AIの今とこれから、開発と課題

CoCoプレイス会員向けセッション
(2023/5/2 開催、http://www.c-mam.co.jp/event/e/010974.php)

AIやITの専門家ではない方を対象に、AIの基本的なことがらを共有しました。

Transcript

1. 瀬尾ソフト 瀬尾佳隆 (@seosoft) Microsoft MVP for AI AIの 今とこれから 開発と課題 2023/5/2
2. 自己紹介 瀬尾 佳隆 (せお よしたか) • フリーランスのソフトウェアエンジニア • MVP for AI (Jul 2018 – Jun 2023) / MVP (Jan 2009 – Jun 2018) • Microsoft Certified Trainer Alumni • IDEACTIVE JAPAN PROJECT AI トピックリーダー • 専門学校 ディープラーニング講師 (2022年度) • 学生向け・企業向け AI / IT トレーニング (2020-2021) • 坂道シリーズ（乃木坂、櫻坂、日向坂）が好きです • 京都、お寺、仏像が好きです 2
3. 今日のテーマ ◼そもそも AI って何？ ◼AI 開発はどうやるの？ ◼AI 利用の注意点は？ ◼AI はこれからどうなるの？ 3 AI や IT を専門としない方を対象とします。 簡単のために抽象度の高い表現をしている箇所があります。 また個人的な見解を含みます。
4. そもそも AI って何？
5. デモ) 「AI について」 AI に聞いてみます 5 https://bing.com/chat
6. そもそも “AI” とは ◼たくさんの データの特徴 を コンピューター自身に見つけさせる 技術のこと • データの特徴をコンピューター自身に見つけさることを “学習” と言います • 学習によって得られたデータの特徴を表す式を “モデル” と言います • モデルを使うと、新しいデータの意味を “推論” （予測） できます ◼面倒で時間がかかる作業をコンピューターにやってもらうのが AI • 人間にも不可能ではありませんが、あまりやりたくない作業をやってもらう 6
7. x y 0 1 1 3 2 5 3 7 4 9 5 11 6 ? 簡単な例) 「?」 の値を求めたい 7
8. x y 0 1 1 3 2 5 3 7 4 9 5 11 6 ? ◼グラフにするとデータの特徴が見えてきます 簡単な例) まずデータの関係を考えてみます 8
9. x y 0 1 1 3 2 5 3 7 4 9 5 11 6 ? y = 2x + 1 データはこの式で表されることが分かりました この式を “モデル” と言います 簡単な例) 求めた式が “モデル” 9
10. x y 0 1 1 3 2 5 3 7 4 9 5 11 6 13 y = 2x + 1 モデルを利用すると 「?」 が 13 であると “推論” できます ※ 実際には、このようにきれいな式で表現できることは ほとんどありません 簡単な例) 答えは 13 10
11. 少し面倒な例 ある商品のこれまでの販売データ: • 性別 • 年齢 • 一人か他の人と一緒か • 地域、季節、曜日など・・・ ◼購買層の特徴を見つけ出すのは人間には意外と面倒 ◼従来は KKD (経験と勘と度胸) で決めていました ◼コンピューター を使って データの特徴 を見つけさせるのが “AI” です 11
12. 果物を仕分けたい • 人間には簡単な作業、でも・・・ • いつまでも続けるのは無理 • 人件費もかかる もっと面倒な例 12 コンピューターにやってもらおう • 果物の特徴を見つけることも コンピューターに任せよう • 仕分けもコンピューターに任せよう
13. AI の利用例 13
14. デモ) DALL E-2 / Image Creator ◼言葉で指定した画像を生成してくれます • 生成系 AI と言われるモデルです • https://labs.openai.com/ • https://www.bing.com/create 14
15. デモ) ChatGPT / BingChat ◼人間と会話しているように質問に答えてくれたり 新しい知識や知見を答えてくれたりします • 生成系 AI と言われるモデルです • https://www.bing.com/chat • https://chat.openai.com/chat 15
16. デモ) Form Recognizer ◼画像の文字を認識します • 単語の内容まで教えてくれます • 会社名、住所 • 明細品目、価格 • 合計金額など • 帳票の個別のフォーマットを 追加学習させることもできます https://azure.microsoft.com/ja-jp/products/form-recognizer/ 16
17. デモ) Video Analyzer for Video ◼動画を詳細に解析します • 話者の認識と話している時刻 • 話題 • 感情 (好意的 / 否定的) • 文字起こし https://aidemos.microsoft.com/video- indexer 17
18. 事例) 飲食店の来客予測 18 ◼ゑびや大食堂 • POS やカメラのデータ、天気データなどを使って 来客数や購買予測を行うシステムを開発しました • https://ebilab.jp/ • https://ebilab.jp/visitor-forecast/ • https://special.nikkeibp.co.jp/atclh/ONB/21/microsoft0816/
19. AI 開発はどうやるの？ 19
20. ◼多くのデータは表形式 • 販売データ、顧客データ、・・・ • “機械学習” でデータの 特徴を見つけさせます • プログラミング不要の 機械学習ツールがあります • データによっては プログラミングが必要な場合も あります 表形式のデータの場合 20
21. 画像を扱う場合 (物体検出) 1. 各画像のラベル付け (アノテーション) 2. 学習環境への取り込み / 学習 3. 評価 ※比較的少数の画像でも 満足のいくモデルが 作れることがあります (扱う画像にもよります) 21
22. 例) Custom Vision で物体検出 https://www.customvision.ai/ 22
23. 画像を扱う場合 (画像分類) 1. 各画像の取り込みとラベル付け 2. 学習 3. 評価 ※一見して分類が難しそうな 画像でも予想以上に満足のいく 品質のモデルになります (扱う画像にもよります) 23
24. 例) Custom Vision で画像分類 https://www.customvision.ai/ 24
25. 言葉を扱う場合 (汎用的なモデル) ◼汎用的なモデル開発は超大手企業以外では ほぼ不可能です ◼一般的には利用料を払ってそれらのサービスを 利用します ◼特定の知識を追加したり、回答の “雰囲気” を 変えることは可能です • 知識のチェーン（数珠繋ぎ） やプロンプトプログラミング 25
26. 例) ChatGPT で回答の雰囲気を変える 26
27. 言葉を扱う場合 (特定の課題の回答) ◼言葉を扱う場合は既存のモデルを利用します • 商用レベルのモデルを自前で開発することは 専業ベンダー以外は考えてはいけません ◼汎用のモデルでは回答できない内容は 独自のデータを学習させます • 基本的な言葉の理解ができるモデルに対して 知識 (データ) を追加学習させます • 新しいサービスの開発者は適切なデータを用意することと モデルの品質をチェックすることです 27
28. 補足) 特定の課題の回答 ◼大手クラウドベンダーがサービスを提供しています • 独自データを追加学習させればモデルは完成です • ただし利用料が発生します • 例えば https://language.cognitive.azure.com/home ◼無償のものを含めてモデルが公開されています • AI についての十分な知識とプログラミングの知識が必要です • サービスの管理と運用コストが発生します • 例えば https://huggingface.co/ 28
29. Language Studio https://language.cognitive.azure.com /home Hugging Face https://huggingface.co/models 例) 特定の課題の解決 29
30. AI 利用の注意点は？ 30
31. データは十分な数を偏りなく集める ◼データが少ないと十分に学習できません • データの特徴を見つけるためにはデータ量は大事です • とはいえ、増やせば良いモデルになるとも言えません • データ分析のスキルが重要です • ベストは品質を見ながらデータを追加していくこと • 実務ではなかなか難しいですが・・・ ◼データの偏りは品質に大きく影響します • 例えば、良品・不良品の仕分けをしたい場合 • 良品の写真 1000件、不良品の写真 10件では多分うまくいきません 31
32. 責任ある AI (Responsible AI) ◼倫理原則を守るのはサービス提供側の責任です • https://www.microsoft.com/ja-jp/ai/responsible-ai 32
33. 個人情報・機密情報などの流出の可能性は？ ◼基本的には情報の流出はないと 考えられます • 個人情報に限らず、 モデル内部には知識を持っていません • モデルは単なる計算式です • ベンダーの倫理観によっては 流出の 可能性は “なくはない” • 大手ベンダーが故意に流出させることは まず考えられません 33
34. 著作権の侵害などの問題 ◼モデルが自発的に著作権侵害となる出力をすることは ありません • 個人情報に限らず一切の知識を内部に持っていません • モデルは単なる計算式です ◼プロンプト (利用者の入力) によっては著作権を侵害する 出力が得られることがあります • 利用者の倫理観に委ねられます • サービル提供者が免責事項や適切な利用の呼びかけをすることは 大事です • 試しに「◦◦によく似た新しいキャラクター」と入力すると分かります 34
35. AI はこれからどうなるの？ 35
36. 今後について (私見) ◼モデル開発はより簡単にできるようになると思います • ツールやクラウドサービスの発展が続くと思います • 高い品質のモデルはすでに多数存在しています • 新しいサービスのアイデアとそれを実現する技術力の勝負になります ◼モデル利用はさらに簡単になります ◼生成系 AI がさらに発展することはまず間違いありません • プロンプトプログラミングの競争が激しくなると思います • 特定の課題の回答を加えるアイデアが重要です • 特定の課題をどのように教えるかの技術と開発スキル 36
37. 参考) 3D アノテーション ◼3D アノテーション自体は AI の技術ではありません • ３D の物体に対して各部分の寸法を入力することです • モデル開発のデータとして利用することはありえます ◼メタバースでは大事な技術になります ◼建設業界などでは非常に役に立ちます ◼アマゾンで家具などを検索すると AR ビューで効果を体験できます • https://www.amazon.co.jp/b?node=6350135051 37 https://www.oculus.com/exp eriences/quest/2532035600 194083/
38. この資料をもう一度見たい場合 https://bit.ly/aibasic_20230502 38