情報処理応用B第9回資料 /advancedB09

Transcript

1. 情報処理応⽤B 第9回 藤⽥ ⼀寿
2. ⼈⼯知能 (AI: Artificial Intelligence)
3. IBM Watson • IBMの質問応答システム • 2011年アメリカのクイズ番組で⼈間と対決し勝利 • みずほ銀⾏のコールセンターで使われる • 会話の内容から解答をオペレータに提⽰ • 三菱東京UFJ銀⾏ではLINEで提供しているQ&AサービスでWatsonを活⽤ https://www.youtube.com/watch?v=gEejZEhHLpA
4. AlphaGo, AlphaGo Zero, AlphaZero • AlphaGo • 2016年イ・セドル⽒に勝利，2017年柯潔（コ・ジェ）⽒に勝利 • 2015年まではアマ有段者レベルだった囲碁AIが，AlphaGoの登場によりに より囲碁AIが世界トップ棋⼠より強くなった． • AlphaGo Zero (Silver et al. 2017) • ⾃⼰学習のみでAlphaGoに勝つ． • AlphaZero (Silver et al. 2018) • 様々なボードゲームにも対応できる． • ⾃⼰学習のみで強くなる．⼈間はデータを⽤意する必要がない． • 碁ではAlpha Goにも勝てる． • チェス (Stockfish)，将棋（elmo）にも勝てる．
5. https://www.youtube.com/watch?v=TmPfTpjtdgg
8. (https://www.youtube.com/watch?v=SGUCcjHTmGY) 翻訳(DeepL)
9. 画像⽣成⼈⼯知能 ⼈⼯知能に⾃分の名前を与 え画像を⽣成 ⼈⼯知能に⼩松⼤学を与え画像を⽣成
10. ⼈⼯知能が発展し社会 に浸透した結果どうな る？
11. ⽇本の労働⼈⼝の49％が⼈⼯知能やロボット等で代替可能に • IC⽣産オペレーター • ⼀般事務員 • 物⼯ • 医療事務員 • 受付係 • ＡＶ・通信機器組⽴・修理⼯ • 駅務員 • ＮＣ研削盤⼯ • ＮＣ旋盤⼯ • 会計監査係員 • 加⼯紙製造⼯ • 貸付係事務員 • 学校事務員 • カメラ組⽴⼯ • 機械⽊⼯ • 寄宿舎・寮・マンション管理⼈ • CADオペレーター • 給⾷調理⼈ • 教育・研修事務員 • ⾏政事務員（国） • ⾏政事務員（県市町村 • 銀⾏窓⼝係 • ⾦属加⼯・⾦属製品検査⼯ • ⾦属研磨⼯ • ⾦属材料製造検査⼯ • ⾦属熱処理⼯ • ⾦属プレス⼯ • クリーニング取次店員 • 計器組⽴⼯ • 警備員 • 経理事務員 • 検収・検品係員 • 検針員 • 建設作業員 • ゴム製品成形⼯（タイヤ成形を除 く） • こん包⼯ • サッシ⼯ • 産業廃棄物収集運搬作業員 • 紙器製造⼯ • ⾃動⾞組⽴⼯ • ⾃動⾞塗装⼯ • 出荷・発送係員 • じんかい収集作業員 • ⼈事係事務員 • 新聞配達員 • 診療情報管理⼠ • ⽔産ねり製品製造⼯ • スーパー店員 • ⽣産現場事務員 • 製パン⼯ • 製粉⼯ • 製本作業員 • 清涼飲料ルートセールス員 • ⽯油精製オペレーター • セメント⽣産オペレーター • 繊維製品検査⼯ • 倉庫作業員 • 惣菜製造⼯ • 測量⼠ • 宝くじ販売⼈ • タクシー運転者 • 宅配便配達員 • 鍛造⼯ • 駐⾞場管理⼈ • 通関⼠ • 通信販売受付事務員 • 積卸作業員 • データ⼊⼒係 • 電気通信技術者 • 電算写植オペレーター • 電⼦計算機保守員（ＩＴ保守員） • 電⼦部品製造⼯ • 電⾞運転⼠ • 道路パトロール隊員 • ⽇⽤品修理ショップ店員 • バイク便配達員 • 発電員 • ⾮破壊検査員 • ビル施設管理技術者 • ビル清掃員 • 物品購買事務員 • プラスチック製品成形⼯ • プロセス製版オペレーター • ボイラーオペレーター • 貿易事務員 • 包装作業員 • 保管・管理係員 • 保険事務員 • ホテル客室係 • マシニングセンター・オペレーター • ミシン縫製⼯ • めっき⼯ • めん類製造⼯ • 郵便外務員 • 郵便事務員 • 有料道路料⾦収受員 • レジ係 • 列⾞清掃員 • レンタカー営業所員 • 路線バス運転者 株式会社野村総合研究所
12. あと10〜20年でなくなる可能性の⾼い職業 • 電話販売員（テレマーケター） • 銀⾏の窓⼝係 • 不動産登記の審査・調査 • 荷物の発送・受け取り係 • ⼿縫いの仕⽴て屋 • レストランの案内係 • コンピュータを使ったデータの収集・加⼯・分析 • 動物のブリーダー • 保険業者 • 給与・福利厚⽣担当者 • 貨物取扱 • レジ係 • 税務申告代⾏ • 娯楽施設の案内係、チケットもぎり • 銀⾏の新規⼝座開設担当者 • パラリーガル、弁護⼠助⼿ • 図書館司書の補助員 • 苦情の処理・調査担当者 • データ⼊⼒作業員 • メガネ、コンタクトレンズの技術者 • 保険⾦請求・保険契約代⾏者 • 殺⾍剤の混合、散布の技術者 • 証券会社の⼀般事務員 • 測量技術者、地図作製技術者 • （住宅・教育・⾃動⾞ローンなどの）融資担当者 • 造園・⽤地管理の作業員 • ⾃動⾞保険鑑定⼈ • 建設機器のオペレーター • スポーツの審判員 • 訪問販売員、露店商⼈ The future of employment: how susceptible are jobs to computerization?”
13. ⼈⼯知能の導⼊による業務効率化事例 (平成30年度情報通信⽩書)
14. ⼈⼯知能導⼊によって⾃動化してほしいと思う業務 (平成30年度情報通信⽩書)
15. ⼈⼯知能導⼊で想定される雇⽤への影響 (平成28年度情報通信⽩書) ブルーカラーよりホワイトカラーの仕事がなくなると思われる． 特にデータから判断する必要がある少し⾼度なデスクワークへの影響が⼤きいだろう． むしろ⾁体を使う仕事は容易にロボットやコンピュータに置き換えられない． ブルーカラー：⾁体労働の労働者 ホワイトカラー：事務仕事の労働者
16. ⼈⼯知能が普及する社会で⽣きるために • ⼈⼯知能による⾃動化（コンピュータによる⾃動化）が可能な 仕事は無くなる． • 特に頭脳労働からなくなる． • ⼈⼯知能により⼈間がやる仕事が減る社会で⽣き残るには • ⼈間にしかできない仕事をする． • ⼈⼯知能が苦⼿な仕事をする． • ⼈⼯知能が出来ない⾼度なスキルを習得する． • ⼈⼯知能を使いこなす側になる． • 画像⽣成AIの進化により，これまでより意識されるようになった． • ⼈⼯知能を作る側になる．
17. ⼈⼯知能とは
18. ⼈⼯知能とは • ⼈間が知能を使ってやることをできる機械もしくはそれを実現するための技術 • ⼈間の知的営みをコンピュータに⾏わせるための技術（IT⽤語辞典バイナリ） • 学習・推論・判断といった⼈間の知能を持つ機能を備えたコンピュータシステム（⼤辞林第三 版） • ⼈間や動物が可能な知的作業ができるコンピュータを作ることに関する事柄 (Artificial Intelligence for Games) • ⼈（研究者）によって⼈⼯知能の捉え⽅が違う！！ • そもそも知能が何を意味するか，知的営みがどの程度の難易度の⾏動ができること を意味するかが曖昧である．そのため，⼈⼯知能という⽤語も曖昧になる． • 考えてもキリがないので，⼀般的な認識に近い⼀番上の解釈をしておく． (平成28年度情報通信⽩書)
19. ⼈⼯知能とは • 汎⽤⼈⼯知能 (Artificial gereral intelligence) • ⼈間レベルの知能 • 特化型⼈⼯知能 • ある問題に対し特化した⼈⼯知能 • ⼈⼯知能という⾔葉を技術⽤語として使わないほうが分かりや すい． • 現状では「⼈⼯知能を使って〇〇やります」は「コンピュータ使って〇〇 を⾃動化します」に近い．
20. 電卓も⼈⼯知能では？ • 電卓による計算も⼈間の知的活動を機械がやっていると⾔える が，なぜ電卓は⼈⼯知能と呼ばれないのか？ As soon as it works, no one calls it AI any more. (https://cacm.acm.org/blogs/blog-cacm/138907-john-mccarthy/fulltext) John McCarthy
21. ⼈⼯知能を実現するには
22. ⼈⼯知能 • ⼈⼯知能とは • ⼈間が知能を使ってやることをできる機械もしくはそれを実現するための 技術 • どのように⼈⼯知能を実現するのか 機械 どうすれば⼈間のように 知的になれますか？
23. 中国語の部屋
24. 中国語の部屋 • 哲学者のサールが発表した思考実験 • 中国語を理解できない⼈を⼩部屋にいれ，中国語のあらゆる返 答が書かれた辞書を持たせる． • 部屋に中国語の質問を書いた紙を⼊れると，中の⼈が辞書をひ いて適切な返答を紙に書き返す． 中国語の質問が書 かれた紙 中国語の返答が書 かれた紙 中の⼈は中国語は 分からないが，辞 書をひいて適切な 返答を探す．
25. 中国語の部屋 • 中国語を分かっていないのに適切に返答できる． • チューリングテストでは中の⼈が中国語を理解しているかどうか分か らないだろう． • 私⾒ • 適切な返答ができるなら，それで良いのではないか． • 適切な返答が書かれた辞書を作ることが⼤事ではないか． • ⼈⼯知能では辞書を作る⽅法を機械に組み込むが重要ではないか． チューリングテストとは アラン・チューリングが提案した 機械が⼈間的であるかどうか判定 するテスト 外から⾒て，中の⼈が中国語を理 解しているかどうか分からない． 中国語の質問が 書かれた紙 中国語の返答が 書かれた紙 中の⼈は中国語は 分からないが，辞 書をひいて適切な 返答を探す．
26. 逆に⾒れば • 中国語の部屋のように，部屋の中⾝が何であれ適切な返答がで きれば部屋は知的に動いているように⾒える． • ⼈⼯知能を実現するには，⼊⼒に対し適切な出⼒をする機械を 作れば良い． 中国語の部屋を実現するには，部屋の 中の機械が適切な返答をすれば良い． 中国語の質問が書かれ た紙 中国語の返答が書かれ た紙 ⼊⼒ 出⼒
27. ⼈⼯知能の実現
28. 機械に適切な出⼒をさせるためには • ⼈間があらかじめ⼊⼒から出⼒を求めるルールを作り，機械に 組み込む． • 機械に辞書を作らせる． • ⼈間は辞書を作らせ，それを活⽤する技術を考える 中国語の質問が書かれ た紙 中国語の返答が書かれ た紙 機械は適切な返答をすれば良い． ⼊⼒ 出⼒
29. 機械に問題の解き⽅を組み込む
30. 機械に問題の解き⽅を組み込む • 機械に問題の解き⽅を教えれば，機械は正しい答えを導ける． 最⼤値を求める⽅法を機械に事前 に⼊⼒しておく． 機械はその⽅法に従って最⼤値を 探す． ⼊⼒ 出⼒ 解き⽅ 2 6 1 8 5 7 9 8 4 9 最⼤値を 探して
31. 機械に問題の解き⽅を組み込む • マルバツゲームを考えてみよう． • ◦とXを交互に3x3のマスに埋めていき3つ並べたほうが勝ち． • この場合，起こりうるすべての⼿を探し出せば必勝の⼿が⾒つ かる． • なにか問題を解くとき，考えられる解を評価し条件に合うもの を探すことを探索といい，このために⽤いられるアルゴリズム を探索アルゴリズムという． • 探索を組み込んだ機械は，ゲームをプレイすることができる．
32. 探索の例 起こりうる盤⾯の⼀覧．起こりうる盤⾯を⽊構造で書いたものをゲーム⽊という． 現在の状態 マルが選べる 盤⾯ バツが選べる 盤⾯
33. 探索の例 ゲーム⽊をたどることを⽊探索という． 現在の状態 マルが選べる 盤⾯ バツが選べる 盤⾯ 引き分け 勝ち
34. 探索の例 現在の状態 マルが選べる 盤⾯ バツが選べる 盤⾯ ゲーム⽊から各プレーヤーが最善⼿を選べば引き分けになることが分かる． 勝つ可能性があるのは右の⼿以外だということも分かる．
35. 機械に問題の解き⽅を組み込む • このやり⽅は様々な場所で応⽤されている． • 検索アルゴリズム • リニアサーチ • バイナリサーチ • 探索アルゴリズム • バックトラック法 • 幅優先探索 • 並び替え（ソート）アルゴリズム • バブルソート • クイックソート • ゲームAI • Mini-max法 • この⽅法はコンピュータアルゴリズムの分野で研究される．
36. 探索の問題 • 選択肢が多い問題では困るかもしれない． • データ量や選択肢が多いと探索時間が多くかかってしまう． • ゲームで起こりうる盤⾯の数（state-space complexity） • マルバツゲーム：10! 1盤⾯の処理に1秒かかるとしたら約16分処理時間がかかる． • オセロ： 10"# 1盤⾯の処理に1秒かかるとしたら約10"$ 年処理時間がかかる． • チェス： 10%% 1盤⾯の処理に1秒かかるとしたら約10!& 年処理時間がかかる． • 将棋： 10'( 1盤⾯の処理に1秒かかるとしたら約10&! 年処理時間がかかる． • 囲碁： 10('$ 1盤⾯の処理に1秒かかるとしたら約10(&" 年処理時間がかかる． • 効率的な⽅法（良いアルゴリズム）を考えることが重要である． • 明確に選択肢を提⽰できない問題では困るかもしれない． • ボードゲームでは選択肢は離散的だが，連続的な選択肢の場合どうするか？
37. 知識と簡単な条件分岐で問題を 解く
38. 知識と簡単な条件分岐で問題を解く • 例えば，⼈の抱える問題に対し，機械が簡単な質問をする．そ の質問に対し⼈が「はい」か「いいえ」で答えていくと，機械 が問題を解いてくれる． 質問と 答え 成績を知 りたい． はい アキネーターのようなも のだと思ってほしい（ア キネーターの中⾝がどう なっているかは分からな いが…）． 成績は 優です． 80点以上 ですか？
39. 知識と簡単な条件分岐で問題を解く • 機械にお湯を沸かさせたい． • お湯を沸かすには • スイッチが⼊った場合，⽔を熱する． • ⽔の温度が100度になると，⽔を熱するのをやめる． • 機械がこの条件に沿って⾏動すればお湯をわかせる（かもしれ ない）． 湯の沸 かし⽅ ボタンが 押された 100度に なった 電気を⽌ めよう 電気を流 そう
40. 知識と簡単な条件分岐で問題を解く • 機械に⾵邪かどうか判断させたい． • ⾵邪の条件とは • 平熱かどうか． • のどが痛いかどうか． • ⿐⽔が出るかどうか． • 筋⾁痛があるか． • 冬かどうか． • これらの条件を機械が患者に聞き，条件の当てはまり具合で⾵ 邪かどうか判断することができる（かもしれない）． 質問と 答え ⾵邪で はない ೤͸͋Δ͔ ޴͸௧͍͔ ౙ͔ いいえ いいえ いいえ
41. 例：エキスパートシステム • ある分野の専⾨家の持つ知識をデータ化し、専⾨家のように推 論や判断ができるようにするコンピュータシステム（IT⽤語辞 典） 推論エ ンジン 成績を知 りたい． はい 知識ベ ース ユーザイン タフェース エキスパート 成績は 優です． 80点以上 ですか？
42. 例：エキスパートシステム • エキスパートが専⾨知識を知識ベースに登録する． • If-Thenルール，つまり条件と結論の形で知識を表現する． • 推論エンジンが知識ベースの情報を⽤いて結論を導く． 推論エ ンジン 成績を知り たい． はい 知識ベー ス ユーザインタ フェース エキスパート 成績は 優です． 80点以上で すか？
43. こんなに単純でよいのか • 単純な条件分岐でなんでも判断できるか？ • 条件がはっきりしているのなら上⼿くいくだろう． • 簡単な問い合わせの対応 • 電気ポットやケトルなどの⽐較的単純な機械の制御 • 条件分岐（知識ベース）を作るのが⾯倒くさい． • 知識，条件が網羅できないかもしれない．
44. 規則性を覚えさせ，それに従っ て判断させる
45. 規則性を覚えさせ，それに従って判断させる • 機械はデータの規則性を覚え，覚えた規則性を使い判断する． 学習データ 0, 1, 2, 3, 4 5, 6, 7, 8, 9 規則性を 覚える 0, 1, 2, 3, 4 5, 6, 7, 8, 9 覚えた 規則性 ⼊⼒ 出⼒ 機械は⼊⼒の規則性を覚 え，それを保存する． 覚えた規則性を⽤い判断する．
46. 機械学習 • 機械にデータを⼊⼒し，その規則性を覚えさせることを学習と いう． • 機械に学習させる仕組みを取り扱う分野のことを機械学習とい う． • 機械学習の説明は別の資料で⾏う．
47. 教師あり学習と教師なし学習 • 教師あり学習 • 教師となる答えが⽤意されている． • 機械は⼊⼒と答えの対応を学習する． • ⼈間の⽂字と発⾳の対応を覚えることに似ている． • 教師なし学習 • 教師となる答えがない． • ⼈間が似ている似ていないを判別することに似ている． • 強化学習 • ⾏動の良し悪しを決める報酬を多くするような⾏動を試⾏錯誤により学習 する． • 運動を覚えることに似ている．
48. 深層学習（ディープラーニング） • 機械学習の⼿法の⼀つである（⼈⼯）ニューラルネットワーク の⼿法の⼀つ • ニューラルネットワーク • 脳の神経回路の数理モデル化から始まった機械学習⼿法 • ディープニューラルネットワーク（深層ニューラルネットワーク） • 深いニューラルネットワーク • 深層学習（ディープラーニング） • 深いニューラルネットワークを学習するための⼿法 • 現在の⼈⼯知能ブームを⽀える技術 詳細は次回
49. ⽤語の関係 データ収集 必要な価値のある情報の抽出 ⼿法 IoT ウェブサービス ビッグデータ データマイニング ⼈⼯知能? 確率・統計 サポートベクタマシン ⼈⼯ニューラル ネットワーク 深層ニューラルネットワーク 深層学習（ディープラーニング） 関係が深い 強化学習 DQN AlphaZero ⾃動判断 機械学習 クラスタリング EM algorithm, k-means GPU (NVIDIA) ⾼速化に必要 開発環境 ライブラリ 開発の簡便化 GAN データ⽣成 識別
50. なぜ今⼈⼯知能
51. ⼈⼯知能の（⽴場から⾒た）歴史 ▪第１-２-２図／人工知能技術の歴史 資料：松尾豊東京大学准教授資料、科学技術・学術政策研究所（ＮＩＳＴＥＰ）の資料を参考に文部科学省作成 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１次人工知能ブーム （推論・探索の時代） 第３次人工知能ブーム （機械学習・表現学習の時代） 第２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 [将棋]電王戦 (2012〜) • プロ棋士に3勝1敗1分 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 NII「ロボットは東大に入れるか」 プロジェクト(2011〜) 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〜） パーセプトロン (1969)
52. なぜ今⼈⼯知能？ • ビッグデータ • インターネットやIoT機器からに莫⼤なデータを収集することで，学習に必要な データが豊富になった． • 技術の発展 • 深層学習（深層ニューラルネットワーク）が他の技術より性能が遥かに上回っ た（2012年）． • GPUを⽤いることで深層学習の膨⼤な計算を現実的な時間で処理できるように なった． • GPGPU（3DCGを描画するための計算ユニットであるGPUを⼀般的な⽤途で使うこと） • 無料で簡単なライブラリ（開発環境）が公開された． • 社会的要請（⽇本） • ⼈⼝減少とそれに伴う⼈⼿不⾜により⾃動化を進める必要が出てきた． ビッグデータ，深層学習，GPGPU，ライブラリが同じ時代に揃った
53. 世界の⼈⼯知能のプレーヤー • ビッグデータ • デジタル・プラットフォーマー各社 • 深層学習⽤ライブラリ（フレームワーク） • Google (Tensorflow) • Facebook (Pytorch) • Preferred networks (Chainer)→2019年12⽉開発中⽌以後Pytorchに移⾏ • カルフォルニア⼤学 (Caffe) • 無料 = ライブラリで儲けようとしていない • 無料で簡単 = 誰でも使える．学歴，⼈種，年齢，性別，地域，⽴場，所属，職種などの垣 根は⼀切ない． • ⼿に⼊りやすい計算装置 • NVIDIA (GPU，ワンボードマイコン) • Google (TPU，USBアクセラレータ) • Intel (USBアクセラレータ) (https://business.nikkei.com/atcl/report/17/ai/051700001/)
54. データの独占と囲い込み • デジタル・プラットフォーマーによるデータの独占が問題視さ れている． • 独禁法データも資産 • 国によるデータの囲い込み（データローカライゼーション） • データが価値を⽣む世界になり，国もデータの保護に⼒を⼊れる． • 中国 • サイバーセキュリティ法では，個⼈情報及び重要データを国外に持ち出す場合，国が 定める基準に従い安全評価をしなければならない，とされている．データを中国国外 へデータを持ち出すことを規制している． • EU • 原則第三国が⼗分な保護基準を確保していると欧州委員会が認める場合に限る（平成 28年通商⽩書）． • その他 • インドネシア，ベトナムなど
55. ⽇本における⼈⼯知能の研究開発 • ⼈材不⾜ • どの分野でも⼈⼯知能技術の導⼊が進むため，⼈⼯知能の浅い知識はどの 分野でも必要となるかも． • ⼈⼯知能研究 • Googleなどと同じ⼟俵で競争するのは無駄． • しかし，良質なデータの揃ったニッチな分野への応⽤研究は⾒込みあるか も． • 10年後を⾒据え基礎研究を⾏う必要がある． • ⾰新知能統合研究センター設⽴． Ĉ3ÊwÿħȣȹȪȺɆ PUśDzǡȗȓȤȰȶșȹ
    ȞȓȂȤȴȟȅȹȊȯȶ TDN(ATR) ȦȓȤȢǹȹȲȘțȓȗ ȧȲȔȨȶȨȊȶ țǾȆȃȚȗȴȶ(NHK) ȚȮȹȴȒȓȤ TDȁȭȬȶ
    Google, IBM, Intel Deep Mind, ATR PUśDzǛǑ ǫDŽȾPǂǰǨǑ ȟȹȎȤȗȴȶ
    ĈƄÊ
    ȚȮȹȴ
    ȣȹȪſƉƃƹƀ
    ĈƅÊ
    ȚȮȹȴ
    ȣȹȪſƋƃƹƀ
    Geoffrey Hinton
    ȖǹȹȤțȓȗƽȖǹȹȤQƽĭĠľ ñ&ĹŇƽIBM TrueNorthǞǝ
    hTǜ™ıǡÙDzǵ?„ǏǚǃǞǃŞǢEǞǃ
    ȨȹȡȶȸȩȶȌȀȹ
    ȟȹȎȤȗȴȶ
    ƘƕƞžƚƱƦƲƲžſƄƌƉƌƀ
    DĒZƽĴůZĔĦ ȠȮȹȥȲȻǻǹȹȏȲ 1959
    Ƅƌ
    (ATR川⼈⽒の資料より)
56. ⼈⼯知能の時代 • ⼈⼯知能技術の⾼性能化・導⼊コストの低下により，いかに活 ⽤するかを問われる時代になってきている． • 製品への導⼊だけではなく，業務効率化のツールとしても活⽤が必要 • ⼈⼯知能や機械学習のツールは無料で⼿に⼊り簡単に試すこと が出来る • ⼤企業だけではなく，個⼈レベルでも使うことが可能 • 猫を追い払うシステム，きゅうり識別システム，イラスト化など • ⼀般向け雑誌にも⼈⼯知能作成の特集記事が出る． (CQ出版 2018)
57. 演習 • AIにおける機械学習の説明として，最も適切なものはどれか．（基本 情報平成30年秋期） 1. 記憶したデータから特定のパターンを⾒つけ出すなどの，⼈が⾃然 に⾏っている学習能⼒をコンピュータにもたせるための技術 2. コンピュータ，機械などを使って，⽣命現象や進化のプロセスを再 現するための技術 3. 特定の分野の専⾨知識をコンピュータに⼊⼒し，⼊⼒された知識を ⽤いてコンピュータが推論する技術 4. ⼈が双⽅向学習を⾏うために，Webシステムなどの情報技術を⽤い て，教材や学習管理能⼒をコンピュータにもたせるための技術
58. 演習 • AIにおける機械学習の説明として，最も適切なものはどれか．（基本情報平成 30年秋期） 1. 記憶したデータから特定のパターンを⾒つけ出すなどの，⼈が⾃然に⾏っ ている学習能⼒をコンピュータにもたせるための技術 2. コンピュータ，機械などを使って，⽣命現象や進化のプロセスを再現する ための技術 3. 特定の分野の専⾨知識をコンピュータに⼊⼒し，⼊⼒された知識を⽤いて コンピュータが推論する技術 エキスパートシステム 4. ⼈が双⽅向学習を⾏うために，Webシステムなどの情報技術を⽤いて，教 材や学習管理能⼒をコンピュータにもたせるための技術 E-learning
59. 演習 • ⼈⼯知能の活⽤事例として，最も適切なものはどれか．（ITパ スポート令和元年秋期） 1. 運転⼿が関与せずに，⾃動⾞の加速，操縦，制動の全てをシ ステムが⾏う。 2. オフィスの⾃席にいながら，会議室やトイレの空き状況がリ アルタイムに分かる。 3. 銀⾏のような中央管理者を置かなくても，分散型の合意形成 技術によって，取引の承認を⾏う。 4. ⾃宅のPCから事前に⼊⼒し，窓⼝に⾏かなくても⾃動で振替 や振込を⾏う。
60. 演習 • ⼈⼯知能の活⽤事例として，最も適切なものはどれか．（ITパスポート令和元 年秋期） 1. 運転⼿が関与せずに，⾃動⾞の加速，操縦，制動の全てをシステムが⾏う。 2. オフィスの⾃席にいながら，会議室やトイレの空き状況がリアルタイムに 分かる。 IoT 3. 銀⾏のような中央管理者を置かなくても，分散型の合意形成技術によって， 取引の承認を⾏う。 ブロックチェーン 4. ⾃宅のPCから事前に⼊⼒し，窓⼝に⾏かなくても⾃動で振替や振込を⾏う。 ネットバンキング
61. 演習 • 蓄積されたデータに対してパターン認識機能や機械学習機能を適⽤することに よって，コールセンタにおける顧客応対業務の質的向上が可能となる事例はど れか．（基本情報平成30年春期） 1. 応対マニュアルや顧客の基本情報を電⼦化したものを，オペレータの要求 時に応対⽤の画⾯にポップアップ画⾯として表⽰する． 2. 顧客の問合せの内容に応じて，関連資料や過去の応対に関する全履歴から， 最適な回答をリアルタイムで導き出す． 3. 電話応対中のオペレータが回答に窮したときに，その電話や応対画⾯をベ テランのオペレータや専⾨要員に転送する． 4. ベテランのオペレータが講師となり，応対マニュアルを教材にして，新⼈ オペレータに対するロールプレイング研修を繰り返して実施する．
62. 演習 • 蓄積されたデータに対してパターン認識機能や機械学習機能を適⽤することに よって，コールセンタにおける顧客応対業務の質的向上が可能となる事例はど れか．（基本情報平成30年春期） 1. 応対マニュアルや顧客の基本情報を電⼦化したものを，オペレータの要求 時に応対⽤の画⾯にポップアップ画⾯として表⽰する． 2. 顧客の問合せの内容に応じて，関連資料や過去の応対に関する全履歴から， 最適な回答をリアルタイムで導き出す． 3. 電話応対中のオペレータが回答に窮したときに，その電話や応対画⾯をベ テランのオペレータや専⾨要員に転送する． 4. ベテランのオペレータが講師となり，応対マニュアルを教材にして，新⼈ オペレータに対するロールプレイング研修を繰り返して実施する．
63. おまけ トップダウン的⼿法とボトム アップ的⼿法
64. 神経科学におけるトップダウン的⼿法とボトムアップ的⼿法 • トップダウン的⼿法 • 脳を情報処理機械とみなし，その計算理論を明らかにすることで脳を理解する． • 機能から考える． • ボトムアップ的⼿法 • 脳を構成する構成要素とその相互作⽤により，どのようにして脳の情報処理機 能が実現しているのか明らかにする． • 部品から考える． 画像 脳 数字だとわかる 0, 1, 2, 3, 4 5, 6, 7, 8, 9