「人工知能」タグアーカイブ

スマホのセンサで測り、AIが解析する「組織の活性度(組織の幸福感)」をチェックするツールでできる2つの可能性|ストレス度チェック・イノベーション度チェック|日立




■センサで測り、AIが解析する「組織の活性度」をチェックするツールでできる2つの可能性

スマホのセンサで測り、AIが解析する「組織の活性度(組織の幸福感)」をチェックするツールでできる2つの可能性|ストレス度チェック・イノベーション度チェック|日立
スマホのセンサで測り、AIが解析する「組織の活性度(組織の幸福感)」をチェックするツールでできる2つの可能性|ストレス度チェック・イノベーション度チェック|日立

参考画像:人工知能を活用し、働く人の幸福感向上に有効なアドバイスを自動作成する技術を開発(2016/6/27、日立製作所ニュースリリース)

センサで測り、AIで分析 日立が解明するチームの実態

(2016/10/26、Forbes)

「コミュニケーションは、業種によっても違いがあります。正確さとスピードを要求される銀行のような組織は縦割りの傾向が強く出るし、創造性と柔軟性を重視するITベンチャーはフラットな横連携が多い。また、同じプロジェクトチームでもフェーズによって変わります。立ち上げたばかりの打ち合わせが多い時期、自分の作業を黙々と進めている段階などデータからチームの様子が見えてくるのです」

日立製作所が開発したのは「組織の元気度」を可視化する仕組みです。

赤外線センサ(加速度センサ)を埋め込んだ名札が歩行、デスクワークなどで生じる体の揺れを感知し、そのデータを、AIが解析することでどれほど組織内でコミュニケーションが行なわれているかを計ることができるそうです。

【追記(2017/10/4)】

スマートフォンでの幸福度計測イメージ
スマートフォンでの幸福度計測イメージ

参考画像:幸福感を計測するスマートフォン向けの技術を開発(2017/10/2、日立製作所ニュースリリース)|スクリーンショット

幸福感を計測するスマートフォン向けの技術を開発

(2017/10/2、日立製作所ニュースリリース)

スマートフォン内蔵のセンサーは、性能や仕様が名札型センサーと異なるだけでなく、電話やメールなどで利用されている間は正常な計測ができないなどの課題がありました。これを解決するため、スマートフォンと名札型センサーの両方で計測を行い、その関係性をAIに学習させることで、スマートフォンで得られたデータを補正する技術を開発しました。本技術を適用することで、スマートフォンのみを着用することで(図2)幸福感の計測が可能となりました。

日立は、名札型センサーを活用せずに、スマホに内蔵されている加速度センサーのデータを活用し、組織の幸福感(組織活性度)を計測する技術を開発しました。

※「デジタルネイチャー」(著:落合陽一)でも取り上げられています。

この仕組みに活用できそうな点は2つ。

1つは、ストレス度チェックで、もう一つはイノベーション度チェックです。

■ストレス度チェック

 

「全体的なストレスが高い組織では、無意識に身体が静止してしまう確率が上がることがわかりました」

ストレスがかかっているという状況が体の動きを静止してしまっていることが予想されます。

ここから考えられることは、チームの元気度が計れると同時に、ストレス度もチェックできるのではないかという点です。

うつ病を見える化する光トポグラフィー検査とはどんな検査?によれば、光トポグラフィーは頭に近赤外線を当て、反射してくる光から脳血流の変化を読み取り、脳の活動状態を数値化する装置なのだそうで、健常者の場合は、脳の使い始めにどっと血流量が増え、活動中は高値で維持されるのに対し、うつ病患者は課題の始まりに反応するが、血流量がなかなか増えないという特徴があるそうです。

うつ病の疑いがあっても本人は気づかなかったり、言い出せなかったりする可能性がありますが、光トポグラフィー検査を使えばうつ病を見えるかすることができます。

この検査と同様に組織の元気度をチェックすることで、より早くストレスがかかっている状況を把握することができるのではないでしょうか。

■イノベーション度チェック

イノベーションのアイデアを生み出す七つの原則(著:スティーブン・ジョンソン)にはこう書かれています。

ダンバーが作ったアイデア形成地図を見ると、イノベーションの中心地は、顕微鏡ではなくて、会議用のテーブルだった。

おしゃべりの場でのコミュニケーションによって、ある人の結論が、ある人によってのきっかけとなることで、アイデアに大きな変化をもたらすことが考えられます。

凄いアイデアというのは誰かが一人きりで研究室に閉じこもって生まれるのではなく、実は人々が集まってコミュニケーションをとっている中で生まれているのだそうです。

イギリス人の数学者アラン・チューリングが、第二次世界大戦中にドイツ軍の暗号エニグマを解読するドラマを中心としたストーリーである『イミテーション・ゲーム/エニグマと天才数学者の秘密』では、パブのシーンである女性の何気ない一言が暗号エニグマの解読のヒントとなっています。

イミテーション・ゲーム/エニグマと天才数学者の秘密(字幕版)

新品価格
¥400から
(2017/2/4 20:47時点)

研究室で一人で仕事をして顕微鏡を覗いていたのでは、考えが一カ所にひっかかって、最初にあった自分自身の偏見から抜けられない。

集団での会話にある社会的な流れが、個人の固体的な状態を液体のネットワークに変える。

Steven Johnson:スティーブン ジョンソン「良いアイデアはどこで生まれる?」(Jul 2010、TED Talk)

Community + Entrepreneurship: Tim Rowe at TEDxGrandRapids(2013/6/24、YouTube)

How Buildings Learn: What Happens After They’re Built

新品価格
¥3,788から
(2017/2/4 20:48時点)

組織の元気度を計るツールを使うことでコミュニケーションが行われているかどうかにより、イノベーションのアイデアが生まれやすい状況かどうかを測ることにつながることが期待されます。







【関連記事】
続きを読む スマホのセンサで測り、AIが解析する「組織の活性度(組織の幸福感)」をチェックするツールでできる2つの可能性|ストレス度チェック・イノベーション度チェック|日立

ガートナーの「ハイプサイクル」(2017年版)の注目トレンドは「AI」「没入感のある体験」「デジタルプラットフォーム」|テクノロジーを知ることでワクワクする未来を描こう!

【目次】




■ガートナーの「ハイプサイクル」の注目トレンドは「AI」「没入感のある体験」「デジタルプラットフォーム」|テクノロジーを知ることでワクワクする未来を描こう!

Gartner Identifies Three Megatrends That Will Drive Digital Business Into the Next Decade
Gartner Identifies Three Megatrends That Will Drive Digital Business Into the Next Decade

参考画像:Gartner Identifies Three Megatrends That Will Drive Digital Business Into the Next Decade(2017/8/15、Gartnerニュースリリース)|スクリーンショット

Gartner Identifies Three Megatrends That Will Drive Digital Business Into the Next Decade

(2017/8/15、Gartnerニュースリリース)

Artificial intelligence (AI) everywhere, transparently immersive experiences and digital platforms are the trends that will provide unrivaled intelligence, create profoundly new experiences and offer platforms that allow organizations to connect with new business ecosystems.

Gartnerは「Hype Cycle for Emerging Technologies, 2017」(新興技術ハイプサイクル2017年版)を公開し、今後10年間のデジタルビジネスをひっぱる注目トレンドとして「人工知能(AI)活用」「透過的で没入感のある体験」「デジタルプラットフォーム」の3つを挙げています。

ハイプ・サイクル|ガートナー
ハイプ・サイクル|ガートナー

参考画像:ハイプ・サイクル|ガートナー|スクリーンショット

ハイプ・サイクル|ガートナーによれば、ハイプ・サイクルは、ある技術が登場してから成熟するまでのどの段階にあるかを検討する材料となるもので、テクノロジーのライフサイクルを黎明期、「過度な期待」のピーク期、幻滅期、啓蒙活動期、生産の安定期の5つのフェーズに分けて分析されています。

■AI Everywhere(あらゆる場面でAIを活用する)

Why Artificial Intelligence is the Future of Growth
Why Artificial Intelligence is the Future of Growth

参考画像:Why Artificial Intelligence is the Future of Growth – Accenture|スクリーンショット

人工知能とその他関連技術が融合した産業化のイメージ
人工知能とその他関連技術が融合した産業化のイメージ

参考画像:人工知能の研究開発目標と産業化のロードマップ(2017/3/31、人工知能技術戦略会議)|スクリーンショット

AIとその関連技術の融合によって、生産性分野、健康/医療・介護分野、空間の移動分野での産業化が期待されます。

AIは、このブログとも関りが深い、健康/医療・介護分野での活躍も期待されています。

人工知能とその他関連技術の融合による産業化のロードマップ(健康/医療・介護分野)
人工知能とその他関連技術の融合による産業化のロードマップ(健康/医療・介護分野)

参考画像:人工知能の研究開発目標と産業化のロードマップ(2017/3/31、人工知能技術戦略会議)|スクリーンショット

世界で最初に高齢化社会を迎えている日本においては、医療・介護に関するビッグデータとAIを活用することにより、医療・介護に関する新しい試みを世界に先駆けて行ない、治療ではなく予防に重点を置く予防医療によって、できる限り病気にならないようにしていく方法を構築していくことが期待されます。

【関係する技術】

Enterprises that are seeking leverage in this theme should consider the following technologies: Deep Learning, Deep Reinforcement Learning, Artificial General Intelligence, Autonomous Vehicles, Cognitive Computing, Commercial UAVs (Drones), Conversational User Interfaces, Enterprise Taxonomy and Ontology Management, Machine Learning, Smart Dust, Smart Robots and Smart Workspace.

ディープラーニング(深層学習)、深層強化学習、人工知能、自動運転車、コグニティブコンピューティング、ドローン、会話型ユーザーインターフェース、企業向けタクソノミー&オントロジー管理、マシンラーニング(機械学習)、スマートダスト、スマートロボット、スマートワークスペース

【参考リンク】

【関連記事】




■Transparently Immersive Experiences(透過的で没入感のある体験)

【関連する技術】

4D Printing, Augmented Reality (AR), Computer-Brain Interface, Connected Home, Human Augmentation, Nanotube Electronics, Virtual Reality (VR) and Volumetric Displays.

4Dプリント、AR(拡張現実)、ブレインコンピュータインターフェイス(BCI)、コネクテッドホーム、ヒューマンオーグメンテーション、ナノチューブエレクトロニクス、VR(仮想現実)、立体ディスプレイ

【参考リンク】

【関連記事】

■Digital Platforms(デジタルプラットフォーム)

5G, Digital Twin, Edge Computing, Blockchain, IoT Platform, Neuromorphic Hardware, Quantum Computing, Serverless PaaS and Software-Defined Security.

5G、デジタルツイン、エッジコンピューティング、ブロックチェーン、モノのインターネット(IoT)プラットフォーム、ニューロモーフィックハードウェア、量子コンピューティング、サーバーレスのプラットフォーム・アズ・ア・サービス(PaaS)、ソフトウェア定義セキュリティ。

ディープラーニング,深層学,人工知能,自動運転車,コグニティブコンピューティング,ドローン,タクソノミー,オントロジー,マシンラーニング,機械学習,スマートダスト,スマートロボット,スマートワークスペース,4Dプリント,AR,拡張現実,ブレインコンピュータインターフェイス,BCI,コネクテッドホーム,ヒューマンオーグメンテーション,ナノチューブエレクトロニクス,VR,仮想現実,立体ディスプレイ,5G,デジタルツイン,エッジコンピューティング,ブロックチェーン,IoT,ニューロモーフィックハードウェア,量子コンピューティング,PaaS
【参考リンク】

【関連記事】

■まとめ

これらの技術を見ると、技術はより人間を中心としたものとなり、人間と技術をつなぐ橋渡しのような技術(デジタルプラットフォーム)が今後10年にわたって注目されるのではないでしょうか?

「少子高齢化による高齢化社会は日本にとってのビジネスチャンス(医療・介護など)になる!」と発想を転換してみない?では、世界に先行して高齢化社会に突入している日本は、医療費削減のアイデアやよりよい介護の方法を実行できる立場にあり、それらのやり方をスタンダードにすることができるというビジネスチャンスがあるのではないでしょうかと書きました。

テクノロジーも同じことで、例えば、ロボット・AIの話題の場合、「仕事が奪われるかもしれないから不安だ」という人もいれば、「つまらない仕事を早く奪ってほしい」という人もいて、同じテクノロジーであってもその人の受け取り方によって変わってきます。

これからの未来が不安だという人も未来に対して期待しかないという人もこうしたテクノロジーを一つ一つ理解すると、これからどのような社会になっていくのかの一端がわかり、それに向かって行動をしていくと、不安だという人も漠然とした想像の未来ではなく、よりリアルな想像の未来が見えてくるでしょうし、ワクワクしている人にとってはさらにワクワクした未来が描けるのではないでしょうか。







【参考リンク】
続きを読む ガートナーの「ハイプサイクル」(2017年版)の注目トレンドは「AI」「没入感のある体験」「デジタルプラットフォーム」|テクノロジーを知ることでワクワクする未来を描こう!

英NHS、BabylonのAIテクノロジーを活用し、病気の症状について質問することができるAIチャットアプリの試験開始




■英NHS、BabylonのAIテクノロジーを活用し、病気の症状について質問することができるAIチャットアプリの試験開始

英NHS、BabylonのAIテクノロジーを活用し、病気の症状について質問することができるAIチャットアプリの試験開始
英NHS、BabylonのAIテクノロジーを活用し、病気の症状について質問することができるAIチャットアプリの試験開始

参考画像:Online Doctor Consultations & Advice – babylon|スクリーンショット

あなたの症状を診察するAIチャットアプリ:英NHSが試験開始

(2017/1/11、WIRED)

『フィナンシャル・タイムズ』の記事によると、このアプリのアルゴリズムは利用者の症状の「緊急性を判断」し、次の行動に関するアドヴァイスを与えるという。「BabylonのAIテクノロジーを使えば、人間よりも素早く、正確に、何十億という症状の組み合わせを理解することができます」とBabylonは説明している

<中略>

Babylonは2016年9月、「研究結果では、Babylonの『症状チェッカー』はトリアージを行う際に医師や看護師よりも優れた結果を出した」と発表した。

以前、FACEBOOKのチャットのやり取りから病気を探せる「症状チェッカーBOT」|MEDLEYでは、Facebook Messengerアプリに対応させ、自身の症状を入力することで該当する病気を調べられる「症状チェッカー」を紹介しましたが、英国営保健サービス(NHS、Natural Health Service)は、病気の症状について質問することができるAIチャットボットの試験を開始するそうです。

Babylon Health

【参考リンク】

『サードウェーブ 世界経済を変える「第三の波」が来る』(著:スティーブ・ケース)では、第三の波(あらゆるモノのインターネット)によって、あらゆるモノ・ヒト・場所が接続可能となり、従来の基幹産業を変革していく中で、企業や政府とのパートナーシップが重要になると書かれています。

サードウェーブ 世界経済を変える「第三の波」が来る (ハーパーコリンズ・ノンフィクション)

新品価格
¥1,380から
(2017/1/5 15:16時点)

今回紹介したサービスもBabylonは英国営保健サービス(NHS、Natural Health Service)と一緒に取り組んで問題を解決しようとしています。

NHSとの新しい取り組みは、111サーヴィスにかかる負担の減少を目的としている。この電話サーヴィスは医療的な訓練を受けていないスタッフが担当することも多く、批判されることが増えている。

NHSへ連絡をする「111」サービスにおける人手不足やコストの問題をBabylonのAIテクノロジーを活用することで解決しようとしています。

【関連記事】




■まとめ

「症状チェッカーbot」がリリースされた後に、どんな使い心地か試してみましたが、普段Facebook Messengerをするような感覚で病気を検索できるというのはコミュニケーションアプリ世代の人たちにとっては親しみやすいのではないかなと思いました。

ただ、病気や症状を検索する際に気になっていることが一つあって、それは、ユーザー側が自身の不調を言語化できていないと、有効にその機能を使えないのではないかということです。

どんな部位で、どんな症状かを言葉にできていないというのは自身の経験でもよくあります。

そうしたあいまいな言葉を対面する医師にくみとってもらうことで正確な病気や症状を伝えることができるのですが、自分自身で症状を入力する場合には、どうしてもすでにその言葉が言語化できていないと上手く伝わりません。

この痛みは「ズキズキ」「ジンジン」?オノマトペと病名には一定の関係がある!?によれば、どのような痛みかを伝える手段として、「ズキズキ」「ジンジン」といったオノマトペ(擬音語、擬態語)を使うことがありますが、言語学を専門とする竹田晃子・元国立国語研究所特任助教と、痛みの臨床研究で知られる小川節郎・日本大学総合科学研究所教授の研究によれば、このオノマトペと実際診断された病名には一定の関係があることがわかったそうです。

例えば、体の痛みも、子音や母音の違いで感覚的に区別して表現しているそうです。

こうした感覚的に区別して表現しているオノマトペを活用できれば、より正確な治療ができるようになるのではないでしょうか。

また、身体の部位であったり、痛みであったり、というのはその土地・地域の方言で伝えたほうが患者さん自身も伝えやすいはずです。

ただでさえ、感覚的な痛みを伝えるのは難しいのですから、それを標準語に直すとなると、正確に伝えるのはさらに難しくなります。

そこで、AIチャットボットのようなシステムに、オノマトペや方言などが組み合わさることができれば、医療を補助するシステムとしてより活用できるのではないでしょうか。







【関連記事】
続きを読む 英NHS、BabylonのAIテクノロジーを活用し、病気の症状について質問することができるAIチャットアプリの試験開始

ヘルスケアアプリ「カロミル」において食事画像データを自動的に判別する人工知能(AI)を自社開発|ライフログテクノロジー




■ヘルスケアアプリ「カロミル」において食事画像データを自動的に判別する人工知能(AI)を自社開発|ライフログテクノロジー

ヘルスケアアプリ「カロミル」において食事画像データを自動的に判別する人工知能(AI)を自社開発|ライフログテクノロジー
ヘルスケアアプリ「カロミル」において食事画像データを自動的に判別する人工知能(AI)を自社開発|ライフログテクノロジー

参考画像:「カロミル」|スクリーンショット

ヘルスケア アプリ「カロミル」において食事画像認識AIを自社開発。8割超えの識別率を確認

(2017/8/8、ライフログテクノロジー PR Times)

サービス開始以降、ヘルスケア アプリ「カロミル」を通してユーザーから取得した食事画像と、当社で保有する食事画像を合わせた約20万件を用いて、機械学習を開発してきました。
今回、ユーザーから収集した食事画像のうち、機械学習に用いていない写真をテストデータとして無作為に15,000件を選び、開発した食事画像認識AIに料理判定(食製品を含む)させたところ、その識別率は82%となりました。

ライフログテクノロジーは、日々の食事や運動の記録・管理ができるヘルスケアアプリ「カロミル」のユーザーから取得した食事画像データを自動的に判別する人工知能(AI)を自社開発したと発表しました。

ユーザーの食事記録のステップがこれまで以上に短縮化される見込みですで、今後は蓄積されたライフログからユーザー一人一人に最適な食事や運動の提案する機能も実装予定なのだそうです。

以前、糖尿病アプリで行動が変化し、空腹時血糖値や収縮期血圧が試験前より改善|東大病院では、糖尿病患者向けの生活習慣の改善や糖尿病の自己管理のためのアプリ「DialBetics」には、食事の記録に関して、撮影画像を認識して料理を提示し、ユーザーの入力を補助する機能を備えているというニュースをお伝えしましたが、この機能に近いものですね。

【糖尿病予防】ウェアラブルデバイスで健康データを記録し生活習慣を改善するモデル事業|経済産業省(2016/6/20)では、ヘモグロビンA1c値が高いが腎機能障害がない糖尿病一歩手前の人にウェアラブルデバイスをつけてもらい、心拍数・歩数・消費カロリー・睡眠の深さ・興奮・リラックス状況などのデータを計測し、そして血圧・体重・食事内容などを半年間記録してもらい、状態が悪化すると警告が出て、医師や看護師、管理栄養士が情報を提供し、生活習慣を改善するモデル事業が行われるというニュースを取り上げました。

ただ、こうした記録を続けることは大変であり、食事データを自動判別する機能があると、食事記録をつける上で大変便利でしょうね。

【関連記事】




■まとめ

「#NOOM」|人工知能(AI)と専門コーチが行動変容をサポートするヘルスケアアプリ|特定保健指導プログラムも開始では、人工知能(AI)とトレーニングコーチを組み合わせたアプリを紹介しました。

フィットネスアプリ「Fysta」|パーソナルトレーナーが監修した運動プログラムの動画&体重管理・ランニング機能|キングソフトでは、パーソナルトレーナーの動画と体重のレコーディング機能やランニング機能を搭載した無料フィットネスアプリを紹介しました。

先程紹介したのはレコーディング機能にAIを組み合わせたアプリであり、現在のトレンドとしては、AIとパーソナルトレーニングと動画・レコーディング機能をどのような組み合わせで提供するかというものになっているのではないでしょうか?







AI(人工知能)と機械学習(マシンラーニング)と深層学習(ディープラーニング)の違いとは?




■AIと機械学習(マシンラーニング)と深層学習(ディープラーニング)の関係

機械学習(マシンラーニング)と深層学習(ディープラーニング)の関係
機械学習(マシンラーニング)と深層学習(ディープラーニング)の関係

参考画像:Introduction to Deep Learning: Machine Learning vs Deep Learning|YouTubeスクリーンショット

人工知能、機械学習、ディープラーニングの違いとは

(2016/8/9、NVIDIA)

その関係を考えるとき、同心円で表すのが一番簡単でしょう。まず、最初に生まれたアイデアが「AI」です。これは、もっとも包括的な概念です。次に、「機械学習」が発展し、最後に「ディープラーニング」が登場しました。今日のAIの急速な成長を促すディープラーニングは、AIと機械学習に含まれています。

NVIDIAの説明では、AIという概念の中に「機械学習(マシンラーニング)」があり、深層学習(ディープラーニング)は、AIと機械学習に含まれています。

Machine Learning and Human Bias|YouTube

機械学習において重要なことは、多くの学習データを用意することなのですが、例えば、Googleは、機械学習用データを集めるために、落書きをしてもらうサービスを提供しています。

ビッグデータとは何か|平成24年版情報通信白書|総務省によれば、ICT(情報通信技術)の進展により、多種多量なデータ(ビッグデータ)を生成・収集・蓄積することが可能になったのですが、このことも機械学習が注目されるようになった背景としてあります。

AIの成長の理由は、速く、安く、強力な並列処理を実現できるGPUの普及と膨大なデータ(ビッグデータ)という2つの要素が登場したことが関係しており、また、ディープラーニング(深層学習)と呼ばれる人工知能の学習手法が考えられたことによって、AI自身がデータから学習するようになったことから、AIが様々な分野に活用されるようになったと考えられます。

次に、機械学習(マシンラーニング)と深層学習(ディープラーニング)の違いについてみていきましょう。




■機械学習(マシンラーニング)と深層学習(ディープラーニング)の違い

Introduction to Deep Learning: Machine Learning vs Deep Learning

機械学習(マシンラーニング)と深層学習(ディープラーニング)ともに、学習データを分類することに使われる技術ですが、違う点は人間が特徴を定義するか、コンピュータが特徴を抽出し、ルールを決めていくかの違いがあります。

人工知能の動向(2016/3/17、NRI)では、機械学習とディープラーニングの違いについて次のように紹介しています。

従来の機械学習とディープラーニングの違い
従来の機械学習とディープラーニングの違い

参考画像:人工知能の動向(2016/3/17、NRI)

従来の機械学習とは、人間が特徴を定義するため、複雑な特徴を表現できないという弱点があります。

ディープラーニング(深層学習)とは、機械学習の手法の一つで、人工知能が学習データから特徴を抽出、つまり、AI自身がデータからルールと知識を獲得していく方法です。

ディープラーニングは「音声認識」「画像認識」「言語処理」などで用いられていて、画像認識に関しては、例えばECサイトでの商品画像による商品検索に活用されているそうです。

AI活用事例|ディープラーニングの商品検索への応用
AI活用事例|ディープラーニングの商品検索への応用

参考画像:人工知能の動向(2016/3/17、NRI)

ディープラーニングを理解するうえで最も大事なのは、答えや本質的にうまくいっている理由はわからないけど、うまくいっているということだけはわかるという点です。

天才プログラマーが予測する「AIが導く未来」 人間の「なんとなく」は合理的に判断される

(2017/8/24、東洋経済オンライン)

言い方を変えると、今までのコンピュータによる最適化の能力では、答えは基本的に1つしかない。それがディープラーニングだと、答えがそもそもないのです。「確たる答えはないけど、なんとなくこう」っていうのがディープラーニングです。

電王・Ponanza開発者が語る、理由がわからないけどスゴイ“怠惰な並列化”

(2016/10/26、ASCII.jp)

体感で言えば、LazySMPは実はプログラマーには人気がない手法です。なぜかと言えば、前述のように結局のところどうしてうまくいくのか、その正確なところがプログラマーにはわからないからです。ディープラーニングも本質的にどうしてうまくいくのかわかっているプログラマーがいません。あくまで将棋プラグラム業界では、という話ですが。

そのため、これからの時代は、コンピュータが出した答えに対して、人間が後付けで理論や因果関係を考えていくことが増えるのではないかと考えられているのです。

電王・Ponanza開発者が語る、“自転車置き場の議論”に陥った指し手生成祭り

(2016/11/29、ASCII.jp)

人間は難しい問題に直面してしまった時、簡単な切り口を探しがちです。それ自体はまったく間違った行為ではないのですが、いつまでも簡単な切り口を求め続けることは必ずしも正しい判断ではないでしょう。人間はわからない状態をわからないままにしておくことにもストレスを感じ、わからないところに無理やり理由をつけようと考えるのが常です。

人工知能はどのようにして 「名人」を超えたのか?―――最強の将棋AIポナンザの開発者が教える機械学習・深層学習・強化学習の本質

新品価格
¥1,620から
(2018/1/11 14:55時点)

難しい問題の時には議論が起こらないのに、自分の理解ができる問題の時には議論が白熱するようなことを「パーキンソンの凡俗法則」や「自転車置き場の議論」という呼び方をするそうですが、これからは、「わからない」「理解できない」ことに対して、安易に答えを出すことなく、あきらめずにわからないままの状態で真正面から向き合い続ける姿勢が重要になってくるのではないでしょうか。

まずは理解できない自分を認め、それでもそれに向き合い続けることが、現代科学を理解して紐解く鍵となるでしょう。理解できると傲慢になるのではなく、理解できないと空虚に走るでもなく、ただ見えないものを見ようとし続けることこそが、唯一この先を見る方法になると私は信じています。

わからないまま向き合い続けるというのはストレスがかかることかもしれませんが、これから先の未来では必要な資質となるのではないでしょうか。

AI(人工知能)と機械学習(マシンラーニング)と深層学習(ディープラーニング)を知ったうえで、様々な企業が提供しているサービスがどのような特徴を持つのか、チェックしてみましょう!







【参考リンク】
続きを読む AI(人工知能)と機械学習(マシンラーニング)と深層学習(ディープラーニング)の違いとは?