    物を他の物から区別して理解すること(特徴量を見出す)、そして言葉の概念を付与していく。区別された事象に意味のネットワークをどのように構築していくか。象徴的には「猫を見て、猫と理解すること」を機械の中で再現することが、どれほど困難なことであったのか。

    従来の人工知能のアプローチ(IBMのワトソン、ディープブルーでさえ)では、多くの入力応答系の教え込みが必要であり限界がある。機械が自分自身で特徴量の抽出、意味ネットワークを構築していく機会学習のアルゴリズムがディープラーニングの意味するところ。

    「シンギュラリティー(特異点)」という考えがあるようで、これは人工知能が自分の機能以上の人工知能を自己再生できる時点を表した物。これ以降は指数的に人工知能の能力が爆発していくという懸念。ターミネーターの世界を想像しつつ、そうは話が単純ではなく、人の思考や創造性はもっと複雑でしなやかだと思う。I will be back!

  • グーグルのα碁がイ・セドルに完勝した衝撃から1週間、もはやα碁が世界トップクラスの実力を持ちさらに強くなっていることは疑いようも無い。相手の能力を吸収する人造人間セルに対する人間界の英雄ミスター・サタンになぞらえられたイ・セドル(元々囲碁界の魔王と呼ばれている)が一矢報いた4局目ではα碁はまるでバグを起こしたようにミスを連発した。今日行われたコンピューター囲碁大会では日本のZENが優勝したが、ここでもディープラーニングを用いてレベルが上がったようだ。

    本書の発行は2015/3/10、そしてちょうど1年後の今年3/9のα碁の勝利でディープラーニングの有効性は証明されたと言って良い。1,2局はイ・セドルにもチャンスがあるように見えた。4局目ではα碁がバグを起こしたように見えた。しかし、3局目や5局目はほぼ完勝に見える。どうやったらこんなに強くなるのか本書にディープラーニングがどういうことをやってるのか解説されている。

    チェスや将棋では駒得を点数化したり最近の将棋ソフトでは3つの駒の位置関係を点数化したりしてどの手を選ぶかを判断している、この場合点数の重み付けをするのはプログラマーだ。そしてモンテカルロ法という手法で手を選ぶ。将棋の場合先手の勝率が52%程度でこれがベイズ確率で言う事前確率だろう。モンテカルロ法ではランダムに次の手を選び何通りもの対局をさせてみる。点数の重み付けは勝率に跳ね返るので、例えば次の手が10通りなら一番平均点数の高い手を選べば良い。

    しかし囲碁ではこれまでは良い重み付けができなかった。またオセロが10の60乗、チェスが120乗、将棋が220乗に対し囲碁は360乗の変化がある。ちなみに100乗はgoogolと言う単位だ。1年前までは人工知能学者以外は囲碁はAIは人間の敵では無いと考えられていたし、α碁がヨーロッパチャンピオンに5連勝した昨年10月でもイ・セドルに勝てるようにはとても見えなかった。ではどうやったらこんなに強くなるのか。

    コンピューターに黒白どちらが優勢かを教えるのは難しい、そこで取られた方法がディープラーニングで簡単に言うと画像処理装置を持ったα碁は過去のプロの対局を学習し、どうなれば優勢かの特徴を自分が集めた画像データーを元に解析した。α碁は過去の対局から独自に特徴を見つけだし、自分で重み付けを作り出す。残念ながらそのアルゴリズムを言語化する事ができないのでα碁が何を考えているのかはわからない。手だけを見てると、過去の常識が通じない、新しい常識が生まれるというような感想が出てくるわけだ。「特徴表現をコンピューター自らが獲得する」ことができれば後はひたすら学習を繰り返しセルのように成長していく。

    何がディープかと言うと人間の神経系を模式化したニューラルネットワークの階層が深い層になっている。特徴表現は何種類もあるので例えば10通りの特徴の程度を入力し、さらにその影響度に重みをつけて次の階層に送る。人間の場合は刺激によって神経同士をつなぐシナプスが強化されて重み付けをしている。そこに色だとか形だとかの情報が取り込まれ統合されて一つの認識を作る。コンピューターも多層化するとAからJの10通りのうち次の層ではABC、BDIなど複数の組み合わせでデーターを処理しさらに次の層に送る。そうして高次の特徴を積み上げていくとそこに概念が生まれる。

    ここで面白いブレークスルーが入力と出力を同じにするようにした事だ。多層にすると浅い層までフィードバックがうまく働かなかった。平社員の情報を統合して社長まで伝え、それに対する答えを平社員に伝えるといつの間にか前提が変わっていたと言うようなものだ。そこで、出力を同じにして答え合わせをし処理がうまくいっている事を確認する。他にもある特徴はまとめて集団化したりわざとノイズを与えて頑健性を強めたりという事もする。

    2012年グーグルは「ネコ」を認識するのに1000万枚の画像をニューロン同士のつながりが100億個という巨大なニューラルネットワークを使い、1000台のコンピューターを3日間走らせている。金額にして1億円相当だ。α碁の場合はCPU1202、GPU176からなりグーグルのHPで見積もるとお値段は60億を超えるらしい。

    α碁が負けた第4局ではイ・セドルの歴史に残る1手がα碁が見積もる勝率を狂わせたのかもしれない。コンピューターは不利な状況になるとモンテカルロ法により変な手を繰り出す傾向があり、粘って逆転というのは苦手らしい。スカウターが故障したようなものか?これも本当のところはα碁に聞いてみないとわからない。

    「目の誕生」によるとカンブリア大爆発は視覚の獲得によって起こったとされる。コンピューターはすでにイメージセンサーという視覚とGPUという視神経を手に入れ自ら学習するようになった。コンピューターが自分より賢いコンピューターを設計できるようになる日は思ったよりも近いかも。

  • 著者は国内トップクラスの研究者で、人工知能学会の編集長も務められた方。学会誌を研究者だけでなく多くの人に興味を持ってほしいと尽力された方とのことです。
    そういった経緯の方だけあって、興味を抱きやすい導入部、わかりやすい説明、もう少し詳しい内容を記した書籍への誘導など、「人工知能とはなんぞや?」な素人にこそおすすめしたい本です。私自身がその素人ですが、とてもわかり易かったです。

    15年以上前にとある漫画がきっかけで人工知能に興味を持っていた時期があり、ロボットや心に関する新書を何冊か読んだ程度の知識でこの本を手に取りましたが、当時得た知識がページを捲るごとに塗り替えられていくのに興奮しました。技術の進歩のスピード感と、最先端の技術が日々の生活に密接に関わって実現していることに驚かされます。
    また、終章のあたりではこの国の現状、そして将来の展望についても語られていて、著者の方が抱かれている危機感――この本を執筆された動機――にも触れられます。
    このあたりは門外漢の素人には考えるのが重いテーマに感じられましたが、10年くらい経った後に読み返したらまた違った感想を抱くのかもしれません。

    人工知能の現在・過去・未来について今の視点から語られた本です。今のうちに広く読まれて欲しい。

  • Googleが1,000万枚の写真をディープラーニングにかけたところ猫の特徴を自分で認識するようになったというニュースが流れ、そのパワーと可能性が実証されつつある人口知能の話。著者は古くからの人口知能分野の研究に携わってきた方で、いわゆる人工知能冬の時代から関わっている。「うまくいけば、人口知能は急速に進展する」と書いたこの本が出た後に、この本の中でさえしばらくかかるとされていた碁の世界でアルファGoがトップ棋士を破るというニュースが出た。将棋では、どちらかというともはやプロ棋士は勝てなくなるのではないかと危惧されるほどだ。IBMのディープブルーがチェスチャンピオンのガスパロスを破ったのが1997年、IBMワトソンがクイズ番組のジェパティで人間に勝利を収めたのが2011年。そして、アルファGoがイ・セドルを破ったのが2016年である。着実に進んでいる。

    著者は、「人工知能は、急速に発展するかもしれないが、そうならないかもしれない。少なくとも、いまの人口知能は、実力よりも期待感のほうがはるかに大きくなっている。読者のみなさんには、それを正しく理解してもらいたい。その上で、人口知能の未来に賭けてほしいのだ」というが、その期待は現在ますますさらに大きなものになっている。先日もパナソニックが1,000人のAI技術者を採用するというニュースが出たばかりだ。
    著者がここで「賭ける」という言葉を使っているのは、1980年代に実施された第五世代コンピュータを「勝つために振る価値のあるサイコロ」だと認識しているからだ。日本が世界をリードするという意志があったという評価である。もちろんかのプロジェクトに対しては賛否両論、というよりも否定的な評価、があるという前置きもしている。タイミングが早すぎたと著者は言うが、果たしてそれが失敗の要因であったかはわからない。当時においても官製のプロジェクトが優れた方法論であるとも思えない。しかしながら、何をもってしても、日本の人工知能への取り組みを鼓舞するのが、この本を書いた著者の想いであり、目的のひとつであるようにもこのあたりからも思えるのである。もちろん、期待値をコントロールすることや、その先にAIをビジネスに結び付けることができるためのプラットフォームを構築することも重要だ。

    技術的な認知としては、人口知能にできることと、できないことははっきりと分けて考えた方がよいだろう。いわゆる「強いAI」と「弱いAI」の区別も重要である。「音声認識」「文字認識」「自然言語処理」「ゲーム」「検索エンジン」も人口知能といえるが、かなり特化型の弱いAIである。今はマジックワードにもなっているディープラーニングだが、従来の機械学習と違う点として、「一層づつ階層ごとに学習していく点」と「自己符号化器という「情報圧縮器」を用いることだ」ということについても正しく理解をされなくてはならないだろう。再帰型のロジックが入り、特徴量を自分で認識することが実証されたのは画期的な進化だ。この辺りの説明をうまくされている解説本は多くないが、この本ではわかりやすく説明されている。

    さらに将来のことを考えると、学習のスピードはさらに上がり、繰り返されることで、 人工知能が自分よりも賢い人口知能を創り出すことについても分野によっては現実的な問題として認識されるべきだろう。イーロン・マスクやビル・ゲイツが慎重な取り組みへの必要性を主張しているのは、ゆえあることだ。

    ディープラーニングによる「特徴表現学習」とその圧倒的な成果は、人口知能を研究してきた著者にとっても大きなブレークスルーであったという。ここでの説明は必要最小限に絞りつつもわかりやすい。一方、日本の企業において、機械学習の精度が上がると売上が莫大に伸びるというビジネスモデルが築かれていないため、なかなかそこに資本が集められないという問題も指摘する。また、大量のデータを持っているところが圧倒的に有利であるが、それができる企業は限られている。トヨタやNTTが資本を入れたプリファード・ネットワークなどは期待されるところである。

    タイトルにもなっている「人口知能は人間を超えるのか」という問いについて、著者は明確にイエスと答える。少なくとも多くの分野において超えてくるだろう。長期的に見ると、脳の機能から考えて、原理的には実現できるはずだ、という著者はおそらくは正しい。この先に進めることで、逆に人間の学習や意識なども含めた脳の働きについての知見がより実証的に進むことも期待できる。

    ジョン・マッカーシー、マービン・ミンスキー、アレン・ニューウェル、ハーバート・サイモンという名前とともに人口知能に哲学は必要かという議論に触れられたとき、昔途中で挫折したマッカーシーの『人工知能になぜ哲学が必要か―フレーム問題の発端と展開』という本のことを思い出し、古くて新しい問題であるのだなと改めて感じ入る。フレーム問題とシンボルグラウディング問題。いわゆる関係ない問題を無視するというものと、「意味」を結びつけるという人間なら当たり前にやっている問題だ。 そういえば、マービン・ミンスキーの『心の社会』も必読書の割には積読状態だ。 少し時間を作って、この領域の本に深く潜ってみたい気になった。

  • 良著でした。2015/3出版なので、AIが将棋では人間に勝っているが、まだ囲碁では勝てていないという記述がある。その後更にAIは進化して囲碁でも人間を凌駕しているので、AIに進歩の早さが伺える。
    しかしAI、ディープラーニングにそのものに対する考えは変わらず。

    第一次AIブームは「トイ・プロブレム」と呼ばれるルールの決まったゲームしか解けないと明らかになり終焉。第二次AIブームではコンピュータに知識を入れるアプローチで実用的なシステムも増えたものの知識のインプットの限界にぶつかった。その後インターネットの普及により大量のデータを用いた機械学習による第三次AIブームが巻き起こっている。というのが人工知能の歴史。

    ディープラーニングは大量のデータを与えることで、それを抽象化し、特徴量を自ら発見する。何を学べばいいか、自ら学ぶ。ディープラーニングが人工知能におけるブレイクスルーとなることは間違いない。

    しかし、著者曰く、人工知能は世の中からの期待と現実に乖離が大きい分野でもある。本当の意味で自分で考える、意思を持っている「人工知能」はまだできていない。(現在は一定のアルゴリズムに応じてインプットに対して反応しているだけ)

    人工知能が人間を超えるシンギュラリティは到来するのかという問いに対しては、現時点では全くその糸口となりそうな技術すら提示されていない、というのが著者の考え。
    シンギュラリティを迎えるには人工知能が自らを超える人工知能を作れるかという点が問題だが、プログラムか書ける人工知能は存在しないし、それをしようとする意志、本能を持つ人工知能すらない。

    --

    48
    「音声認識」「文字認識」「自然言語処理」「ゲーム」「検索エンジン」などは、…かつて人工知能と呼ばれていたが、実用化され、ひとつの分野構成すると、人工知能と呼ばれなくなる。これは「AI効果」と呼ばれる興味深い現象だ。多くの人は、つの原理がわかってしまうと、「これは知能ではない」と思うのである。

    51
    人工知能の4つのレベル
    レベル1 単純な制御プログラムを人工知能と称している
    レベル2 古典的な人工知能(推論・探索、知識ベース)
    レベル3 機械学習を取り入れた人工知能
    レベル4 ディープラーニングを取り入れた人工知能

    137
    人間は特徴量をつかむことに長けている。…特徴を見つけ出すのは、コンピュータにはきわめて難しかった。…
    いま、コンピュータが、与えられたデーマから重要な「特徴量」を生成する方法ができつつある。

    144 ディープラーニングの仕組み

    148
    ディープラーニングは、多階層のニューラルネットワークである。何層にも深く(ディープに)重ねていく。

  • 最近、人工知能(AI)という言葉が身近になった。人工知能は将棋、チェスやクイズ番組で人間に勝利して話題になり、グーグルは人工知能搭載の自動車の自動運転技術を開発中で、自動掃除ロボット「ルンバ」は既に商品化され、iPhoneにはSiriが入っている。人工知能とは何か、人工知能はどのように開発され、どこまで進化し、人間社会にどんな影響を与えるのだろうか。「人間の知能がプログラムで実現できないはずがない」という立場で60年前に始まった人工知能の研究の歴史、現状そして将来の展望を、第一線の研究者が一般の人々に分かりやすく解説したのが本書だ。
     著者は人工知能研究の様々な例を挙げているが、そのひとつが皆さんもよく使っている自動翻訳だ。参考程度にしか使えない翻訳文にがっかりする機能だが、実は自動翻訳はとても難易度の高い技術なのだ。例えば「He saw a woman in the garden with a telescope.」は「彼は望遠鏡で、庭にいる女性を見た」と訳したいところだが、グーグル翻訳では「彼は望遠鏡で庭で女性を見た」となり、庭にいるのは彼だと解釈される。文法的にはどちらも間違いではないが、人間にとっては何となく庭にいるのは女性で、望遠鏡で覗いているのが男性という気がする。その「何となくその方がありそう」ということを知識としてコンピュータに入れなければ、期待する翻訳結果にはならない。しかし、あらゆる事態を想定して必要な知識や一般常識を入れるのは膨大な作業でとてもできる事ではない。「知識」を入れることで人工知能の精度を上げることには限界があるのだ。
     それを克服する技術として現在盛んに研究されているのがディープラーニングだ。ディープラーニングは、コンピュータが与えられたデータから注目すべき特徴を見つけ、その程度を表す「特徴量」を取り出し、それを使った「概念」を自ら獲得する技術だ。あとはその「概念」と「意味(語)」を結び付ければ、データをもとに「何を表現するべきか」が自動的に獲得されることになる。「人工知能が自ら学習して賢くなる」と言えるかもしれない。
     今注目のディープラーニングにはGoogle、Facebook、Yahoo!などの企業が競って大きな投資をしている。ディープラーニングの研究が進んでいけば、人工知能は防犯、自動運転、物流、翻訳、人間とのコミュニケーションなどあらゆる分野で社会的に大きなインパクトを与えるものになるだろう。人工知能が人の職業を奪うのではないかという懸念についてはしばしば議論されているが、オックスフォード大学の論文で提示された「あと10年~20年で無くなる職業・残る職業」リストは衝撃的だ。10年~20年とはすぐ目の前の事ではないか。この未来予想が実現するかどうかは分からないが、十分に根拠のある可能性のひとつだと理解しておくべきだろう。
     進化し続ける人工知能が、人類を征服したり自ら人工知能を作り出したりすることはあるのだろうか。著者は様々な可能性を考慮した上で、現時点ではそれは夢物語に過ぎないと、その可能性をはっきりと否定している。しかし人工知能の可能性を過小評価するべきではなく、様々な問題が起こる前に議論を尽くす必要がある。人工知能は「万人のためのもの」であるべきで、また「人間の尊厳を侵してはならない」という倫理観に沿って正しく使われなければならない。
     現在人工知能にできる事とできない事、そして将来できるようになる事を正しく理解し、その時社会がどのように変化して私達にどのような影響を及ぼすのかを予測する知識は、これから社会に出る皆さんが成功するための重要な鍵になるだろう。

  • 人工知能のメカニズムやこれまでの歴史、今後の課題などを興味深く知ることができました。特に印象に残っている言葉が「シンギュラリティ(技術的特異点)」という概念。人工知能の技術が様々な分野で応用されることを期待するとともに、社会への影響や利用に関する倫理面などについても同時に議論する必要のあることが分かりました。

  • 人工知能の話題は我々一般人においても関わりは大きい。ニュースやふと触れる仕事や会話の土台としてだけでも知っておくとなにかと知的好奇心が擽られる知識になった。

  • 今、話題の「人工知能」の入門書。今年のお正月にやってたNHKスペシャル「NEXT WORLD 私たちの未来」はちょっと幼稚だったけど、本書は本格的。人工知能の基礎となる理論、手法が丁寧に解説されてててとても勉強になる。特徴表現学習の大進歩を実現した、ディープラーニングの仕組みの説明は完全には理解しきれないけど、特徴表現を見つけ出して分類するってことが知能にとって重要であるということは理解。そういや、頭の良しあしの一つの基準でもあるのかなと。終章で語られてる熱い心も感動します。仕事やる気になりました。事前の知識がないと理解しにくい部分もあるけど、高校生以上の理系っぽい人にはお勧めの一冊。

  • 東大の松尾さんによるディープラーニング派的な視点から体系的に人工知能がまとめられてて勉強になった。

    帯にも書いてあるけど、『人工知能を知ることは、人間を知ることだ。』というのはまさにだなと。赤ちゃんの頭の中で起こっている演算とか物凄いんだろうな。(P162)

    そして、人工知能も「過酷な環境」を与えることで成長していくというのも人間臭くて可愛いなと思いました。

    これからどうなっていくのか、俺は悲観的にではなくワクワクしながら待ち望みたいと思います。

全235件中 1 - 10件を表示

松尾豊の作品

この本を読んでいる人は、こんな本も本棚に登録しています。

有効な左矢印 無効な左矢印
ジャレド・ダイア...
トマ・ピケティ
ベン・ホロウィッ...
クリス・アンダー...
伊賀 泰代
有効な右矢印 無効な右矢印

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)に関連するまとめ

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)はこんな本です

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)を本棚に「読みたい」で登録しているひと

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)を本棚に「いま読んでる」で登録しているひと

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)を本棚に「読み終わった」で登録しているひと

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)を本棚に「積読」で登録しているひと

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)の作品紹介

グーグルやフェイスブックが開発にしのぎを削る人工知能。日本トップクラスの研究者の一人である著者が、最新技術「ディープラーニング」とこれまでの知的格闘を解きほぐし、知能とは何か、人間とは何かを問い直す。

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)のAudible版

人工知能は人間を超えるか ディープラーニングの先にあるもの (角川EPUB選書)のKindle版

ツイートする