人工知能が描く未来

人工知能と日本の製造業～人工知能が描く未来～

三宅陽一郎

三宅陽一郎@miyayou

2016.10.7 @神戸

https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake [email protected]

はじめに「人工知能が描く未来」

• 情報処理の仕組みが機械とビジネスに浸透し、それを土壌として人工知能のレイヤーが始まろうとしています。人工知能は一過性のものと言うよりも、社会全体の情報処理が人工知能へと進化しつつある段階と捉えることができます。そこで重要なのは、情報処理と人工知能の違いは何か、ということになって来ます。

• 人工知能の持つ最も顕著な特性は自律性にあります。それは左から右へ情報を加工することではなく、「情報を自ら集め、自ら意思決定をし、自ら行動を起こす」機能です。むしろそこでは情報を集めることが目的ではなく、人工知能が自ら行動を作り出すことに比重が置かれます。たとえば人工衛星を考えれば、管制室から完全にコントロールするのは、どんどんと離れるに従い難しくなります。ですからやがてそれは人工知能として自ら認識し、自ら行動を起こす機能が必要とされるのです。


• 人工知能がこの時代に存在感を増して来た理由は、現実空間に情報の網が張り巡らされ、また現実空間を衛星やＧＰＳや監視カメラ、各種デバイス、ＳＮＳの書き込みなどによって現実空間をリアルタイムにデジタル空間へ取り込むフィルターが完備されたことによります。また人が社会的活動をネットを通じて行うようになったことも見逃してはなりません。これらはいわば人工知能の眼として現実空間を捉え、情報を収集します。その膨大なデータから人工知能は「認識を形成し、意思決定を行い、アクションを行う」のです。


• しかしアクションを行うには身体が必要です。ネット空間であれば情報処理だけで済みますが、現実空間で活躍するには身体となるドローン、ロボット、車、デジタルサイネージ、各種機械などが必要です。これらを通して、人工知能は現実へアクションを行うことが可能になります。今、大手IT企業が自動運転やドローンやロボットに注力するのは、ネットで成功した巨大な資本によって、ネット空間から現実空間へとサービスを展開する力を手に入れようとしているからなのです。ITの力はコンピューターがないと浸透できません。逆に言えば世界にコンピューターを溢れさせ、それらをネットで繋ぐことで、それは人工知能の活躍の場となるのです。それによって、大手IT企業はネット空間で育んだIT力を、そのまま地続きでロボットや自動車、GPSを通じて現実空間へ伸張しようとしています。そこで狙っているのは、社会インフラとしての人工知能を用いたサービスです。機械と人工知能が一体となったシステム、たとえばカメラと人工知能で街全体を監視するシステム、車と人工知能で自動運転システム、ドローンによる宅配システムなどです。これらはこれまでよりミクロな単位で街を動かし監視することを可能にする新しいスマートシティを実現します。

• 今回は今、人工知能をまじえてどのようなビジョンが展開されているかを技術とビジネスモデルからご説明したいと思います。

経歴

京都大学（数学）大阪大学（原子核実験物理）東京大学（エネルギー工学/人工知能）

高エネルギー加速器研究所（半年ぐらい。修士論文）

http://www.facebook.com/youichiro.miyake

Works (2006-2016)

AI for Game Titles

Books

WIRED A.I.

• WIRED A.I.+ Wired City

• １２月１日発売

• 「人工知能＋街特集」

なぜぼくらには人工知能が必要なのか──『WIRED』Vol.20「人工知能＋未来都市」 2大特集・特別保存版刊行に寄せてhttp://wired.jp/2015/12/01/vol20-editors-letter-ai/

http://wired.jp/2015/12/01/vol20-editors-letter-ai/









「IT、都市、ヘルスケア、あらゆる領域で人工知能と人間が共創する未来」

• WIRED 「INNOVATION INSIGTS」

http://wired.jp/innovationinsights/post/analytics-cloud/w/cocreation_with_ai





目次

• 第一章人工知能とは？

• 第二章ゲームＡＩとは？

• 第三章人工知能の発展の方向

• 第四章人工知能の各種事例

• 第五章サービスと人工知能第六章

• 第六章人工知能と倫理

• 第七章全体のまとめ

目次

• 第一章人工知能とは？

• 第二章ゲームＡＩとは？

• 第三章人工知能の発展の方向

• 第四章人工知能の各種事例

• 第五章サービスと人工知能第六章

• 第六章人工知能と倫理

• 第七章全体のまとめ

第一章人工知能とは

自然知能と人工知能

人間＝自然知能

機械＝人工知能

ダートマス会議（1956年）

• ジョン・マッカーシーのいたダートマス大学で、人工知能をテーマとして初めて開催された会議。

• Artificial Intelligence という名称もはじめてここで用いられた。

http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html












我々は、1956年の夏の2ヶ月間、10人の人工知能研究者

がニューハンプシャー州ハノーバーのダートマス大学に集まることを提案する。そこで、学習のあらゆる観点や知能の他の機能を正確に説明することで機械がそれらをシミュレートできるようにするための基本的研究を進める。機械が言語を使うことができるようにする方法の探究、機械上での抽象化と概念の形成、今は人間にしか解けない問題を機械で解くこと、機械が自分自身を改善する方法などの探究の試みがなされるだろう。我々は、注意深く選ばれた科学者のグループがひと夏集まれば、それらの問題のうちいくつかで大きな進展が得られると考えている。

https://ja.wikipedia.org/wiki/%E3%83%80%E3%83%BC%E3%83%88%E3%83%9E%E3%82%B9%E4%BC%9A%E8%AD%B0





我々は、1956年の夏の2ヶ月間、10人の人工知能研究者

がニューハンプシャー州ハノーバーのダートマス大学に集まることを提案する。そこで、学習のあらゆる観点や知能の他の機能を正確に説明することで機械がそれらをシミュレートできるようにするための基本的研究を進める。機械が言語を使うことができるようにする方法の探究、機械上での抽象化と概念の形成、今は人間にしか解けない問題を機械で解くこと、機械が自分自身を改善する方法などの探究の試みがなされるだろう。我々は、注意深く選ばれた科学者のグループがひと夏集まれば、それらの問題のうちいくつかで大きな進展が得られると考えている。


人工知能＝人間の知能を機械に写す（移す）。




機械（マシン）


ソフトウェア


ソフトウェア

知能

http://www.1999.co.jp/blog/1210192


ソフトウェア

知能

身体

機能

知能

http://www.1999.co.jp/blog/1210192 http://ja.wallpapersma.com/wallpaper/_-%E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B 3%E3%81%AE%E3%80%81%E3%83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html

身体性とインテリジェンス

Gray’s anatomy

脳の中心の部位は身体とつながっている。生理機能を司っている。それを囲うように、辺縁体、大脳がある。

http://square.umin.ac.jp/neuroinf/brain/005.html

http://www.amazon.co.jp/Grays-Anatomy-Anatomical-Clinical-Practice/dp/0443066841

意識/無意識の知性

身体の制御につながる

感覚を統合する

知性全体人の意識的な部分意識自身には機能がない

環境

身体

意識

無意識

意識的な知性

無意識的な知性

表象意識に浮かび上がるイメージ

人間の精神

意識

前意識

無意識

知能

言語による精神の構造化

外部からの情報

言語化のプロセスシニフィアン /シニフィエ

言語回路（＝解釈）

人間の精神

意識

前意識

無意識


生態学的人工知能 ※生態＝環境・身体との結びつきを考える

伝統的な人工知能

身体知

人間の精神

意識

前意識

無意識


知能

解釈

顕在化

運動統合

意志

意識の境界面

知覚の境界面

２つの見えている世界（知覚世界、作用世界）

知覚世界作用世界

機械の精神＝人工知能

意識

前意識

無意識

知能

言語による精神の構造化


言語化のプロセスシンボル/010100000

言語回路（＝プログラム）

人間の精神、機械の精神

意識

前意識

無意識


意識

前意識

無意識


言語・非言語境界面

知覚の境界面


意識

前意識

無意識


意識

前意識

無意識



知覚の境界面

人工知能は、人間の知能を機械に移したもの。


ソフトウェア

知能

身体

機能

知能

http://www.1999.co.jp/blog/1210192 http://ja.wallpapersma.com/wallpaper/_-%E3%83%AA%E3%82%B9%E3%80%81%E5%A3%81%E7%B4%99%E3%80%81%E3%83%AF%E3%82%A4%E3%83%89%E3%82%B9%E3%82%AF%E3%83%AA%E3%83%BC%E3%83%B 3%E3%81%AE%E3%80%81%E3%83%9E%E3%83%83%E3%82%AF%E3%80%81%E3%83%9A%E3%83%83.html

第一章まとめ

• 人工知能は、人間の知能を機械に写したもの。

• 人工知能は、人間の知能を機械に写すこと。

第二章ゲームＡＩ

FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii

DC （次世代） Hardware 時間軸 2005 1999

ゲームの進化と人工知能

複雑な世界の複雑なＡＩ

ゲームも世界も、ＡＩの身体と内面もますます複雑になる。

単純な世界のシンプルなＡＩ

（スペースインベーダー、タイトー、1978年）（アサシンクリード、ゲームロフト、2007年）

(例) スペースインベーダー(1978)

プレイヤーの動きに関係なく、決められた動きをする

（スペースインベーダー、タイトー、1978年）

（例）プリンス・オブ・ペルシャ

「プリンス・オブ・ペルシャ」など、スプライトアニメーションを用意する必要がある場合、必然的にこういった制御となる。

（プリンスオブペルシャ、1989年）

テセウスの船（パラドックス）船の老朽化した部分を、新しい木に入れ替えているうちに、

全部を入れ替えてしまった。

はたしてこの船は元の船と同一のものであろうか？

http://img02.hamazo.tv/usr/j/a/g/jagr/629.jpg

http://img02.hamazo.tv/usr/j/a/g/jagr/629.jpg

テセウスのパラドックス

物質的構成＝循環する

物質によらず不変なもの構造


物質的構成＝循環する

物質によらず不変なもの構造情報

だから、こう言える。生物は物質的存在であると同時に、情報的存在でもあるのだ。


物質

情報

情報

物質

生物は、情報的存在であり、同時に物質的な存在である。物質は情報に存在を与え、情報は物質に構造を与える。

情報と物質

情報

物質

生物は、情報的存在であり、同時に物質的な存在である。物質は情報に存在を与え、情報は物質に構造を与える。

「情報と物質」から「精神と身体」へ

情報

物質

精神・知性

身体

精神と身体、そして進化

情報

物質

精神・知性

身体

進化

世界

外と内の交流＝散逸構造

INPUT

OUTPUT

世界

物質的循環

物質

物理的INPUT

物理的OUTPUT

生理的代謝機能

世界

情報的循環

情報

INPUT INFORMATION

OUTPUT INFORMATION

情報処理＝情報代謝（つまり思考）

物質的存在としての身体がそうであるように、情報的存在として人間は、情報を摂取し、記憶し（＝情報体としての自分を組み換え）、情報をアウトプット・排泄する。

世界

情報的・物質的循環

物質

物理的OUTPUT

代謝機能情報

INPUT INFORMATION

OUTPUT INFORMATION

情報処理＝情報代謝（つまり思考）

生理的代謝機能物理的INPUT

世界

情報的循環

情報

INPUT INFORMATION ＝センサー

OUTPUT INFORMATION ＝エフェクター

情報処理＝情報代謝（つまり思考）＝意志決定

物質的存在としての身体がそうであるように、情報的存在として人間は、情報を摂取し、記憶し（＝情報体としての自分を組み換え）、情報をアウトプット・排泄する。


情報

物質

精神・知性

身体

人工知能

ハードウェア


情報

物質

精神・知性

身体

人工知能

ハードウェア

知能は生き物の情報的側面である。

エージェント・アーキテクチャ

WORLD

INTELLIGENCE

センサーエフェクター

認識 Knowledge

Making

意志決定 Decision Making

運動 Motion Making

記憶体 Memory

情報体としての知能のカタチ


WORLD

INTELLIGENCE


認識 Knowledge

Making



記憶体 Memory


情報の循環＝インフォメーション・フロー


WORLD

INTELLIGENCE


認識 Knowledge

Making



記憶体 Memory


「情報の循環＝インフォメーション・フロー」は物質の循環の情報版。これによって知性は自己を情報的に自己組織化できる。やはり知性も散逸構造である。

（例）ゼビウス？

遠藤雅伸氏あと面白い機能なんですけれど、ゼビウスには非常に簡単なAIが組み込まれています。

「プレイヤーがどれくらいの腕か」というのを判断して、出てくる敵が強くなるんです。強いと思った相手には強い敵が

出てきて、弱いと思った相手には弱い敵が出てきます。そういったプログラムが組み込まれています。

ゲームの難易度というのは「初心者には難しくて、上級者には簡単だ」ということが、

ひとつの難易度で(調整を)やっていくと起きてしまうので、その辺を何とか改善したいな、

ということでそういったことを始めてみたのですけれど、

お陰で割合にあまり上手くない人でも比較的長くプレイできる、

うまい人でも最後のほうに行くまで結構ドラマチックに楽しめる、そういった感じになっています。

－ゼビウスセミナー－

http://spitfire.client.jp/shooting/xevious2.html

ゼビウス（ゼビウス、ナムコ、1982年）

レベル

ナビゲーションAI

メタAI

キャラクターAI

エージェントを動的に配置レベル状況を監視エージェントに指示ゲームの流れを作る

自律的な判断仲間同士の協調時にチームＡＩとなる

メタAI, キャラクターAIの為にレベルの認識のためのデータを準備オブジェクト表現を管理ナビゲーション・データの管理パス検索 / 位置解析

Support

敵キャラクタ－プレイヤー

頭脳として機能

情報獲得

コントロール

現代ゲームAIの仕組み

http://dear-croa.d.dooo.jp/download/illust.html

http://www.anne-box.com/

３Ｄゲームの中のＡＩ

Halo （ＨＡＬＯ、バンジー、2001年）デバッグ画面

The Illusion of Intelligence - Bungie.net Downloads http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt

http://downloads.bungie.net/presentations/gdc02_jaime_griesemer.ppt



パス検索とは

現在の地点から指定したポイントへの経路を、

リアルタイムで計算して導く技術。

RTS - Pathfinding A* https://www.youtube.com/watch?v=95aHGzzNCY8

Counter Strike: Path Following (デモ)

The Official Counter-Strike Bot http://aigamedev.com/insider/presentation/official-counter-strike-bot/

強化学習（例）強化学習

（例）格闘ゲーム

キック

パンチ

波動

R_0 : 報酬＝ダメージ

http://piposozai.blog76.fc2.com/

http://dear-croa.d.dooo.jp/download/illust.html

強化学習（例）格闘ゲームTaoFeng におけるキャラクター学習

Ralf Herbrich, Thore Graepel, Joaquin Quiñonero Candela Applied Games Group,Microsoft Research Cambridge "Forza, Halo, Xbox Live The Magic of Research in Microsoft Products" http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx

Microsoft Research Playing Machines: Machine Learning Applications in Computer Games http://research.microsoft.com/en-us/projects/mlgames2008/ Video Games and Artificial Intelligence http://research.microsoft.com/en-us/projects/ijcaiigames/

http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx



http://research.microsoft.com/en-us/projects/mlgames2008/




http://research.microsoft.com/en-us/projects/ijcaiigames/





F.E.A.R.のプランニングシンボルによる連鎖プランニング

ターゲットＡが

死んでいる

ターゲットＡが

死んでいる

攻撃

武器が装填

されている

武器が装填

されている

装填する

武器を

持っている武器を

持っている

武器を拾う

条件なし

プラナー

プランニング

Jeff Orkins, Three States and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf

http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf


計画を立てるＡＩ/計画を変更するＡＩ

Jeff Orkins, Three States and a Plan: The AI of FEAR http://alumni.media.mit.edu/~jorkin/gdc2006_orkin_jeff_fear.pdf



CORE Layer は、Physical Laryer 、Mission Layer のうちで、どの認識を生成するかを決定するコマンドを投げる。

CERA-CRANIUM認識モデル

Arrabales, R. Ledezma, A. and Sanchis, A. "Towards the Generation of Visual Qualia in Artificial Cognitive Architectures". (2010) http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf

http://www.conscious-robots.com/raul/papers/Arrabales_BICS2010.pdf



CERA-CRANIUM認識モデル

http://aigamedev.com/open/article/conscious-bot/





2K Bot Prize FPSを用いたチューリングテスト

http://www.conscious-robots.com/en/conscious-machines/conscious-robots/conscious-robots-team-wins-the-2k-botprize-2010-competi.html

http://aigamedev.com/open/article/conscious-bot/ Movie:





























2K Bot Prize FPSを用いたチューリングテスト

http://aigamedev.com/open/article/conscious-bot/ Movie:

AI と人間のプレイヤーが混在しながら戦う。人間と一番間違われたAIが優勝。





http://www.botprize.org/2010.html




第二章まとめ

• ゲームＡＩは、箱庭（ゲーム）の中の人工知能。

• 現実人工知能より進化が早い。

第三章人工知能の発展の方向

この３００年の技術の動向

時間

規模

産業革命

情報革命

ネット革命

知能革命

機械化・自動化（オートメーション化）

電子情報化

オンライン化

知能化

第二次産業革命

電動化

1750 1860 1960 1990 Now…

現代は「知能化」の時代に入りつつある。

人工知能と社会

ロボット

世代

人口

人工知能

少子高齢化社会ロボットと人工知能で少子高齢化社会を支える

エンジニアリングとしての人工知能の二つのアプローチ

人工知能を作る (キャラクターAI、ロボット…)

既にあるものを知能化する (家電、電車、ポスター、なんでも…)

知能化

• 工場 → （知能化） → オートスケジューリング

• 配送 → （知能化） → 自動分配・自動配送

• 車 → （知能化） → 自動走行・ＩＴＳ

• 家電 → （知能化） → コミュニケーション家電（ルンバなど）

• インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など)

• TV → （知能化） → キーワード・趣向による自動録画

• 注文サービス → （知能化） → 自動受付・自動サービス

社会の隅々にまで、知的機能がインプリメント（実装）される。

知能化

• 工場 → （知能化） → オートスケジューリング

• 配送 → （知能化） → 自動分配・自動配送

• 車 → （知能化） → 自動走行・ＩＴＳ

• 家電 → （知能化） → コミュニケーション家電（ルンバなど）

• インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など)

• TV → （知能化） → キーワード・趣向による自動録画

• 注文サービス → （知能化） → 自動受付・自動サービス


知能化

知能化


知能化

現実世界（～1995）

現実世界2.0

（2015～）

エンジニアリングとしての人工知能の二つのアプローチ

人工知能を作る (キャラクターAI、ロボット…)

既にあるものを知能化する (家電、電車、ポスター、なんでも…)

いきなり、人工知能を作ることは難しい。まずは「知能化」を考えてみましょう。

http://static.flickr.com/5051/5525304279_65012a492c_s.jpg

？ http://flopdesign.com/download/Human_S/pages/B50.html

？

http://flopdesign.com/download/Human_S/pages/B51.html

人間の知能の形/人工知能の知能の形

人間（生物）の知能＝総合的知能一つの知能がいろんなことをできる

お料理できる

将棋が打てる

目的地へ行ける

何でもできる可能性を持つ総合知性


お料理できる将棋が打てる

目的地へ行ける

人工知能＝専門的知能一つのことしかできない。

何でもできる可能性を持つ総合知性がない


お料理ロボット＝お料理しかできない

AlphaGO ＝囲碁しか打てない

ナビ＝目的地へのルート

お掃除ロボット＝お掃除しかできない

IBM ワトソン＝記号の統計情報しかない＝何百万行のテキストの関係を記憶

人工知能＝専門的知能一つのことしかできない。一つのことがとても（人間より）得意。


AlphaGO ＝囲碁しか打てない＝人間より強い

ナビ＝目的地へのルート＝とても正確

お掃除ロボット＝お掃除しかできない＝ 24時間掃除

IBM ワトソン＝記号の統計情報しかない＝何百万行のテキストの関係を記憶

お料理ロボット＝お料理しかできない＝何万と言うレシピ

人工知能＝専門的知能一つのことしかできない。

時間（イメージ）

空間（論理）

殆どの人工知能は与えられたフレーム（問題設定）の外に出ることはできない。

人間は柔軟にフレーム（問題設定）を創造し変化させることができる。

人間と人工知能の違い

時間（イメージ）

空間（論理）

殆どの人工知能は与えられたフレーム（問題設定）の外に出ることはできない。

人間は柔軟にフレーム（問題設定）を創造し変化させることができる。

人間と人工知能の違い

人工知能は自ら問題を作り出すことはない。人工知能は人間が与えた問題を解くことしかできない。似たような問題さえ解けない。

機械

人間はどのように人工知能を発展させて来たか？

記号

自然言語

概念

人間

AI 意味

言葉

情報

ＡＩは単なる情報処理ではなく、人間に近い理解を目指す

機械


記号

自然言語

概念

人間

AI 意味

言葉

情報

機械（マシン）が得意なこと（＝概念）と、人間が得意なこと（＝情報）は正反対。

機械


記号

自然言語

概念

人間

AI 意味

言葉

情報画像

範疇

判別

イメージ

意味

映像

判別

時系列

流れ

意味

機械


記号

自然言語

概念

人間

AI 意味

言葉

情報画像

範疇

判別

イメージ

意味

映像

判別

時系列

流れ

意味機械（マシン）が得意なこと（＝概念、イメージ、想像）と、人間が得意なこと（＝情報処理、画像処理、映像処理）は正反対。

人工知能

人はどのように人工知能を使っているか？

情報の海を母体として、人工知能が育っている。＝情報の海を母体として人工知能が生まれる

人間

情報の海

）

人工知能



人間

記号の海

言葉の海

情報の海

）

人工知能



人間

記号の海

言葉の海

意味の海

概念の海

情報の海

情報の海（ネットワーク）

ネット空間の人工知能

人間

検索エンジンがあるおかげで、かろうじて人間は情報の世界を渡ることができる。

検索エンジン（Googleなど）


現実世界

人工知能

人工知能

人工知能

解析・抽出

提出・提案命令・指示

センシング


人間

人間は人工知能のおかげで、情報の海を旅することができる。


現実世界

人工知能

人工知能

人工知能

解析・抽出

提出・提案命令・指示

センシング


人間

センシング技術やロボットの徘徊、カメラなどによって現実の世界の情報とネットワークの世界が同期する

新しい現実空間

現実世界（～1995）

人工知能

人工知能による新しい空間

パソコン

現実がデジタル空間を内包していたはずが、内包したデジタル空間が現実を変化させて行く。


現実世界（～1995）

インターネット

人工知能


パソコン



クラウド

現実世界（～1995）


人工知能


パソコン



人工知能

クラウド

現実世界（～1995）



パソコン



人工知能

クラウド

現実世界（～1995）



パソコン

デジタル空間の発展は、それを内包する現実空間を変容させる。



クラウド

現実世界（～1995）

インターネット人工知能


パソコン


さらに、キーワードは「実世界指向」ソフトウェアは身体を持って現実に出る。それは現実世界を変貌させて行く。「現実世界 2.0」

現実空間


パソコン

現実空間


パソコン人工知能

現実空間



現実空間



ゲームという箱庭で育まれた人工知能技術は、現実空間の外に出ようとしている。

飽和したネット空間のサービス競争（飽和）

ネット空間

進出・浸食

現在起こっていること～ネット空間から現実空間への回帰

IT技術による新しい現実空間のサービス（新規）

現実空間



ネット空間

現実空間

クラウド/人工知能ビックデータ

進出・浸食

ロボット

実空間センシング

ドローン

IoT



ネット空間

現実空間

クラウド/人工知能インターネット

進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能

https://www.ingress.com

情報空間の拡大～人工知能の舞台が広がる

http://www.s-hoshino.com


• やがて街全体が情報空間になる。



• やがて街全体を制御する人工知能が出現する。






• やがて家全体を制御する人工知能が出現する。



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能




ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能

新しい現実空間の誕生


@2010-2015 SQUARE ENIX CO., LTD. All Rights Reserved.



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT

ネット空間から現実空間へ、現実世界からネット空間へ

ゲーム空間

人工知能

現実世界の人工知能

デジタル世界の人工知能

新しい現実空間の誕生



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT

ネット空間から現実空間へ、現実世界からネット空間へ

ゲーム空間

人工知能



難しい～未開拓

成熟



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT

現実世界とデジタル世界をまたぐゲーム空間

ゲーム空間

人工知能



未開拓

成熟




ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能



未開拓

成熟

巨大な

内部デジタル空間

巨大な現実の外部空間



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能



未開拓

成熟

巨大な

内部デジタル空間

巨大な外部空間

現実とデジタル空間にまたがる人工知能



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能



未開拓

成熟

巨大な内部空間


新しい人工知能の誕生

我々は、デジタル空間＝現実空間にまたがる巨大な人工知能を作り出そうとしている。



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能



未開拓

成熟

http://v-english.jp/eikaiwa/staffblog/files/2014/07/20140710_fb.jpg http://d2tu4pb4f28rzs.cloudfront.net/site_img/photo/2013-03-04-055321.jpg http://tocos-wireless.com/assets/IoT/InternetofThings.png http://www.mlab.t.u-tokyo.ac.jp/research/2014/network/img/index_ss.png




人間はやがて、この巨大な人工知能の背中に載って新しい現実空間（情報空間＋オーバーレイされた現実空間）を旅するようになる。



ネット空間

現実空間


進出・浸食

ロボット


ドローン

IoT


ゲーム空間

人工知能



未開拓

成熟

http://v-english.jp/eikaiwa/staffblog/files/2014/07/20140710_fb.jpg http://d2tu4pb4f28rzs.cloudfront.net/site_img/photo/2013-03-04-055321.jpg http://tocos-wireless.com/assets/IoT/InternetofThings.png http://www.mlab.t.u-tokyo.ac.jp/research/2014/network/img/index_ss.png




そこで重要なのが「物語を産み出せる力」。物語を生み出せる人工知能が人を巻き込むことができる。

第三章まとめ

• 人工知能は現実世界へ進出しようとしている。

• その時にはハードウェア（ロボット、マシン）が必要だ。

第四章人工知能の各種事例

データの海が人工知能を育てる

• Amazon（協調フィルタリング）

• IBMワトソン

• IBM Watson in みずほ銀行

• AlphaGO

• ソニー「デジタルアナウンサー」

• Nvidia「自動運転」

• 医療用診断データベース

人人工知能

「人」の代わりに人工知能

人

人工知能

「人」の間に人工知能

人

人

人工知能

「人」の間に人工知能

人

いつ空いている？えーと…

人

人工知能

「人」の間に人工知能。たとえば予定を自動調整してくれる。

人

いつ空いている？えーと…

予定表予定表

来週の月曜日の夜どうですか？

Ａｍａｚｏｎ「協調フィルタリング」

ユーザデータ群（たとえば販売サイト）

A B C ?

評価 5 1 4

A,B,C という映画を購入した人に、次にどの映画を推薦するべきか？

A B C M

評価 4 2 5 5

同じ購入履歴で、同じような評価をしている人が高く評価している映画を探して来る。

推薦

IBM ワトソン

ネット上のあらゆるWiki 百科事典データベース

など

りんご赤い 90%

甘い 70%

青森 55%

フランス 40%

果物 32%

…

しぶい 7%

IBMワトソンは、文章の中の語の相関を学習する。その学習データを用いて、インプットされた語と、相関の強い言葉をリストアップする。

IBM Watson in みずほ銀行

• オペレーターが顧客の要望を復唱する。

• 言葉に変換

• 自動的に関連するマニュアルを表示する

https://www.change-makers.jp/business/10573





ソニー「デジタルアナウンサー」

• ニュース原稿を流し込む

• エージェント（ＡＩ）が身振りをまじえて読み上げる。

ソニー、CGキャラがニュースを自動で読み上げる“デジタルアナウンサー”--渋谷で実験 http://japan.cnet.com/news/service/35087113/

http://japan.cnet.com/news/service/35087113/




AlphaGO

膨大な棋譜のデータ（人間では多過ぎて

読めない）

この棋譜をそっくり打てるように学習する

自己対戦して棋譜を貯める

この棋譜をそっくり打てるように学習する

AlphaGO

Deep Q-Learning

Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf

画面を入力操作はあらかじめ教えるスコアによる強化学習

http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf


深階層ニューラルネットワーク

http://www.nature.com/nature/journal/v518/n7540/full/nature14236.html

ニューラルネットワーク＝信号（波形）処理だけで知能を作る。



岡野原大輔「一般向けのDeep Learning」 http://www.slideshare.net/pfi/deep-learning-22350063

Deep Learning = 多層型ニューラルネットワーク

http://www.slideshare.net/pfi/deep-learning-22350063







Yurie Oka「実装ディープラーニング」http://www.slideshare.net/yurieoka37/ss-28152060

階層型ニューラルネット＋階層型学習

http://www.slideshare.net/yurieoka37/ss-28152060




学習過程解析

Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf



• Pπ ロールアウトポリシー（ロールアウトで討つ手を決める。Pπ（a|s） sという状態でaを討つ確率）

• Pσ Supervised Learning Network プロの討つ手からその手を討つ確率を決める。Pσ（a|s）sという状態でaを討つ確率。

• Pρ 強化学習ネットワーク。Pρ（学習済み）に初期化。 • Vθ(s’) 局面の状態 S’ を見たときに、勝敗の確率を予測する関数。つまり、勝つか、負けるかを返します。

あから２０１０

激指 YSS

合議

Bonanza GPS

将棋

あから2010合議サーバログを可視化してみた（A Successful Failure）http://blog.livedoor.jp/lunarmodule7/archives/1121781.html

http://blog.livedoor.jp/lunarmodule7/archives/1121781.html

Nvidia「自動運転」

• 専用のグラフィックボードを開発

• 市場へ向けて投入

• 高速道路用など用途別。

http://www.nvidia.co.jp/object/drive-px-jp.html

http://www.nvidia.co.jp/object/drive-automotive-technology-jp.html

• 人間には扱えないような大きなデータから、

• 人間では気づかない特徴を学習している。

学習する人工知能から学ぶこと

• さらに人間の解釈を通過することなく、

• 直接サービスやアクションを展開する

（当然アマゾンの開発者は我々に何を推薦しているか知らない）

学習する人工知能から学ぶこと

ユーザー

データ

AI

第四章まとめ

• 人工知能は、オートメーションの新しい姿。

• 人間に近い領域までオートメーションする。

• だから人間には脅威を感じる。

• だからそれは、「社会インフラ」の新しい形でもある。

第五章サービスと人工知能

スマートシティ構想

• もともとは、ガス、電気など、エネルギーを、知的に融通するシステムのことを指していた。

• 現在は、情報を加えて、街全体が、インテリジェンスを持つ構想のことを言う。

スマートシティ構想

AI

• 街全体を人工知能があらゆるカメラ、センサーを通して監視する。 • ドローン、ロボット、デジタルビジョンを通して街に力を行使する。 • 街全体の中枢の知能を作る。




• その時、人工知能はアプリケーションではなく、

社会インフラとなる。新しく大きな市場。



ビックデータ

インフラとしてのAI

人工知能は人間には見えないものを見て、人間にはできないことをする

• 人の流れ

• 犯罪の早期発見

• 事故現場の発見

• 店内の人の流れ

• その人が注目した商品の共通項

• 紛れ込んだ犯罪者の場所特定

・・・そしてこれらの予測。



ビックデータ

インフラとしてのAI

この循環は人間を理解しているわけではない。

「人間たち」の統計的特徴を見つけて行動している。

どこで人工知能ビジネスを展開するか？

＝人工知能に人間の何をどこまで理解させて、

ビジネスを展開するか？

人間の幅＝現れ＝行動

人間の深さ


＝人間の内側の深さに入って行くためには、

人工知能の深みを持つ必要がある。


人間の深さ


意識

前意識

無意識


意識

前意識

無意識



知覚の境界面


＝人間の内側の深さに入って行くためには、

人工知能の深みを持つ必要がある。哲学が必要。

知能の幅＝現れ＝行動

知能の深さ

人間の行動


人工知能が人間を理解するほど、

人間は人工知能に共感する。


人間の深さ


人間の内面深く理解する人工知能、はこれから。

人工知能技術は、そこに向かって進化している。


人間の深さ


どこまで人間の内面に食い込んで、サービスを展開するかが、爆発力の鍵となる。


人間の深さ


しかし、深く食い込むほど、高度な人工知能技術が必要となる。


人間の深さ


ビジネスがうまく行くなら、人工知能技術は、

社内であっても社外であっても構わない。


人間の深さ

第五章まとめ

• 人間の内面深く理解する人工知能、はこれから。人工知能技術は、そこに向かって進化している。

• どこまで人間の内面に食い込んで、サービスを展開するかが、爆発力の鍵となる。

• しかし、深く食い込むほど、高度な人工知能技術が必要となる。

第六章人工知能と倫理

職業は人工知能でなくなるか？

• 自分の職業の内容を細かくリストアップしてみましょう。

• その中の何割かが人工知能で置き換わるか、考えるか、専門家に聞いてみよう。

• 全くなくなるのではなく、部分的に置き換わる。

• つまり発想を逆にして、人工知能といかに共存するか、その共存の仕方を模索する時代に来た。

• 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。




自分の仕事に何割かが人工知能に置き換わる。



自分の仕事に何割かが人工知能に置き換わる。＝これからは人間と人工知能が協調する時代



自分の仕事に何割かが人工知能に置き換わる。＝これからは人間と人工知能が協調する時代＝人工知能とペアを組んで強いチームが勝つ



自分の仕事に何割かが人工知能に置き換わる。＝これからは人間と人工知能が協調する時代＝人工知能とペアを組んで強いチームが勝つ＝人間とペアを組むことを前提に人工知能を開発するべき＝単独の人工知能ではなく

第六章まとめ

単独の人工知能

人間とペアを組む人工知能

社会インフラ

サービス

第六章まとめ

単独の人工知能

人間とペアを組む人工知能

社会インフラ

サービス

サービスでは「人間とペアを組む人工知能」をまず目指す。社会インフラでは「人間の介在しないシステム」を目指す。

第七章全体のまとめ

１. 人工知能は人間の知能を機械に写そうとしたところから出発した。２．箱庭（ゲーム）で育まれた人工知能は現実世界に出ようとしている。３．そのためにはハードウェア（ロボット、マシン、デジタルサイネージなど）が必要である。４．しかし、まだ人工知能はそこまで賢くない。５．人工知能は人間が与えた問題を解く。人工知能は問題を自ら考えだすことはない。６．しかし、人間が与えた問題において、人間より遥かに優秀になり得る。

７. 人工知能はそれゆえに完全ではない。人間とペアを組むことを考えるべき。

８．将棋も囲碁も強くなった後は、人間と人工知能のペアで指すことを研究している。それは人工知能の未来の縮図である。

９．もう一つ。人間とペアを組まない人工知能は拡大して、社会インフラとなる。

第七章全体のまとめ

人工知能が描く未来

Economy & Finance