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

人工知能時代の到来/IntroAI

 人工知能時代の到来/IntroAI

Kazuhisa Fujita

November 28, 2023
Tweet

More Decks by Kazuhisa Fujita

Other Decks in Education

Transcript

  1. ⼈⼯知能時代の到来
    公⽴⼩松⼤学
    藤⽥ ⼀寿
    Ver. 20231128
    初⼼者向けの導⼊資料

    View full-size slide

  2. ⼈⼯知能の実⼒の現状
    • ⼈と会話ができます.
    • ⽂章作成は得意です.
    • 英語も⽇本語もできます.
    • プログラミングもできます.
    • 絵も得意です.
    • 曲も作れます.
    • ゲームは⼈より得意です.
    もう,⼈を雇う必要はないのでは?

    View full-size slide

  3. ⼈⼯知能はどのようなことが
    できるか

    View full-size slide

  4. 画像処理
    • 物体認識
    • 画像に写っているものが何であるか分かる.
    • 領域分割
    • 画像の該当する場所がどこか分かる.
    • 物体の位置推定
    • 物体がどこに写っているか分かる.
    • 異常検知
    • 画像がいつも通りであるかどうか検知する.
    • 画像⽣成
    • 指⽰された画像を⽣成する.
    何が映っているか分かります.
    絵を描けます.

    View full-size slide

  5. 物体認識
    (Krizhevsky 2012)
    Classification Results (CLS)
    0.28
    0.26
    0.16
    0.12
    0.07
    0.036 0.03 0.023
    0
    0.05
    0.1
    0.15
    0.2
    0.25
    0.3
    2010 2011 2012 2013 2014 2015 2016 2017
    Classification Error
    16.7% ↓ 23.3% ↓
    (http://image-net.org/challenges/talks_2017/ILSVRC2017_overview.pdf)
    物体認識⼤会で優勝した⼈⼯知能のスコア
    0.051
    Karpathy
    AlexNet
    ResNet
    Deep learning
    GoogLeNet
    画像識別⼤会の課題にKarpathyさんが取り組んだが,⼈⼯知能より悪
    いスコアだった.
    物体認識において,⼈⼯知能は⼈間より性能は上かもしれない.
    2012年の物体認識⼤会で優勝した⼈⼯知能
    AlexNetの認識例.間違っているものもあるが,
    間違いも筋の良い間違え⽅(画像から連想され
    る答え)をしている. ⼈間と同じような間違え
    ⽅をしている点が⾯⽩い.
    誤答率

    View full-size slide

  6. 物体認識の性能は進化し続けている
    https://paperswithcode.com/sota/image-classification-on-imagenet?p=deepvit-towards-deeper-vision-transformer
    ViT

    View full-size slide

  7. 画像⽣成⼈⼯知能
    • ⼈が描いた画像と変わらない画像が⽣成できる.
    • 性能が⾼すぎて⼈が描いたものと区別がつかない.
    • 画像のクオリティと制作時間を考慮すると簡単なイラストなら画像⽣
    成⼈⼯知能で良いのではないか.
    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
    2022年版
    2023年版

    View full-size slide

  8. 画像⽣成⼈⼯知能

    View full-size slide

  9. Deepfake
    https://www.youtube.com/watch?v=x2g48Q2I2ZQ
    (Rossler et al, 2019)

    View full-size slide

  10. 領域分割
    • ⼈⼯知能による画像の領域分割
    • 各ピクセルが何の物体に属しているかを推定する
    9
    FCN-8s SDS [14] Ground Truth Image
    Fig. 6. Fully convolutional networks improve performance on PASCAL.
    The left column shows the output of our most accurate net, FCN-8s. The
    TABLE 8
    The role of foreground, background, and shape cues. All scores are the
    mean intersection over union metric excluding background. The
    architecture and optimization are fixed to those of FCN-32s (Reference)
    and only input masking differs.
    train test
    FG BG FG BG mean IU
    Reference keep keep keep keep 84.8
    Reference-FG keep keep keep mask 81.0
    Reference-BG keep keep mask keep 19.8
    FG-only keep mask keep mask 76.1
    BG-only mask keep mask keep 37.8
    Shape mask mask mask mask 29.1
    Masking the foreground at inference time is catastrophic.
    However, masking the foreground during learning yields
    a network capable of recognizing object segments without
    observing a single pixel of the labeled class. Masking the
    background has little effect overall but does lead to class
    confusion in certain cases. When the background is masked
    during both learning and inference, the network unsurpris-
    ingly achieves nearly perfect background accuracy; however
    certain classes are more confused. All-in-all this suggests
    that FCNs do incorporate context even though decisions are
    driven by foreground pixels.
    To separate the contribution of shape, we learn a net
    restricted to the simple input of foreground/background
    masks. The accuracy in this shape-only condition is lower
    Shelhamer et al. 2016
    7
    a b c d
    Fig. 4. Result on the ISBI cell tracking challenge. (a) part of an input image of the
    “PhC-U373” data set. (b) Segmentation result (cyan mask) with manual ground truth
    (yellow border) (c) input image of the “DIC-HeLa” data set. (d) Segmentation result
    (random colored masks) with manual ground truth (yellow border).
    Table 2. Segmentation results (IOU) on the ISBI cell tracking challenge 2015.
    Name PhC-U373 DIC-HeLa
    IMCB-SG (2014) 0.2669 0.2935
    KTH-SE (2014) 0.7953 0.4607
    HOUS-US (2014) 0.5323 -
    Ronneberger et al. 2015
    10
    Body Part Lungs Clavicles Heart
    Evaluation Metric D J D J D J
    Human Observer [5] - 0.946 - 0.896 - 0.878
    ASM Tuned [5] (*) - 0.927 - 0.734 - 0.814
    Hybrid Voting [5] (*) - 0.949 - 0.736 - 0.860
    Ibragimov et al. [9] - 0.953 - - - -
    Seghers et al. [11] - 0.951 - - - -
    InvertedNet with ELU 0.974 0.950 0.929 0.868 0.937 0.882
    TABLE VI: Our best architecture compared with state-of-the-art methods; (*) single-class algorithms trained and evaluated for
    different organs separately; ”-” the score was not reported
    Fig. 7: Segmentation results and corresponding Jaccard scores on some images for U-Net (top row) and proposed InvertedNet
    with ELUs (bottom row). The contour of the ground-truth is shown in green, segmentation result of the algorithm in red and
    overlap of two contours in yellow.
    Novikov et al. 2018

    View full-size slide

  11. 領域分割
    (https://www.youtube.com/watch?v=1HJSMR6LW2g)2016

    View full-size slide

  12. 信号処理
    • ⾳声認識
    • 何の⾳か分かる.
    • 何を⾔っているか分かる.
    • 信号分離
    • 混ざった⾳を⾳源ごとに分ける.
    • 混ざった⾳の中から特定の⾳源の⾳を取り出す.
    • ⾳声⽣成
    • 新たな曲や声を作りだす.
    • 既存の声に似た声を作れる.
    いらない⾳を消せます.
    曲を作れます.

    View full-size slide

  13. 制御
    • ロボット制御
    • ゲーム⼈⼯知能
    ロボットを動かせます.
    ゲームは⼈より上⼿いです.

    View full-size slide

  14. (https://www.youtube.com/watch?v=iaF43Ze1oeI ) 2016
    ロボット制御

    View full-size slide

  15. (https://www.youtube.com/watch?v=TmPfTpjtdgg) 2015
    ゲームをプレイ

    View full-size slide

  16. (https://www.youtube.com/watch?v=L4KBBAwF_bE) 2016

    View full-size slide

  17. ⼈よりゲームは上⼿い
    • ロボットの制御やゲーム⼈⼯知能に使われる
    ⼈⼯知能はDQNは,ゲームで⼈間より良いス
    コアを出す.
    • Atariの49のゲームのうち29タイトルで⼈間よ
    り良い成績を収める (Mnih et al. 2015).
    • AlphaStarはコンピュータゲーム「スターク
    ラフト2」で⼈間のプレーヤの上位0.2%にラ
    ンクインした(2019).
    (Mnih et al. 2015).
    (https://deepmind.google/discover/blog/alphastar-mastering-the-real-time-strategy-game-starcraft-ii/)

    View full-size slide

  18. 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.

    View full-size slide

  19. ⾔語処理
    • ⽂章⽣成
    • 対話
    • ⽂章理解
    • 翻訳
    • ⽂章校正・校閲
    • プログラムコード⽣成
    翻訳(DeepL)
    しゃべるのは得意です.
    作⽂も得意です.
    翻訳できます.
    プログラミングも得意です.
    英⽂改善(DeepL)

    View full-size slide

  20. 対話型⼈⼯知能
    • ⼈が話す(書く)⽂章と変わらない⽂章を⽣成できる.
    • 性能が⾼すぎて⼈が書いた⽂章と区別がつかない.
    • 性能が⾼すぎて⼈がいらなくなる可能性が出てきている.
    対話型⼈⼯知能の会話例(ChatGPT)

    View full-size slide

  21. なぜ今,⼈⼯知能が話題なの

    View full-size slide

  22. これまでも⼈⼯知能はあった
    • これまでのあった⼈⼯知能
    • 電卓
    • 画像認識
    • 画像に映っている物体が何か分かる.
    • 何が何処にあるか分かる.
    • ⽂字が分かる.
    • 予測
    • 天気予報などの情報から仕⼊れ数を予測する.
    • 状況から販売値段を決める.
    • これまでの⼈⼯知能は何らかの機能に特化している.
    • 特化しているため⼈⼯知能を使っている感覚がなく,単に便利なソフト・機能と感じる.
    • ⽇常で使っており⾼性能であることに気づかない.
    • ⾼性能が当たり前になっている.
    影からみんなの⽣活を
    ⽀えています.

    View full-size slide

  23. なぜ今,⼈⼯知能が話題になるのか
    • 汎⽤的
    • ⾃然な会話ができる.
    • 動くプログラムコードも⽣成される.
    • データ解析もできる.
    • ⽂章要約もできる.
    • ⽂章校正もできる.
    • 翻訳も出来る.
    • 表現の世界にも進出
    • 絵も書ける.
    • 曲も作れる.
    • 以上の機能をもった⼈⼯知能を誰でも使える.
    作⽂や絵を描くのが得意
    です.

    View full-size slide

  24. なぜ今,⼈⼯知能が話題になるのか
    • 性能が⾼い
    • 前述の⽤途で実⽤に⾜る性能がある.
    • ⼈⼯知能に任せられる業務が増える.⼈⼯知能に雇⽤を奪われるの⼼配を
    真⾯⽬にしなければならなくなった.
    • ⼈⼯知能技術が⼈類を滅ぼす可能性を真⾯⽬に議論する⼈⼯知能研究者が
    現れる.
    • 創造性を持ち始める.
    • 絵や⾳楽など芸術の世界でも⼈⼯知能の作品が存在感を持つ.
    • 創造するという⼈の特権と思っていた⾏為が⼈⼯知能にも出来,⼈の尊厳
    を傷つける.
    • ⼈は習得するために多⼤な時間をかけているのに,⼈⼯知能がいとも簡単に⾼品
    質の絵を出⼒する(本当は⼈⼯知能(研究者)もこのレベルまで来るのに⼤変な
    苦労をしているが).
    ⼈のかわりに何でも
    できます.

    View full-size slide

  25. 話題の2⼤⼈⼯知能
    •対話型⼈⼯知能
    •画像⽣成⼈⼯知能

    View full-size slide

  26. 対話型⼈⼯知能
    • 対話型⼈⼯知能とは
    • 会話が出来る⼈⼯知能
    • 利⽤者が⾳声やテキストで⼊⼒すると⾃然な⽂章を⽣成し,応答してくれ
    る⼈⼯知能(https://www.nikkei.com/theme/?dw=23052603)
    • 例:
    • ChatGPT (OpenAI)
    • Bing チャット (Microsoft)
    • Bard (Google)
    • Claude 2 (Anthropic)
    • 古くはELIZA(イライザ)

    View full-size slide

  27. 対話型⼈⼯知能のユーザーの伸びもすごい
    ChatGPTはたった2ヶ⽉で1億ユーザ
    達成!!

    View full-size slide

  28. ChatGPTはかなり役に⽴つ(よって⼈が要らなくなる?)
    • ChatGPTを使った実際のサービス
    • ChatGPTが英会話講師として活躍 (Speak)
    • PDFの論⽂を要約 (ChatPDFなど)
    • プレゼンも⾃動⽣成 (ChatGPT, SlidesGPTなど)
    • 会議の要約も出来る(いろいろ)
    • 活⽤事例
    • プログラムを作成できる.
    • しかもChatGPTが⾃ら⾃分のプログラムコードを修正する(AutoGPT).
    • ⾃然⾔語でロボットに指⽰を出せる (ChatGPT for robot).(https://www.microsoft.com/en-
    us/research/group/autonomous-systems-group-robotics/articles/chatgpt-for-robotics/)
    • ゲーム内でAI同⼠が会話した.(Park et al. https://arxiv.org/abs/2304.03442)
    • ⼦供の感想⽂の⼿伝いが出来た.
    (https://twitter.com/ume_nanminchamp/status/1641703840276959232)
    • 機械学習のコンペの課題をChatGPTの指⽰に従って解くと良い成績だった.
    (https://zenn.dev/seiyakitazume/articles/bc11bbd020cdfe)
    • ⽇単位で新しいアイデアやサービスが出てくる.
    このスライドは2023年3⽉末くらい
    の様⼦を表す.かなり古い内容.

    View full-size slide

  29. 対話型⼈⼯知能の導⼊事例
    • 地⽅⾃治体
    • 神奈川県横須賀市
    • ChatGPTの全⻑的な活⽤実証を開始.⽂章作成、⽂章の要約、誤字脱字のチェック、またアイデア創出などに活⽤.
    • (https://www.city.yokosuka.kanagawa.jp/0835/nagekomi/20230418_chatgpt.html, 2023年5⽉23⽇)
    • 福井県越前市
    • 住⺠の質問に答える住⺠向けと,施策⽴案などの際の資料作成に役⽴てるための職員向けにChatGPTを試験運⽤
    • (https://www.fukuishimbun.co.jp/articles/-/1790078, 2023年6⽉5⽇)
    • 企業
    • パナソニック
    • 3時間かかっていたコーディング前の事前調査が5分に短縮,9時間かかっていたアンケート分析が6分で終了
    • (https://ascii.jp/elem/000/004/143/4143067/2/, 2023年6⽉29⽇)
    • ベネッセHD
    • ChatGPTを使った⾃由研究⽀援サービスを提供
    (https://www.nikkei.com/article/DGXZQOUC10A940Q3A710C2000000/, 2023年7⽉13⽇)
    • ⽇清⾷品HD
    • 企画⽴案,商談のロールプレイなどで営業分野で活⽤,他分野にも活⽤を広げていく予定.
    (https://toyokeizai.net/articles/-/689597, 2023年7⽉27⽇)

    View full-size slide

  30. 画像⽣成⼈⼯知能
    • 画像⽣成⼈⼯知能
    • 下⼿なプロより上⼿い絵が⽣成される.
    • 画像のクオリティが⾼いため⼈間の尊厳を傷つける.
    • Fake画像が簡単に作れる.
    https://twitter.com/EliotHiggins/status/1637928223848767492
    フェイク画像例
    DALL-E3 DALL-E3

    View full-size slide

  31. ⼈⼯知能が社会に浸透した
    結果どうなると昔の⼈は考
    えていたのか?

    View full-size slide

  32. 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2015
    昔の⼈ですらこう考えていた

    View full-size slide

  33. 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
    Frey et al.,2013: The future of employment: how susceptible are jobs to computerization?”
    昔の⼈ですらこう考えていた

    View full-size slide

  34. 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
    このような都合の良い話
    にはならない!!
    ⼈⼯知能技術により新し
    く創出される職種は限ら
    れる!!

    View full-size slide

  35. 2023年⼈⼯知能により起きた
    世界の変化

    View full-size slide

  36. ⼈⼯知能により仕事がなくなる
    • ⽶国の労働者の約80%が,⼤規模⾔語モデル(LLM)の導⼊により少
    なくとも10%の業務に影響を受ける可能性がある.
    • 更に,約19%の労働者は少なくとも50%の業務に影響を受ける可能性
    がある.
    • 影響はすべての賃⾦⽔準に及び,特に⾼所得の職種ほどLLMの機能
    やLLMを搭載したソフトウェアに触れる機会が多くなる可能性があ
    る.
    (Eloundou et al., 2023, GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models)
    LLM:Large Language Model,⼤規模⾔語モデル
    お仕事⼿伝います.
    ⼈の代わりに仕事をします.

    View full-size slide

  37. ⼈⼯知能により仕事がなくなる
    • Midjourneyなどの画像⽣成AIやChatGPTなどの⼤規模⾔語モデルにより,イラス
    トレータやライターの仕事がなくなる.
    • プログラマ,教員などの仕事も減るだろう.⽣成AIが⾼性能すぎるため,想像以上
    に⼈の仕事が無くなる可能性がある.
    • オンラインメディア企業BuzzFeedは,ChatGPTを導⼊した.
    • ペレッティCEO「私たちの業界は、AIを活⽤したキュレーション(フィード)を超えて、
    AIを活⽤したクリエーション(コンテンツ)へと拡⼤していく」
    (https://www.theverge.com/2023/1/26/23572834/buzzfeed-using-ai-tools-
    personalize-generate-content-openai, 2023年1⽉27⽇)
    • ⽶IBMのアービンド・クリシュナ最⾼経営責任者は5⽉1⽇,今後数年で約78
    00⼈分の職が⼈⼯知能に置き換わる可能性があるとし,⼀部職種の採⽤を⼀時停
    ⽌するとの⾒通しを⽰した.特に⼈事など事務管理部⾨の採⽤が停⽌または減速
    されるとし,顧客と接しない職の3割が5年以内にAIに置き換わり,⾃動化さ
    れる可能性があると述べた. (https://jp.reuters.com/article/ibm-jobs-idJPKBN2WS1LY, 2023年5⽉1⽇)

    View full-size slide

  38. ⼈⼯知能により仕事がなくなる
    • 英通信⼤⼿BT、2030年までに5.5万⼈削減 1万⼈をAIに置き換え
    • 顧客サービス職とネットワーク管理職の⼤半を⾃動化する考え(https://forbesjapan.com/articles/detail/63286, 2023年5
    ⽉19⽇)
    • サイバーエージェント
    • ⼤規模⾔語モデルを活⽤した広告コピー⾃動⽣成機能を実現
    • 広告効果の向上,テキスト制作における時間・⼯数の短縮も実現
    • (https://www.cyberagent.co.jp/news/detail/id=28828, 2023年5⽉18⽇)
    • パナソニック
    • 3時間かかっていたコーディング前の事前調査が5分に短縮,9時間かかっていたアンケート分析が6分で終了
    (https://ascii.jp/elem/000/004/143/4143067/2/, 2023年6⽉29⽇)
    • 中国ではCGの作成において10⼈で⾏っていた作業をAIの導⼊により2⼈で⾏えるようになった.
    (https://restofworld.org/2023/ai-image-china-video-game-layoffs/, 2023年4⽉11⽇)
    • イラストレータの仕事がAIが⽣成した画像を微調整する仕事になった.報酬が10分の1になった.
    • AIワークスはAIが⽣成したキャラクタCGを⼈の⼿で修正し納品.(https://www.bloomberg.co.jp/news/articles/2023-07-
    25/RXRY0IT1UM0X01, 2023年7⽉25⽇)
    • モリカトロンはコンテンツをすべてAIが⽣成するゲームを発表
    (https://www.4gamer.net/games/723/G072300/20230712030/ , 2023年7⽉17⽇)
    • このゲームをモリカトロンは4⼈の制作陣でわずか3カ⽉で完成させた.
    (https://www.bloomberg.co.jp/news/articles/2023-07-25/RXRY0IT1UM0X01, 2023年7⽉25⽇)
    すでに活躍して
    います.

    View full-size slide

  39. 現状とこれから
    • 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.
    • 特にホワイトカラー・頭脳労働からなくなる.
    • 頭脳労働では,⾃動化した結果を評価できる能⼒のある者だけが⼈⼯知
    能を活⽤でき,そうでないものは⼈⼯知能を活⽤できず淘汰される.
    • 誰でも⼈⼯知能を使えるようになった.
    • 原理を知らなくても良い.
    • ⼈⼯知能が⼈の仕事を奪うだけではなく,⼈⼯知能を使いこなす⼈が
    ⼈⼯知能を使わない⼈の仕事を奪う.

    View full-size slide

  40. ⼈⼯知能時代に⽣き残るには
    • ⼈⼯知能を使いこなす技術の教育が重要になる.
    • 基礎学⼒
    • プロンプトエンジニアリング
    • ⼈⼯知能の⼼理学
    • ⽣き残るには
    • ⼈⼯知能を使いこなす.
    • ⼈⼯知能を使いこなすためのスキルを⾝につける.
    • ⼈⼯知能の間違いを正せるだけの能⼒を⾝につける.
    • ⼈⼯知能が出来ないこと・苦⼿なことをする.
    • 今現在でロボットが出来ない仕事は⼈⼯知能に置き換わりにくい.
    • 医療,介護,⼯事(ロボットの導⼊を試みているが,⼈に頼る部分が多い),美容室など
    • 逆に⾔えば,今ロボット・⼈⼯知能が⼊っている領域は,今後ますますロボット・⼈⼯知能が
    導⼊されていく.

    View full-size slide

  41. 話題のAI関連の企業

    View full-size slide

  42. OpenAI
    • ⾮営利法⼈OpenAI Incとその⼦会社である営利法⼈OpenAI Limited Partnershipからなる.
    • 2015年サム・アルトマン,イリヤ・サツケヴァー,イーロン・マスクらが設⽴
    • GPT3,GPT4,DALL-E2など開発
    • OpenAIの精神
    • AI should be an extension of individual human wills and, in the spirit of liberty, as broadly and evenly distributed as
    possible. (AIは個⼈の意思の延⻑であるべきで,⾃由の精神の下,できる限り広く均等に分配されるべき)
    (https://openai.com/blog/introducing-openai)
    • 「⼈間レベルのAIが、いつ実現可能なレベルに達するかを予測するのは困難だ。そのレベルに達したときに、良い成果を
    ⾃⼰利益よりも優先できる強⼒な研究機関が存在することが重要となる」 (https://japan.zdnet.com/article/35074857/,
    2015年12⽉14⽇)
    • 「⾃⾝の好奇⼼に集中して良い結果を優先できる⼀流の研究機関が存在することが重要です」と声明で述べている。
    「研究者は、論⽂やブログ投稿、コードなどの形態を問わず、⾃らの成果を公開することを強く推奨され、(もし存在
    するならば)特許は世界と共有されます」。(https://www.technologyreview.jp/s/188883/the-messy-secretive-reality-
    behind-openais-bid-to-save-the-world/, 2020年5⽉27⽇)
    • 様々な⼈⼯知能開発⽀援ツールを提供
    • OpenAI Gym
    • OpenAI Universe
    • 2019年マイクロソフトから出資
    • ⽪⾁なことに,現在は開発した⼈⼯知能技術はクローズドなものになっている.
    OpenAIからCloseAIへ
    イリヤ・サツケヴァー:現在の深層ニューラルネットワーク,⼈⼯知能ブームの⽕付
    け役となった⼈物.AlexNetの共著者で研究を主導した⼈物であると⾔われる.

    View full-size slide

  43. DeepMind
    • 2010年デミス・ハサビス(世界トップクラスのゲームプレーヤー,ゲーム
    開発者,神経科学者,⼈⼯知能研究者)が設⽴
    • 2014年Googleが買収
    • 様々な⾰新的な⼈⼯知能技術を開発
    • Deep Q Network
    • Alphaシリーズ
    • AlphGo:囲碁で⼈のトッププレーヤーに勝つ
    • AlphaZero:⾃らの対戦データだけで世界最強
    • AlphaStar:コンピュータゲームでも⼈のトッププレーヤーに勝つ
    • MuZero:ルールを教えなくても強くなる.
    • AlphaFold:タンパク質の構造予測
    • AlphaTensor, AlphaDev:効率的なアルゴリズムを発⾒
    • 2023年4⽉Google Brain Teamと統合しGoogle DeepMindになった.

    View full-size slide

  44. Google Brain Team
    • Googleの⼈⼯知能研究部⾨
    • 様々な⾰新的な技術を開発
    • 機械学習のプラットフォームTensorflowを開発
    • ⾔語モデル(Transformer, BERT)
    • 画像識別モデル(EfficientNet, Vision Transformer)
    • AutoML
    • TPU
    • 2023年4⽉Deep Mindと統合しGoogle Deep Mindとなった.

    View full-size slide

  45. NVIDIA
    • GPU設計およびGPU向け開発ソフトの開発
    • GPUとはコンピュータの画像処理に特化した演算装置
    • ジェンスン・フアンが1993年に設⽴
    • 開発環境CUDAの提供
    • GPUを汎⽤計算に使う(GPGPU)ソフトを開発する環境
    • GPUが科学技術計算で使えるようになったためワークステーションやスーパー
    コンピュータに普及した.
    • GPUはニューラルネットワークの計算も⾼速化出来るため,⼈⼯知能の必須
    部品となる.
    • GPUで量⼦計算も出来るようになる.
    • 量⼦コンピューティングでも覇権を狙っている?
    • GPUを汎⽤計算に⽤いる技術を実⽤的なレベルで⼀般に提供できるのはNVIDIA
    のみである.
    (https://nvidianews.nvidia.com/news/nvidia-
    announces-gtc-2020-keynote-with-ceo-
    jensen-huang-set-for-may-14)

    View full-size slide

  46. AI関連各企業の特徴
    • Meta
    • ⼈⼯知能開発のプラットフォーム(Pytorch)
    • ⼤規模⾔語モデル(LLAMA)
    • オープンソースに積極的
    • OpenAI
    • ⼤規模⾔語モデル(ChatGPT)
    • 技術公開に消極的
    • Google DeepMind
    • ⼈⼯知能開発のプラットフォーム(Tensorflow)
    • 深層強化学習(DQN, Alpha*)
    • 研究成果の公開には積極的
    • NVIDIA
    • ⼈⼯知能⽤のプロセッサの独占
    • 量⼦計算⽤のプロセッサも独占を⽬指す?(cuQuantum)
    Microsoft
    • OpenAIに出資
    • Metaと提携
    • クラウドコンピューティングに注⼒
    • オープンソースに積極的
    Amazon
    • クラウドコンピューティングに注⼒
    「オープンソースは脅威」「勝者はMeta」「
    OpenAIは重要ではない」などと記された
    GoogleのAI関連内部⽂書が流出
    (https://gigazine.net/news/20230508-
    google-document-llm-arms-race/,2023年5⽉
    8⽇)
    Googleの負け惜しみと⾔う意⾒もあったが,
    今の段階では正確に将来を⾒越していたと考
    えられる.確かにMetaは技術発展への寄与と
    しては勝者かもしれないが,それがビジネス
    に繋がっていると⾔えるかといえば怪しい.

    View full-size slide

  47. まとめ
    • ⼈⼯知能は極めて⾼性能になっている.
    • 雇⽤はなくなる.
    • ⼈⼯知能が普及することで仕事が減ることがあっても増えることはほぼ無い.
    • この点が1995年から2010年までの情報通信技術の発展(いわゆるIT⾰命)と異なる.
    • いわゆるIT⾰命では情報通信技術者の需要が爆発的に増加した.
    • ⼈⼯知能により実⼒がある者がより実⼒をつける.
    • ⼈⼯知能を活⽤でき,⼈⼯知能から学ぶ事ができる実⼒がある者がより実⼒をつける.
    • ⼈材育成ができなくなる.
    • ⼈⼯知能が普及すると,⽐較的簡単な作業は⼈⼯知能がやり,⾼度な判断のみを⼈間がや
    ることになる.
    • 実⼒をつけていない者が簡単な作業をしながら実⼒をつけていくといった育成⽅法ができ
    なくなる.
    • 初⼼者が経験を積む場を⼈⼯知能が狩り尽くし,初⼼者が上級者になる機会を持てなく
    なる.

    View full-size slide