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)

著者 :
  • KADOKAWA/中経出版
4.01
  • (185)
  • (300)
  • (138)
  • (17)
  • (3)
本棚登録 : 2082
レビュー : 264
  • Amazon.co.jp ・本 (263ページ)
  • / ISBN・EAN: 9784040800202

作品紹介・あらすじ

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。

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!

  • 本著は人工知能やディープラーニングの初心者向けの本と言える。人工知能の初心者向け本としては、棋士の羽生善治氏が書いた「人工知能の核心」が良書として挙げられる。こちらは、テレビの映像が流れるように書かれているのに対して、本著は人工知能の定義、歴史、ディープラーニング、社会への影響といった具合で教科書的に書かれている。

    結論を先に言うと、仕事で新規事業やサービスを検討している場合や自分の会社に対してどう影響してくるのか知りたい場合は、松尾氏の本著が良いだろう。雑学として、あるいは人間の知性とは何か知りたい場合は、羽生氏の本が良い。

    どちらも良書なので、できれば両方読むのが良い。順番をつけるとすれば、羽生氏→松尾氏と読むと分かりやすい。

  • 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。

  • 最近読んだ本の中で『お金2.0』と並ぶくらい面白かった本。
    人工知能の今までの歴史を踏まえて、ディープラーニングが人工知能の50年来のブレークスルーであることが解り易く説明されている。
    人工知能の研究を通して、ヒトの知能が如何に複雑な処理をこなしているのかが分かってとても興味深かった。
    高度な学習が出来るのはヒトの特権なので、余すところなくその恩恵に与りたい。

  • 人口知能とかディープラーニングとかAIとか言われてるものの仕組みの基礎がわかる本。
    今後生きてく上でとか、仕事をしていく上で絶対に知っておかなければならない知識の初心者概要入門的な位置付け。軽い楽しい読み物として気分転換に読むのが個人的には合ってる。

  • 最前線で人工知能の研究を行う著者が人工知能研究のこれまでの流れやこれからどのように自分たちの生活への関わりなどを書いた一冊。

    人工知能の発展により私たちの生活や仕事など大きな変化をもたらすことがよく言われていますが、本書を読むことによって人工知能研究の実情や世間で言われていることの真偽やその影響について詳しく知ることができました。
    人工知能の3回のブームの中でどのようなことができるようになったかを理解できたほかシニフィエやシンギュラリティといった人工知能と関わりの深い用語も学習することができました。
    様々な産業への波及効果やこれから人工知能の発展に伴って日本における課題なども知ることもできました。

    ディープランニングによって特徴表現をコンピューターが自動的に獲得できるようになり、記憶に偏重していたAIの技術が大きく飛躍したことは印象に残りました。
    また、人工知能は人間とは異なった捉え方で特徴量を作り出し認識する可能性もあるというところは非常に興味深いと感じました。
    そして、日本の人工知能の研究者人口は世界的にも多いことは今後の発展のうえでカギとなるとも感じました。

    やはり扱う側の人間次第である部分は大きく、コンピュータと人間がお互いの長所を活かして共存できる社会を形成できればいいと感じました。
    これからの社会で重要なテーマのひとつである人工知能について考えるいいきっかけになる一冊だと感じました。

  • 人工知能の歴史的な変遷が、わかりやすく説明されている。
    ブームと言うとらえ方も、おもしろい。
    「人工知能」という言葉の概念の整理ができておらず
    混乱をしていた 冬の時代の中でも、
    人工知能を追いかけていた想いが よく伝わる。

    そして、人工知能とは一体何で、どこまで到達しているのかを
    懇切丁寧に 書いているのである。
    「グーグルの猫」が ある意味では 大きな峠を越えたのかもしれない。
    猫とは何か?を、認識する事ができるようになって、
    「人工知能」としての大きな一歩を踏み出したのである。
    「特徴表現の獲得」
    本来は 教師がいて、学習するのを、
    教師がいなくて、学習し始める。
    認識能力、予測能力、行動能力、概念獲得能力、言語能力。
    それを、獲得しつつあるのである。
    それが ディープラーニングなのである。

    果たして、人工知能は、世界をどう認識するのか?
    人間と同じ 認識ではないはずだが、
    膨大な知識とデータの上に、もっと違う世界認識が、
    生まれる事によって、人間は 本当に幸せになるのか?
    興味深い時代に 突入したものだ。

  • 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。

全264件中 1 - 10件を表示

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)のその他の作品

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
エリック・ブリニ...
エリック・リース
シーナ・アイエン...
ベン・ホロウィッ...
トマ・ピケティ
ブラッド・ストー...
ウォルター・アイ...
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)を本棚に登録しているひと

ツイートする