Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Society5.0 and AI

FSCjJh3NeB
February 01, 2019

Society5.0 and AI

S5.0 と AI(の,ごく一部だけ)ざっくり説明資料

FSCjJh3NeB

February 01, 2019
Tweet

More Decks by FSCjJh3NeB

Other Decks in Education

Transcript

  1. 概要 n Society5.0 とは? u モノ(物理)とコト(情報)が高度に融合した社会 p 核となる技術:IoT,ビッグデータ,(**いわゆる**)AI • データはたくさん溜まる

    • 溜まったデータはAIが良い感じに処理してくれる n いわゆるAI と その周辺 u AI関連の研究 = 哲学や心理学など複数分野の統合 u いわゆるAI = 統計的機械学習&自然言語処理 p できることも,できないことも沢山 2
  2. Society5.0? 4  )- 317:%)80529 %.+    !')&,".$

     #       (*           1     []
  3. Society5.0? 5 *Y=,!.Y=;?G5 & #0    " %'+%&$

    2NMT !)$#(D@Y=,(*% ;UEO]LF QKB\HR   LF41(4.0)   Society 5.0    [ZLFB\PALF 2LFVW  6A^3J 6A^3  2QK   N96A> /-%' :C 2 LF7`QK   2_P /-%' :C 3 2 #" LF<87` 2 )+ Ia SX []
  4.     Society 5.0 _JUn!TN \[& DVls6 tj

    TN &_JTN(=  & 94 & 94 `C?qF!@B^wF kM]<Ab% tj & 94 5 8 W7 Q ZEgO  $?q:!oc:8IKH % 2 & 94 G50-  $mUn!TN \[ &DVl &%94 "$Q TN(<u %YpW7 #S h&%94 `C?qF@B^wF kM()-.*13"$ vr%94 2/+,!;IXaRP i"$5dZL ' %94 <u%W7tj!fe >% [] Society5.0? 7
  5. “情報” 12 • 農耕社会 - 衣食住 • 工業社会(産業革命) – ハードウェア

    • 情報社会 – ソフトウェア – コンテンツ – ビッグデータ • 人間社会 – 価値,物語 – サービス – AI 情報は物質,エネルギーに次ぐ世界観 現在 情報 エネルギー 物質 2016/8/16 個の復権 出典:中島秀之(人工知能研究者)氏講演資料 Society 1.0 Society 2.0 Society 3.0 Society 4.0 Society 5.0
  6. “情報”の階層 13 Data Information Intelligence Knowledge Wisdom 情報 生の観測値そのもの 記号(文字,数字)

    目的に応じデータを加工 統計値,グラフなど 解釈を付与 レポート類 汎化 普遍化
  7. 人工知能(AI) n 専門家の間でも共有された定義はない n 人工的に作り出された知能 もしくは,知能を作り出そうとする取り組み n 「人工的に」は良いとして,作り出すべき対象の 「知能」とはなんなのか? u

    知能が何か定義できたとして,作り出せるのか? u 知能のあり方はそもそも一つか? p 人間が持つ知能と,機械がもつ知能はおなじか? 17
  8. 人工知能(AI) n 人工知能 = 情報工学 u 人工知能学者から見た場合,情報工学は便利に使える ツールのひとつであり,研究成果の一部 n 人工知能の主要な要素

    u 知能とは・人とは何かを考える哲学の要素 p 心身問題,記号接地,フレーム問題,etc. u マシンとしての人は情報をどのように処理しているか (知能を構成しているか)を考える認知科学の要素 u それら要素を組み合わせ,知能を実現する工学の要素 18 /
  9. 知能とは:知能のありか(還元主義・心身問題) n 知能(・意識・魂)はどこにあるのか? u 人体も一つのマシンなので,どこかにあるはず p 足の小指の先などではないし,肘の裏とかでもなさそう u 脳にあるとして,脳のどこか? p

    脳から部品を自由に取り外しできるとして,どこまで減らせる? • のこった切り離しできない部分が知識の源,意識,魂になるのでは u 要素分解だけで,知能や意識,魂に迫れるか? p 音符ひとつひとつの構造がわかれば,良い曲が作れるか? • ゲシュタルト心理学的な立場 n 心と体は不可分か? u 脳を自由に好きな体に移植できる,脳だけでも生きられ るとして,そこに宿る知能や意識は体と独立?? 19
  10. 知能とは:フレーム問題 n 問題に関連する情報の境界線(フレーム)を 定めることは実は非常に困難 n 「隣の部屋にあるリンゴをとってきて」 u 部屋とは?リンゴとは?とってくるとは? u 腕を動かしたら部屋が爆発したりする?しない?

    u その行為に,室温や湿度,明るさは関係ある?ない? u 部屋に入るのに障害物(壁やドア)は壊していい? u どうやったら壊せる?もしくは壊さず入るには? …などなどなどなど 22 人間は“なぜか”必要な情報だけをうまく取り出し, 行動をすることができる ※ やっかいなことに自身が動くと相対的に環境の見え方も変わるので,常に上記の問題が繰り返される.
  11. 知能とは:中国語の部屋 n 知的に見える=知的か? u 行動主義的には知的であるといってもいいかもしれない n 中国語の部屋 u 密室の中に,中国語をまったく知らない人がいる u

    スゴイ辞書があって,中国語のこの文字列が来たら, この文字列を返す.というのが一瞬で出てくる u 密室内の人はこの辞書を持っていて,外から差し込まれ た中国語の質問に答えてくれる p 意味はわかっていないが,とにかく辞書で対応する文字列を探し て返しているだけ u 外から見たら,中の人は中国語を理解している 23
  12. 知能とは:知能と意思・意識(強いAI,弱いAI) n 一般的に誤用されることが多い要注意ワード n 誤用 u 強いAI:汎用的なAI 弱いAI:特定タスク用AI n 正解

    u 強いAI: 意思・意識を有するAI(自分で目的を設定) u 弱いAI: 上記以外(意思は持たない) 24 「知的であるかどうか」と「意識や意思を持つか」は別,という議論
  13. AI関連国際会議の一覧 27 ML, DM, and, AI Conference Map © 2015

    Toshihiro Kamishima (Updated 2019-05-11) ICML NeurIPS UAI BigData KDD SIGMOD IJCAI DS ALT ICDM ECML ICDE VLDB COLT AAAI SIGIR PAKDD ACML SDM WWW WSDM RecSys CHI IUI ICANN IJCNN STOC FOCS ICPR ICCV ICASSP InterSpeech CVPR ACL CoNLL NAACL EMNLP ICLR KES ECAI ICWSM CIKM HCOMP CSCW AISTATS WI ILP ISWC SODA PRIMA EDBT PODS STACS ICALP ESA IAAI ECCV ACCV TREC GECCO CEC IJCNLP COLING EACL ECIR ICONIP AAMAS DSAA PKDD AIRS PRICAI ICIP BMVC Mathematics Statistics Network Cognitive Science Social Science Brain Science Robotics Linguistics Computer System High-Performance Computing Computer Graphics Bioinformatics Cheminformatics Mathematical Logic Planning Data Mining Theoretical Computer Science Machine Learning Learning Theory Neural Network Agent Evolutionary Computation Artificial Intelligence Information Retrieval World Wide Web Human Computer Interaction Natural Language Processing Speech Signal Processing Computer Vision Database Knowledge Representation ML, DM, and, AI Conference Map. Copyright © 2015 Toshihiro Kamishima All Rights Reserved. Updated 2019-05-11
  14. 人工知能の歴史 28 機械学習 自然言語処理 意思決定支援 探索・迷路・パズル 1950 1970 1980 1995

    2010 2016 第一次人工知能ブーム (推論・探索の時代) 第三次人工知能ブーム (機械学習・表現学習の時代) 第二次人工知能ブーム (知識の時代) ダートマス会議 (1956) • AIという用語の提唱 [囲碁]AlphaGo (2016) • プロ棋士に勝利 [チェス]Deep Blue (1997) • 世界チャンピオンに勝利 ニューラルネットワーク ディープラーニング ウェブ,ビッグデータ 対話システムの研究 • ネオコグニトロンによる画像認識 (NHK基礎研究所 福島邦彦) • 神経回路網における計算論原理 (東京大学 甘利俊一) • 知識ボトルネック 問題の解消 • 計算処理能力の 向上 • 画像処理精度の向上 Amazonドローン 宅配実証実験(2015) Google自動運転 公道テスト(2015) Dendral (1965) Mycin (1972) Eliza (1965) Siri (2012) Pepper (2015) [クイズ]Watson (2011) • クイズ番組で全米チャンピオンを破って勝利 (代表事例) • 定理の証明 • チェス • 自然言語 (代表事例) • 論理推論 • 知識ベース • ニューラルネットワーク (代表事例) • 大規模知識ベース • 機械学習 • ディープラーニング 自動走行での米大陸横断 (1995)(CMU 金出武雄) [ エキスパートシステム ] [サッカー他]ロボカップ(RoboCup)(1996〜) H28版 科学技術白書 第1‐2‐2図/人工知能技術の歴史 …をベースに修正
  15. 用語関係図 31 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
  16. 機械学習いろいろ n “機械学習”の中にもいろいろな手法 33 教師あり 教師なし 精度重視 説明力重視 量を予測する ex.

    何歳?何人? 分類する 予測する 種類を予測する ex.男性?日本人? ハード 1レコード1グループ ソフト ex. Aが30%,Bが70% ▼ データの種類 ▼ 目的
  17. 自然言語処理 n このような,人間が読むために書かれたもの=自然言語 n この自然言語を機械で処理するための諸々=自然言語処理 n 基本戦略 = 文書を何らかの数値で表現する u

    例:単語それぞれを“次元”と捉えることで,数学の世界に持ってくる u 自然言語に対してもいろいろな数値解析手法が適用可能に 35 みかん りんご 文書 文書 み,み,り,り,り
  18. n 遺伝性自己免疫疾患 u 「遺伝性」「自己免疫」「疾患」? n すもももももももものうち u 「すもももももももも」「の」「うち(家)」? n 仲里依紗

    u 「仲里」「依紗」? 自然言語処理:形態素解析 n 日本語は切れ目がないので,文章をどこで切り分けるか 別途考える必要がある 形態素解析 けいたいそかいせき 36 単語 分割 すもももももももも?
  19. 37

  20. 39

  21. 自然言語処理:文章の類似度(cos類似度) n 文章をベクトル表現できれば, 距離や角度を指標に,文章の類似の度合いを表現できる u より単純に,単語の重複率で定義する手法なども存在 40 みかん りんご 文書1

    文書2 ここの角度=類似度! cosを取ったら,0(直行)〜1(一致)にできて&多次元でもいけて便利 実数値しか取らないので,ベクトルは第1象限のみ=0-90度までしかない 文書1 文書2 み,み,み,り み,み,り,り,り
  22. トピックモデルのイメージ n 大量の文書(単語の固まり)を与えると,トピック(話題)を自動的に 抽出し,各文書にどのトピックが紐付いているか教えてくれるような手 法 44 大量のニュース記事(文書) 投球,バッター, 盗塁,イチロー, メジャーリーグ,

    ドラフト,… AKB,イベント, コンサート, アイドル,テレビ, ドラマ,… 選挙,投票, 演説,国会, 遊説,党,大統領 予算,法律,… 野球? 芸能? 政治? Topic Model Topic 0 Topic 1 Topic 2 ※ トピックの名前(ラベル)はキーワードを見て人間が付与 トピック抽出のイメージ トピック推定のイメージ X日,AKBの総選挙が行われ, 事前予測とは異なり,XXさんが1位を取得した. XXさんは,この逆転ホームランを受けて, 「驚いているが,いまはとにかく 主演しているドラマと舞台を頑張りたい」 との談話を発表した. ニュース記事例(文書) X日,AKBの総選挙が行われ, 事前予測とは異なり,XXさんが1位を取得した. XXさんは,この逆転ホームランを受けて, 「驚いているが,いまはとにかく 主演しているドラマと舞台を頑張りたい」 との談話を発表した. 10% 45% 45% 野球 芸能 政治 トピック推定結果 野球 政治 芸能 Topic Model
  23. “いわゆるAI”の限界 n 多くは力押しのアプローチ u 大量のデータがあると,良い感じにモデルが作れる! p AlphaGo は 16万局 の対局でモデルを構築

    u データが無いと,モデルが作れない… p 数十万件に1件位しか無いようなデータ(例:希少疾患)は (一般的に)上手く扱うことが難しい… 45
  24. 事例:自然言語処理(文章要約) n Lithium-Ion Batteries: A Machine-Generated Summary of Current Research

    u リチウムイオンバッテリー:最新研究の機械生成テキスト 49 https://doi.org/10.1007/978-3-030-16800-1 AIが数万件の関連論文から 重要そうなモノを厳選し, 要約して論文化したもの
  25. 計算論的思考の重要性 n 現状のAIは,ちょっと便利な情報技術 n データの下ごしらえ,その他は人間の知見が不可欠 u Garbage in, Garbage out

    n 何に・どこにAIが使えるのか・使うべきか n どんなデータが,どんな形で,どの位,必要か n 情報工学の専門家は情報工学の専門家でしかない n 利用者側に情報工学の知見や計算論的思考が必要 56
  26. 計算論的思考 n プログラマの行う計算機を用いた問題解決の考え方 n 問題の適切な表現法を選び,問題を解きやすくする ために問題の適切な側面だけをモデル化する技術 n 著者は計算論的思考を「読み,書き,そろばん」に 加えて,教えるべき要素として提唱している 57

    原典:Jeannette M. Wing: Computational Thinking, Communications of the ACM, Vol.49, No.3, pp.33-35 (Mar.2006) <参考> 中島秀之(訳):計算論的思考,情報処理 Vol.56 No.6 (Jun. 2015) :コンピュテーショナル・シンキング
  27. 計算論的思考 n 問題の適切な表現法を選び,問題を解きやすくする ために問題の適切な側面だけをモデル化する技術 58 :コンピュテーショナル・シンキング データ 処理 /=$ 

    7 *  < #16 !" ?0 50 7 3845, 5:;20 9/+ . 7 ) -! %9> (:'&9>      < n データや手続の抽象化 u 処理とデータの関係性 u データの表現方法 u データ間の関係性 p 制御可能な要素,可能な範囲 p KPIへの感度,etc. u 処理の中で共通化できる部分 u 処理の前後関係,並列化可能性 …などなど
  28. データサイエンティスト協会の説明資料 61 Copyright © 2017 The Japan DataScientist Society. All

    Rights Reserved. 3つのスキ セッ 6 ジ ス (business problem solving) データ サイエ ス (data science) データ エ ジ ア グ (data engineering) 課題 景を理解した上で、 ビジネス課題を整理し、 解決する力 情報処理、人工知 能、統計学などの 情報 学 の知 を理解し、使う力 データサイエンスを 意味のある形に使えるよ うにし、実 、運用でき るようにする力 資料:データサイエンティスト協会プレスリリース (2014.12.10) http://www.datascientist.or.jp/news/2014/pdf/1210.pdf
  29. データサイエンティスト協会の説明資料 62 Copyright © 2017 The Japan DataScientist Society. All

    Rights Reserved. スキル の がり:データサイエンスの場合 12 計数理 予 定/判 グルーピング 性 ・関 性の サンプリング データ加 機 学 時 分 言 理 ・動 理 / 理 パターン発見 グラフィカルモデル 化 データ 理 シミュレーション /データ同化 データ 化 Static Dynamic 的 資 :データサイエンティスト協会スキル 員会 議 最 化 分 プロセス データの理 ・ データ 題 決 意 合いの 出・ 2017年版 16 17 11 14 14 5 8 37 5 23 4 20 7 13 8 5 3 3 10 5
  30. まとめ n Society5.0 とは? u モノ(物理)とコト(情報)が高度に融合した社会 p 核となる技術:IoT,ビッグデータ,(**いわゆる**)AI • データはたくさん溜まる

    • 溜まったデータはAIが良い感じに処理してくれる n いわゆるAI と その周辺 u AI関連の研究 = 哲学や心理学など複数分野の統合 u いわゆるAI = 統計的機械学習&自然言語処理 p できることも,できないことも沢山 63
  31. 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 69