シリーズAI入門：15．AIと社会

Society5.0など，これからの社会におけるAIについて少し触れてみます。

Transcript

1. Society5.0 シリーズAI入門 これからの社会，人工知能 © FSCjJh3NeB 2021 (※ 但し画像を除く)
2. n ここまでで 人工知能 のこれまでを見てきた u いろいろな興味から技術が開発され，挫折し， 乗り越え，新しい問題にチャレンジしてきた u さまざまな分野の発展に伴って，ようやく 人工知能 で 少し頭の良さそうなこともできるようになってきた u 人工知能は，数学や英語のように様々な分野へ n 今後，技術や社会はどう発展していくのか？ n その中で人工知能はどのように位置づけられるか？ 2
3. 技術の進歩 n 江戸時代※に比べれば間違いなくすごい進歩 u 冷凍技術がほぼないので，生魚が食べられない地域も u 大量輸送技術はほとんどなく水上輸送，通信は飛脚など p 狼煙・手旗を用いた通信方式などもあったが，複雑な情報は困難 u エネルギーは木（炭を含む） p 日本に原生林がほとんどないのはこれが理由 n とはいえ，現代社会はかなり成熟しているので そんなに大きな技術進歩はないのでは？ u すくなくとも，在学中に技術がガラッと変わることは… 3 ※ ざっくり 400年～150年前
4. 技術の進化 4 1900年のNY5番街 1913年のNY5番街
5. ハードディスクの進化 1956, 5.0M 1984, 2.0G 1979, 250M iPhone11 で写真を撮ると 4.6M ぐらい 5
6. IBM305 RAMAC n 世界初の商用HDD 1959, 5.0M （前掲のIBM305 RAMAC搬入図） 約610mm ×50枚 6 ※ ものすごく細かい話をすると，305 RAMAC はコンピュータで，この中の 350 ユニットが HDD
7. vs. micro SD 11mm 15mm 610mm 400GB 0.1MB x 4,000,000 x 0.018 サイズ比 x 55.5 ※ ※ 1024単位で桁上のため， 実際の数値は少し異なる 7
8. n 数年でも意外とがらっと変わる 8 …こともある
9. 技術の変化は予測できるか？ n できるときもあるし，できないときも… 9 1901年報知新聞：二十世紀の豫言 （平成17年度版 科学技術白書）
10. 10 Alan Kay The best way to predict the future is to invent it アラン・ケイ 未来を予測する最良の方法は それを作ってしまうことである
11. Alan Kay 11 Dynabook -A Personal Computer for Children of All Ages 1972 ステーブ・ジョブスは1979年にAltoのデモをみて， 友人のウォズニアックに Lisa, Macintosh (今の mac) を作ってもらった 暫定版 Dynabook ： Alto
12. 12 政府の考える未来像 Society5.0
13. Society5.0 ? 13
14. Society5.0 ? 14
15. Society5.0 ? 15 https://www.gov-online.go.jp/cam/s5/
16. Society5.0 ? 16
17. Society5.0 ? 17
18. Society5.0 n 基本的な仕組み u 物理・情報空間のデータを一旦吸い上げて u 情報空間上でもろもろ演算し u サービスとして，物理・情報空間へもどす n ポイント u 人が意識的に依頼しなくても， AIが自動的に提供してくれる部分が増える 18
19. AI・サービスの構成要素と，S5.0 19 Data Hardware (IoT, HPC, comm, …) Software (ML※, NLP, …) S5.0 AI ※ ML: Machine Learning
20. 用語関係図 20 情報システム（IT） 機械学習 分析 対象 データ Big Data IoT 提案 自然言語処理 人工知能 AI いわゆるAI Society5.0
21. 第6期基本計画におけるS5.0 21
22. 22 技術と社会
23. 自動化と人の役割 23 未来のコックピットには， 1人のパイロットと1匹の犬が座ることになるだろう。 パイロットの仕事は機械の監視と，犬に餌をやること。 犬の仕事は，もしパイロットが機械に触ろうとしたら 噛みついて，それを止めること。 自動操縦が出てきた頃の，航空機業界ジョークとされるもの
24. 自動化と人の役割 n できるだけ機械（含，AI）に任せて ヒトの介在は最小限にするべき n できるだけヒトに任せて 機械（含，AI）の介在は最小限にするべき 24
25. AI/ITの2つの方向性 n 代行する u 人間の代わりに何かの処理をする・自動化する n 支援する/協働する u 人間と一緒に何かの処理をする・支援(Support)してくれる 25 AI AI
26. 人工知能 と 責任 n 代行はもとより，支援も度合いが増すと責任問題も u 自動運転の車が事故を起こした！ 責任者は誰か？？ p 誰が，被害者に対して償うべきか？？？ p メーカー？ 所有者？ 乗っていた人？ u 人工知能がすごく素敵な音楽を作った p 誰が，その音楽の印税をもらえる？？？ p 人工知能のアルゴリズム考案者？ 音楽を作らせた人？ 26
27. みんなでつくるAIマップ 27 https://www.miraikan.jst.go.jp/resources/miraikanfocus/202006121367.html
28. 人工知能 も 色々間違う n 特に DNN はいろいろな問題を解けそうだが… n データから学ぶ = 変なデータを与えると変なことに u テキストチャットできるAIサービス p みんなが差別的な言葉を覚えさせた結果，ひどいことに u 人事評価を行えるAIサービス p 既存の評価が女性に厳しめだったため，AIも女性に厳しめに n 人間の気づかない，わずかな差さえ見えてしまう u 画像認識AI p ゴリラの画像にちょっとノイズを加えるとカンガルーと認識 28
29. 変なデータ は 何が変？ n 差別的な言葉…は，まぁ意図的に“変”かもしれない n 人事評価はどうか？女性に厳しいデータだけを 意図して与えたわけではないハズなのに…？ u 確かにその通り，“データが異常” と言うわけではない u “きっと公正であるだろう” と 思っていた事柄について， その期待と実態が異なっていたという意味で “変” u むしろ AI は 偏見なく実態を正しく描き出した p 実態に沿わせることが倫理的に正しいかどうか？ p 倫理的に正しい…とは？何がどうなれば正しい？（フレーム問題へ） 29 ただ単に，そこにあるデータ を放り込むだけでは解けない問題も多々ある
30. Garbage In, Garbage Out n ゴミを入れると，ゴミが出てくる u データ分析でよく言われる格言 u 何か入力すれば，何かは出てくるが，だからといって， ゴミを投げ込んでも，出てくるのは大抵ゴミ u ゴミの山から宝物が出てくることはめったにない… p ごく希にあるが，それは逆に大きな不幸の元 （cf. オペラント条件付け） 30 立派なゴミの誕生
31. 人工知能 は 切り離せない技術に n これからは，研究を行う上でも機械学習は必須 u 数十年前は，手書きで論文・グラフを書く分野も… p 今では，普通にパソコンで書く（手書きはあり得ない） u 情報系でなくてもちょっとしたプログラムの知識は必要 u 同じように，機械学習の知識は最低限の教養に p 総当たり的な実験は，機械学習に取って代わられる可能性すら • 面白い問題を見つけたりする想像力など，本質が問われるかも？ 31
32. 知能について見えてきた課題 n “認識” は なんとなく上手くできてきた予感 u これはヒヨコ，これはヒヨコじゃない。 といった，ヒヨコ鑑定士AI※ を作ることは容易にできる u …だが，その先はどうなのか？ n 知能は何か？ u 結局，パタン認識 が 知能だった？ 演繹 は 不要？ u 知能に，意識 や 意思 は必要ない？ u 意識 や 意思 はどこからどう生まれてきて， 知能にはどういう風に影響している？ …などなどなどなど，意外と未解決 32 ※ 実際のヒヨコ鑑定士は，“ヒヨコかどうか”を判別するわけではなく，ヒヨコの雄雌を判別する仕事です