Save 37% off PRO during our Black Friday Sale! »

人と情報技術のなじみがとれた社会を実現するには? 〜「AI(笑)」をコーヒーのお供にして

059fb717431a8cd2b509ffebc57d905a?s=47 Y. Yamamoto
September 25, 2020

人と情報技術のなじみがとれた社会を実現するには? 〜「AI(笑)」をコーヒーのお供にして

2020年9月25日,浜松市は鴨江珈琲にて

059fb717431a8cd2b509ffebc57d905a?s=128

Y. Yamamoto

September 25, 2020
Tweet

Transcript

  1. 人と情報技術のなじみがとれた 社会を実現するには? 〜「AI(笑)」をコーヒーのお供にして 㿊劤 牂鰊 ꫼䀤㣐㷕 䞔㜠㷕鿇 yusuke_yamamoto@acm.org カフェでテクノロジーと文化を語り合う会@鴨江珈琲 2020年9月25日

    㿊劤牂鰊 ؙٔؒ؎ذ؍ـ؝ٌٝؤٓ؎إٝأ $$#:/$4"
  2. Q. なぜこのイベントを開いたのか? A. 一般市民の方に大学の授業の話を したらどんな反応をするか知りたい

  3. of the The uni- ion d as pre- bu- t

    a lin- with ght p(xk |Φ): probability of xk by the mixture model. select initial estimated parameter vector Φ until Φ converges to Φ do Φ ← Φ for each i do initialize Ψi , Mi , Si for each k do ψik ← αipi(xk|φi) p(xk|Φ) Ψi ← Ψi + ψik Mi ← Mi + ψik xk if i = 1 then Si ← Si + ψik (xk − µ)2 αi ← Ψi n if i = 1 then µ ← Mi Ψi , σ2 ← Si Ψi if i = 2 then λ ← − Ψi Mi return Φ  
  4. Q. 情報学って何なの?

  5. 情報学 = = プログラミング = AI (人工知能) コンピュータ

  6. 情報が発生し,収集・処理され, 活用されるすべての過程に関する学問 䞔㜠㷕הכ ⡲׷꧊׭׷婍ׅ㾈ֽ׷ 䱱ׅⴓ匿ׅ׷ⵃ欽ׅ׷FUD

  7. ֮׵ײ׷ⴓꅿד劍䖉ׁ׸׷䞔㜠㷕 農業 医療 交通 製薬 観光 防災 気象 広告 流通

    教育 ICT スポーツ 報道 効率化・コスト削減 新しい価値の創造 情報技術に帯する意識 アパレル 法律 デザイン
  8. AIח״׷✋ָ׿ך傍劍✮庠ٔأؙ鐰⣣ AI が乳がん化を予測 実際にガン化 俑柃 .D,JOOFZ 4. 4JFOJFL . (PECPMF

    7 FUBM *OUFSOBUJPOBMFWBMVBUJPOPGBO"*TZTUFNGPSCSFBTUDBODFS TDSFFOJOH /BUVSF  ˊ   歗⫷⳿Ⱙ IUUQTOFXTNJUFEVVTJOHBJQSFEJDUCSFBTUDBODFSBOEQFSTPOBMJ[FDBSF وٌؚٝٓؿ؍嗚鏺כ➂꟦ד׮ⴻ㹀ָꨇ׃ְךד"*佄䴂כ ָ׿✮庠ך礵䏝ぢ♳ה➂꟦ך⡲噟頾蚚ך⵴幾חאזָ׷
  9. 鴋噟 x AI AIを使って美味しいワインが作れるブドウを育てる • ブドウの木に取り付ける 特殊センサーを開発 • モニタリング結果から最適な 水あげ量、タイミングを予測

    • 木の状態、天気、土湿度、 木の配置などをモニタリング http://www.wired.com/2012/10/mf-fruition-sciences-winemakers/all/
  10. ֻ׆׃㶵ך鍑匿 歗⫷⳿Ⱙ IUUQTXXXOILPSKQEOBWJTDJ@DVMTUPSZTUPSZ@

  11. ֻ׆׃㶵ך鍑匿 歗⫷⳿Ⱙ IUUQTXXXOILPSKQEOBWJTDJ@DVMTUPSZTUPSZ@ 職人芸が必要だった歴史資料の書き起こし → 眠っている数億件の古文書の読解が可能に

  12. 情報学 䞔㜠㷕הכ 「情報」を軸にあらゆる 分野とつながる学問 =

  13. ؙؒأثّٝ 今最も注目を集めている情報技術,それは である. 

  14. ؙؒأثّٝ 今最も注目を集めている情報技術,それは である. ر؍٦فٓ٦صؚٝ ׋ֻׁ׿֮׷AI䪮遭ך♧鿇

  15. ر؍٦فٓ٦صؚٝךⵃ崞欽 画像参照:サイエンスZERO https://www.youtube.com/watch?v=kQ_8AUCcdac

  16. ⬁׋׍ךSiri׮ 갈㡮ך钠陎 鎉铂ך椚鍑 濼陎ך嗚稊    ディープラーニングのおかげで精度が劇的に向上 ﺪ ﻙ

    ﺫ ﻙ ﺙ 䞔 㜠 㷕 ﺻ ♧ ⴓ ꅿ
  17. 歗⫷⳿ⰩIUUQTJOUFSOFUPGCVTJOFTTDPNHMPCBMTNBSUDJUZQMBUGPSNNBSLFU 爡⠓ךְ׋׷הֿ׹דر؍٦فٓ٦صؚٝ

  18. 歗⫷⳿Ⱙ IUUQTNBSUFDIUPEBZDPN 歗⫷⳿Ⱙ IUUQTNBJOJDIJKQ 歗⫷⳿ⰩIUUQTXXXDPHOFYDPN 歗⫷⳿Ⱙ IUUQTXXXSFQVCCMJDBJU ディープラーニング (AI技術) AR

    / VR IoT ソーシャルウェブ 爡⠓׾㢌ִ׷〳腉䚍ך֮׷㢌ִ׋䞔㜠䪮遭
  19. 歗⫷⳿Ⱙ IUUQTNBSUFDIUPEBZDPN 歗⫷⳿Ⱙ IUUQTNBJOJDIJKQ 歗⫷⳿ⰩIUUQTXXXDPHOFYDPN 歗⫷⳿Ⱙ IUUQTXXXSFQVCCMJDBJU ディープラーニング (AI技術) AR

    / VR IoT ソーシャルウェブ 爡⠓׾㢌ִ׷〳腉䚍ך֮׷㢌ִ׋䞔㜠䪮遭 最先端の情報技術が 世の中をますます便利に!
  20. 歗⫷⳿Ⱙ IUUQTNBSUFDIUPEBZDPN 歗⫷⳿Ⱙ IUUQTNBJOJDIJKQ 歗⫷⳿ⰩIUUQTXXXDPHOFYDPN 歗⫷⳿Ⱙ IUUQTXXXSFQVCCMJDBJU ディープラーニング (AI技術) AR

    / VR IoT ソーシャルウェブ 爡⠓׾㢌ִ׷〳腉䚍ך֮׷㢌ִ׋䞔㜠䪮遭 本当にそうなのか?
  21. 技術を過信し、盲目的に使うと 個人や社会にひずみが生じる

  22. 効率・便利化を進めるのは良いことなのか? テクノロジーは僕らを幸せにするのか? 効率・便利化の先で僕らは何するのか?

  23. 劤傈ך鑧겗 1. AI ・えーあい (笑) 2. AI × 倫理 3.

    タコツボ化の恐怖 ➂ה䞔㜠䪮遭ךזׄ׫ָה׸׋爡⠓חאְג ♧筰ח罋ִג׫ת׃׳ֲ
  24. AI・えーあい(笑) 1

  25. AI! ➂䊨濼腉! ر؍٦فٓ٦صؚٝ!! ???? 画像出典:NHKスペシャル「AIに聞いてみた どうすんのよ!? ニッポン」 歗⫷⳿ⰩIUUQTXXXBNB[PODPKQEQ#+::$(% 28

  26. ϋΠϓαΠΫϧ 2018ٕज़ͷ੒ख़౓ͱࣾձ΁ͷਁಁ౓ͷؔ܎ https://www.gartner.com/smarterwithgartner ディープラーニング

  27. "*ח㼎ׅ׷⚅ך⚥ך؎ً٦آPS劍䖉 画像の出典:http://fr.evangelion.wikia.com/wiki/Magi 画像の出典: https://www.sideshowtoy.com/collectibles/star-wars-r2-d2-sideshow-collectibles-400155/

  28. "*ח㼎ׅ׷״ֻ֮׷؎ً٦آ 誤解の程度 ؼسְ 0,PSوء 自動 正確 速い 博識 公平 人

    間 よ り 賢い 魔法の 杖
  29. 佐藤秀峰著「ブラックジャックによろしく」:2巻, 155ページ ➂ 䊨 濼 腉  "*  ﺸ

    㼎 ﺦ ﻘ 椚 鍑 ﺙ ꟦ 麩 ﺰ ﺳ ﻘ ﻠ ﺭ ﻕ 
  30. ➂䊨濼腉(AI) 人工知能 強いAI 弱いAI (Artificial Intelligence) ➂꟦ך״ֲז荈䠐陎׾䭯׍➂꟦ך ״ֲז濼腉׾׮׏ג⡲噟ָ〳腉ז堣唒 ➂꟦ך濼涸Ⳣ椚ך♧鿇׾垷⦺ׅ׷ 暴㹀㉏겗鍑寸㐻

    ・ 現在行われているAI研究の大半は弱いAIの研究 ⿫罋➂䊨濼腉灇瑔IUUQTXXXBJHBLLBJPSKQXIBUTBJ"*SFTFBSDIIUNM ・ 強いAI研究の成果(e.g. 推論)も人間の知能には遠く及ばず 33
  31. չAI٥ִ٦ְ֮疭պה➂䊨濼腉 人工知能 機械学習 ディープラーニング = AI (笑) の正体 大流行りのAIは,大量のデータからパターンを 覚えて当てはめる「機械学習」技術の一種

  32. 膷ך圓鸡׾垷׃׋ر؍٦فٓ٦صؚٝ 画像出典:富士通(https://blog.global.fujitsu.com/jp/2016-03-09/01/) 大量のデータから、コンピュータにパターンを学習させる

  33. ر؍٦فٓ٦صؚٝך➿邌⢽չ侄䌌֮׶㷕统պ1/2 סּ ـٔ 달 뎕 大量のラベル付データ ر؍٦فٓ٦صؚٝ ӧӧך識別に必要となる 特徴と分類ルール 歗⫷⳿ⰩIUUQTKQNBUIXPSLTDPNIFMQEFFQMFBSOJOHFYBNQMFTWJTVBMJ[FGFBUVSFTPGBDPOWPMVUJPOBMOFVSBMOFUXPSLIUNM

    全長が25cmくらいで, 長く伸びた白いヒレ. 白い体に2本の黒い帯. 背びれが黄色い. これは「ハタタテダイ」 大量のラベル(答え)付データを与えて ラベルを分類する特徴とルールを抽出(学習)する 36
  34. ر؍٦فٓ٦صؚٝ ر؍٦فٓ٦صؚٝך➿邌⢽չ侄䌌֮׶㷕统պ2/2 סּ ـٔ 달 뎕 大量のラベル付データ 歗⫷⳿ⰩIUUQTKQNBUIXPSLTDPNIFMQEFFQMFBSOJOHFYBNQMFTWJTVBMJ[FGFBUVSFTPGBDPOWPMVUJPOBMOFVSBMOFUXPSLIUNM 大量のラベル(答え)付データを与えて ラベルを分類する特徴とルールを抽出(学習)する

    ➂꟦ָ椚鍑דֹ׷䗳銲כזְ ӧӧך識別に必要となる 特徴と分類ルール 37
  35. ر؍٦فٓ٦صؚٝך➿邌⢽չ侄䌌֮׶㷕统պ3/3 ぶり 鯛 あじ いわし コンピュータ ?

  36. LINNE LENS 歗⫷⳿ⰩIUUQTHMPCBMTRVBSFDPNCMPHMJOOFMFOT@EJTQMBZ@GJTI@JOGP 39

  37. 40

  38. IBM Watson 書籍や百科事典など超大量のデータから構築した 知識ベースから正解を探し出す質問応答システム https://www.youtube.com/watch?v=WFR3lOm_xhE

  39. IBM Watson https://www.youtube.com/watch?v=WFR3lOm_xhE

  40. AIر؍٦فٓ٦صؚٝָ㣐崧遤׶חז׏׋椚歋 コンピュータの性能が劇的にUP ウマい計算方法が登場 本来グラフィックを処理するためのGPUチップを利用 1970年代からの苦労がついに華咲く 情報爆発時代の到来 ディープラーニングのために必要なデータが大量に手に入る

  41. AIر؍٦فٓ٦صؚٝָ㣐崧遤׶חז׏׋椚歋 コンピュータの性能が劇的にUP ウマい計算方法が登場 本来グラフィックを処理するためのGPUチップを利用 1970年代からの苦労がついに華咲く 情報爆発時代の到来 ディープラーニングのために必要なデータが大量に手に入る

  42. 䞔㜠旗涪儗➿ךⵋ勻 45 1ZB(1兆GB) ≒ 988EB(2010)  2010年までに生成されたデジタルデータの量は 過去発行された紙書籍のデータ量の約1800万倍!!

  43. (出典)情報通信審議会ICT基本戦略ボード「ビッグデータの活用に関するアドホックグループ」資料 圫ղז珏겲ךؽحؚر٦ة

  44. (PPHMFࣗಈ૸ߦं YσΟʔϓϥʔχϯά http://www.google.com/selfdrivingcar/

  45. ༷ʑͳηϯαʔΛར༻ http://www.google.com/selfdrivingcar/ • 対象物までの距離 • 前方の車の速度 走行距離 車の動きと傾き 周囲(360度)の映像 GPS位置情報

  46. ສΩϩҎ্ͷ૸ߦཤྺσʔλΛ࢖͍ਓ޻஌ೳΛߏங http://www.google.com/selfdrivingcar/ 物体の認識 ベスト経路の探索 パターン分類 車体制御 イベント予測 超大量データ × ディープラーニング

  47. ࣗಈ૸ߦͷ࠷ઌ୺ https://www.youtube.com/watch?v=uHbMt6WDhQ8

  48. (PPHMFࣗಈ૸ߦं YσΟʔϓϥʔχϯά http://www.google.com/selfdrivingcar/ 人工知能ってすごいなぁ

  49. չAI疭= ر؍٦فٓ٦صؚٝպך植朐  馄㣐ꆀךر٦ةַ׵ػة٦ٝ׾㷕统  暴㹀ך㉏겗ז׵넝礵䏝ד넝鸞ח鍑ֽ׷  ر٦ةㄏر٦ةָ⛗׃ְה㷕统׮㔭ꨇ  穠㽷כػة٦ٝⳢ椚

    正しく理解しないと,誤ったAIの使い方をしたり, AIに振り回されることに 鍑ֽ׷㉏겗׾ֲתֻ鼅עֿהָꅾ銲  չז׈պ Ⳣ椚ך椚歋 ׾铡僇דֹזְ
  50. AI × 倫理 2

  51. AI–⧌椚 AIがもっと社会に浸透には AIは公平で平等でなければならない

  52. 誤解の程度 ؼسְ 0,PSوء 自動 正確 速い 博識 公平 人 間

    よ り 賢い 魔法の 杖 "*ח㼎ׅ׷״ֻ֮׷؎ً٦آ AIは人間のように感情が 入らないんじゃないの?
  53. 荈⹛דⱖ溪ך⚥魦׾椚鍑ׅ׷Google Photo

  54. 歗⫷⳿ⰩIUUQTNFNF ⿼➂כ չ؞ٔٓպ

  55. 䱰欽崞⹛ד崞鬨׃㨣׭׋չAI꬗䱸㆞պ (傈穗ؽآطأ״׶) 歗⫷⳿Ⱙ IUUQTCVTJOFTTOJLLFJDPNBUDMSFQPSU

  56. 歗⫷⳿Ⱙ IUUQTCVTJOFTTOJLLFJDPNBUDMSFQPSU 䱰欽崞⹛ד崞鬨׃㨣׭׋չAI꬗䱸㆞պ (傈穗ؽآطأ״׶)

  57. 米国Amazon. 人材採用AIを停止に. 歗⫷⳿ⰩIUUQTXXXCVTJOFTTJOTJEFSKQQPTU 麓⿠ח歑䚍׾׋ֻׁ׿ ꧍׏׋穠卓"*ָ㥍䚍׾ ⡚ֻ鐰⣣ׅ׷穠卓ח˘

  58. ⨉׏׋ⴻ倖׾ׅ׷AIָ⡲׵׸׷فٗإأ Ⰻ⡤ ⨉׏׋ر٦ة ⨉׏׋ ⴻ倖׾ ׅ׷"* • マイノリティーのデータは集めにくい • 開発者・データ収集者が

    自分の中にある隠れた偏見に気付かない 窟鎘Ⳣ椚
  59. https://ja.wikipedia.org/wiki/津田梅子

  60. Wikipedia上のバイアス(2/2) • 伝記カテゴリでは,女性編集者は全体の12%未満 • 女性の伝記記事は伝記カテゴリの25%程度 Eduardo Graells-Garrido, Mounia Lalmas, and

    Filippo Menczer. 2015. First Women, Second Sex: Gender Bias in Wikipedia. In Proceedings of the 26th ACM Conference on Hypertext & Social Media (HT '15). ACM, 165-174
  61. ،ًٔؕ6鿪䋐חֶֽ׷❛鸐ػزٗ٦ٕ穠卓ךⴓ匿18♰⟝ 1JFSTPO &NNB FUBM"MBSHFTDBMFBOBMZTJTPGSBDJBMEJTQBSJUJFTJOQPMJDFTUPQTBDSPTTUIF6OJUFE4UBUFT/BUVSFIVNBOCFIBWJPVS   疑いは白人より低いのに,取り調べ数は多い黒人 랲➂ךⶴさ 涯➂ךⶴさ NATURE

    HUM b rivers Hispanic drivers 0 60 0 20 40 60 White hit rate (%) rivers Hispanic drivers Black drivers 0 10 20 30 40 0 10 0 10 20 30 40 White hit rate (%) Minority hit rate Black drivers 25 涯➂ח㼎ׅ׷《׶锃ץ呎䬿⸂ 랲➂ח㼎ׅ׷《׶锃ץ呎䬿⸂ 0 50 0 10 20 30 40 0 10 20 30 40 0 10 White hit rate (%) Black drivers Hispanic drivers 0 5 10 15 20 25 0 5 10 15 20 25 0 5 10 15 20 25 White threshold (%) Minority threshold (%) a, Data for state patrol are based on 647,251searches in eight states, with points 87,145 searches in six cities, with points corresponding to police precincts. Points
  62. 䙼罋㹋꿀 歗⫷⳿ⰩIUUQTRSBFQ/P(% Q. どちらあなたが運転する電車が暴走! どっちの線路を選ぶ? ֮ז׋せ ➭➂せ

  63. ࣗಈӡసंɼ࠶๚ http://www.google.com/selfdrivingcar/

  64. ⧌椚涸ז荈⹛麊鯄鮦כו׏׍1/2 vs. ⳿Ⱙ.*5 .PSBM.BDIJOF IUUQTXXXNPSBMNBDIJOFOFU

  65. ⧌椚涸ז荈⹛麊鯄鮦כו׏׍2/2 vs. ⳿Ⱙ.*5 .PSBM.BDIJOF IUUQTXXXNPSBMNBDIJOFOFU

  66. Ⰻ⚅歲ך⫘ぢ 歑䚍 㥍䚍 稢ְ➂ 㣕ְ➂ 顆⛗ ꆃ䭯׍ ٕ٦ٕ ׾㸚׷ ٕ٦ٕ

    ׾灶׷ 罈➂ 蕯➂ 㼰זְ 㢳ְ ➂꟦ ⹛暟 Awad, E., Dsouza, S., Kim, R. et al. The Moral Machine experiment. Nature 563, 59–64 (2018).
  67. 㕂װ㖑㚖ח״׷չ⧌椚錁պך麩ְ Awad, E., Dsouza, S., Kim, R. et al. The

    Moral Machine experiment. Nature 563, 59–64 (2018). 鹌騟㢌刿 ז׃ ꆃ䭯׍ ❛鸐ٕ٦ٕ㸚׷ 稢ְ➂ 㥍䚍 ➂꟦ ➂侧㢳ְ 蕯ְ➂ 鹌騟㢌刿 ז׃ ꆃ䭯׍ ❛鸐ٕ٦ٕ㸚׷ 稢ְ➂ 㥍䚍 麊鯄鮦״׶ 娄遤罏 ➂꟦ ➂侧㢳ְ 蕯ְ➂ 麊鯄鮦״׶ 娄遤罏 銮峔 匌峔 文化によってAIが持つべき倫理観は異なる?
  68. չAIך⧌椚պך㉏겗挿 責任の所在を明確に出来ない 理由を説明できない AIが問題を起こしたとき,その責任は「AIを作った人」「AIを利用した人」 「AIを学習させたデータを作った人」,誰にある? AIの判断根拠は数字の羅列.人間には理解困難. どこまでAIに任せるか 全部をAIに任せると,人間の良さが失われる?人間のやることがなくなる? ⳿ⰩIUUQTBJOPXBJ

  69. タコツボ化の恐怖 3

  70. ➙װؐؑـכꅾ銲ז䞔㜠彁ך1א ニュース 健康 エンタメ 学術 文化 政治 ウェブ 74 膨大な情報の中から見たい情報に簡単にアクセス可能

  71. 铩׮ְָאד׮䞔㜠׾涪⥋٥《䖤〳腉1/2

  72. 铩׮ְָאד׮䞔㜠׾涪⥋٥《䖤〳腉2/2

  73. 桪瀖幉巬ךؐؑـ䞔㜠 医療専門家のチェックを受けているウェブサイト 50%未満* * E. Sillence et al., “Trust and

    Mistrust of Online Health Sites”, ACM CHI, pp.663-670, 2004 77 https://minnakenko.jp より https://www.dermatol.or.jp/qa/ より
  74. 傀㶷ًر؍،הؐؑـًر؍،ך麩ְ § 情報の発信主体は、社会的に認められたメディア企業・機関 § 発信されるまでに、情報は取捨選択され、品質チェックを受ける マスメディア(新聞,ラジオ,ニュースなど) § 一般に、いつでも誰でも情報を発信することができる § 内容の品質のチェックを受けずに発信されていることが多い

    ウェブメディア
  75. ؝ٝؾُ٦ةח״׷䞔㜠ך荈⹛欰䧭 https://www.itmedia.co.jp/news/articles/1603/24/news079.html https://ameblo.jp/bobobooks/entry-12390693919.html 画像出典

  76. GAN (Generative Adversarial Network) ディープラーニングを用いたコンテンツの生成 https://thispersondoesnotexist.com

  77. 歗⫷ךⰅ׸剏ִ by CycleGAN 動画出典: https://www.youtube.com/watch?v=rAbhypxs1qQ

  78. ر؍٦فؿؑ؎ؙ https://www.youtube.com/watch?v=AmUC4m6w1wo

  79. ウェブの情報は玉石混淆である ワザと嘘をついている場合もあるし、知らない間に 間違ったものが発信されている場合もある

  80. 注意していないと、気付かないうちに 間違った情報を鵜呑みにしてしまう!!

  81. ק׿ה؟٦ث 「ドイツ」はビールが有名 判断材料 提示 Web テキストマイニング・機械学習 不確かな主張の正しさを判断するための情報を 大量のウェブテキストから集約・抽出するシステム (感情分析) ৴ጪੑ͕ෆ͔֬ͳϑΝΫτ

    υΠπ͸Ϗʔϧ͕༗໊ ո͍͠Օॴ υΠπ ΄Μͱ ݕࡧ݁Ռ < ೖྗ >υΠπ͸Ϗʔϧ͕༗໊ ൑அͷࡍʹ༗༻ͳ؍఺ ߬ૉ ۤΈ ৭ ຯ ϰΝΠεϏʔϧ ൺֱ͢΂͖ϑΝΫτ ϑΝΫτͷೝ஌౓ )POUP4FBSDI ϕϧΪʔ͸Ϗʔϧ͕༗໊ έϧϯ͸Ϗʔϧ͕༗໊ ϛϡϯϔϯ͸Ϗʔϧ͕༗໊ νΣί͸Ϗʔϧ͕༗໊ ΞΠϧϥϯυ͸Ϗʔϧ͕༗໊ ফඅྔ ৭ ৭ ৭ ৭ ৭ ۤΈ ফඅྔ ຯ ߬ૉ  Y. Yamamoto et al., “Supporting Judgment of Fact Trustworthiness by considering Temporal and Sentimental Aspects”, Proceedings of the WISE 2008, pp.206-220, 2008 Y. Yamamoto and K. Tanaka, “Towards Web Search by Sentence Queries: Asking the Web for Query Substitutions”, Proceedings of the 16th International Conference on Database Systems for Advanced Application (DASFAA 2011), pp.83-92, 2011
  82. ৴ጪੑ͕ෆ͔֬ͳϑΝΫτ υΠπ͸Ϗʔϧ͕༗໊ ո͍͠Օॴ υΠπ ΄Μͱ ݕࡧ݁Ռ < ೖྗ >υΠπ͸Ϗʔϧ͕༗໊ ൑அͷࡍʹ༗༻ͳ؍఺

    ߬ૉ ۤΈ ৭ ຯ ϰΝΠεϏʔϧ ൺֱ͢΂͖ϑΝΫτ ϑΝΫτͷೝ஌౓ )POUP4FBSDI ϕϧΪʔ͸Ϗʔϧ͕༗໊ έϧϯ͸Ϗʔϧ͕༗໊ ϛϡϯϔϯ͸Ϗʔϧ͕༗໊ νΣί͸Ϗʔϧ͕༗໊ ΞΠϧϥϯυ͸Ϗʔϧ͕༗໊ ফඅྔ ৭ ৭ ৭ ৭ ৭ ۤΈ ফඅྔ ຯ ߬ૉ  ⥋נ׳ֲ䚍ⴻ倖׾遤ֲ׋׭ח䲿⣘ׅ׷䞔㜠 比較すべき観点、 ウェブで各主張が言及される頻度を抽出・評価 ドイツはビールが有名
  83. ݴ࿦Ϛοϓɿରཱ͢ΔओுͱࠜڌΛநग़͢ΔγεςϜ Koji Murakami, et. al, “Statement Map: Assisting Information Credibility

    Analysis by Visualizing Arguments”, In Proceedings of the 3rd Workshop on Information Credibility on the Web (WICOW2009). pp.43-50. Madrid. Spain. 2009
  84. ⥋נ׳ֲ䚍䭷ぢךؐؑـ嗚稊ؒٝآٝCowSearch Y. Yamamoto and K. Tanaka, “Enhancing Credibility Judgment on

    Web Search Results”, Proceedings of the ACM CHI 2011, pp.1235-1244, 2011
  85. CowSearch 信ぴょう性を判断するための便利ツールの 研究開発が進めば、問題は解決!? 言論マップ

  86. 57% ♧菙䋐孖ך㢳ָֻؐؑـכ⥋欽דֹ׷ה䙼׏גְ׷ 82% ウェブ情報の信ぴょう性を疑った ことがない15〜35歳の日本人*1 *1 Adobe Inc., “The State

    of Content : Rules of Engagement”, 2015 *2 S.Nakamura et al., “Trustworthiness analysis of Web search results (ECDL 2007) 気にしない、 気にしない。 検索エンジンが返す結果ページの 信憑性を疑わない日本人*2 Googleだったら 信⽤できる!
  87. תׅתׅ⤑ⵃחז׷䞔㜠،ؙإأ橆㞮 大量のユーザログを解析し、 クリックされやすい情報を並べる 検索エンジン 個人アクティビティを解析し、 好まれそうな情報を表示するSNS ディープラーニング技術による情報配信の最適化、個人化

  88. ユーザのニーズに合ったコンテンツを システムが自動的に提示してくれるから最高!! תׅתׅ⤑ⵃחז׷䞔㜠،ؙإأ橆㞮 ディープラーニング技術による情報配信の最適化、個人化

  89. תׅתׅ⤑ⵃחז׷䞔㜠،ؙإأ橆㞮 ディープラーニング技術による情報配信の最適化、個人化 本当に最高なのか?

  90. ؿ؍ٕة٦غـٕ 情報提示が個人に最適化されることで知的孤立に陥る

  91. ؿ؍ٕة٦غـٕ 情報提示が個人に最適化されることで知的孤立に陥る あなたが好む情報 = 偏った情報

  92. ➂ח״׏גずׄ嗚稊ٙ٦سד׮嗚稊穠卓ָ殯ז׷ ⳿Ⱙ%VDL%VDL(PˏT4VSWFZ.FBTVSJOHUIF'JMUFS#VCCMF˒ )PX(PPHMFJTJOGMVFODJOHXIBUZPVDMJDL  IUUQTTQSFBEQSJWBDZDPNHPPHMFGJMUFSCVCCMFTUVEZ 87名のユーザが「銃規制」という検索ワードで Google検索した結果を比較 19種類のウェブページが31通りの並びで表示

  93. 信用できる 正しい ≠

  94. 信用できる 正しい =

  95. SNSד訫䒀ׅ׷ؿؑ؎ؙصُ٦أ׾չ姻׃ְպה⥋ׄ׷➂ղ

  96. 客観的/合理的な事実よりも 感情や個人の信条を満たすものを 信じたくなる傾向が強くなっている Post-truth儗➿פ AI技術の影響

  97. AI䪮遭 x ا٦ءًٍٕر؍، = 爡⠓ךⴓ倖 Figure 1: The political retweet

    (left) and mention (right) networks, laid out using a force-directed algorithm. No cluster assignments (see § 3.1). Community structure is evident in the retweet network, but less so in the menti show in § 3.3 that in the retweet network, the red cluster A is made of 93% right-leaning users, while the blue cl Conover, Michael D., Jacob Ratkiewicz, Matthew R. Francisco, Bruno Gonçalves, Filippo Menczer, and Alessandro Flammini. 2011. “Political Polarization on Twitter.” In Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media, 133:89–96. Twitterで政治情報を 共有した人のつながり 饔葿Ⱏㄤ⯲㺔׶ ꫬ葿孖⚺⯲㺔׶ 同じ意見を持つグループ の情報しか入ってこない 自分は正しいと思う
  98. 圫ղז钠濼غ؎،أ 確証バイアス*1 自分が信じている・考えていることを支持する情報を 探そうとし、反証する情報を無視してしまう傾向 見た目バイアス*2 見た目が良いウェブサイトは信頼できるという思い込み *2 Gitte Lindgaard, Cathy

    Dudek, Devjani Sen, Livia Sumegi, and Patrick Noonan. An exploration of relations between visual appeal, trustworthiness and perceived usability of homepages. ACM Transactions on Computer-Human Interaction. 18(1), 2011. *1 D. Kahneman. A perspective on judgment and choice: mapping bounded rationality. American psychologist, 58(9):697, 2003.
  99. ׍׳׏ה׃׋㹋꿀 白いシャツを着たチームがボールを何回パスするか? Q.

  100. None
  101. 岣䠐ךꐪ鋙 多数の情報があふれているとき、 それらの情報に対して選択的に注意を向けること 選択的注意

  102. 䞔㜠ך⥋נ׳ֲ䚍׾ثؑحؙׅ׷䗳銲䚍׾䠬ׄגְזְ➂ղך㶷㖈 怪しい/偏った情報の 存在に気づいていない 情報の善し悪しを安易に判断する (有益なはずの判断支援システムを使わない) 情報を受け取る人間に潜む不注意の 存在を意識したシステム作りが必要 自分はだまされない という自信

  103. ؎ةث邌植ؿ؋؎ٝت٦Weasel Finder Fumiaki Saito, Yoshiyuki Shoji and Yusuke Yamamoto, Highlighting

    Weasel Sentences for Promoting Critical Information Seeking on the Web, Proceedings of the 20th International Conference on Web Information Systems Engineering (WISE 2019), pp.424-440, Hong Kong, China, November 2019 (50/211 = 23.7%). 言葉を濁した表現に 警告を促すブラウザ 不正確なウェブ情報の取得を防ぐ には,ユーザがウェブコンテンツ中 の誤った情報や紛らわしい情報の 存在を認識し,注意深いウェブ探 索の必要性を認識することも重要 である.イタチファインダーは,AI技 術を用いて言葉を濁した表現をハ イライトすることで,注意深いウェブ 探索を促進する
  104. ஁௣ಿࢼࣨ ஁௣ಿࢼࣨಅҼ ஁௣ಿࢼࣨஂظ ஁௣ಿࢼࣨഇॾ ஁௣ಿࢼࣨ૛ܵ ஁௣ಿࢼࣨ٥֋ ஁௣ಿࢼࣨ٠࣍ ஁௣ಿࢼࣨܧ֗ ஁௣ಿࢼࣨ߹࣍ ஁௣ಿࢼࣨ␃⍬⏻

    ஁௣ಿࢼࣨٵ๲ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ ஁௣ಿࢼ 岣䠐帾ְ䞔㜠嗚稊׾⤛ׅ䗰椚涸ז➬䱦ֽ 情報精査の促進効果が 期待される語(クエリプライム) プライミング効果に着目し、情報精査をする気にさせる 単語を検索ワード推薦に溶け込ませる
  105. ػ٦اشٓ؎ئ٦ءّٝ٥ؿ؋؎ٝت٦ Y. Yamamoto et. al: “Personalization Finder: A Search Interface

    for Identifying and Self-controlling Web Search Personalization”, Proceedings of the 20th ACM/IEEE on Joint Conference on Digital Libraries (JCDL 2020), China, Xi’an, August 2020 ウェブ検索の個人最適化を可視化・制御
  106. で,どうしたらいいの? 4

  107. l"*ך⯔ה䕦 歗⫷⳿ⰩIUUQTCJ[[JOFKQBSUJDMFEFUBJM 歗⫷⳿Ⱙ IUUQTNFUSPDPVLSBDJTUBJBMHPSJUINDMBTTFTCMBDLQFPQMFOFHSPJETCMBDLBNPPST AIך⯔ה䕦

  108. l"*ך⯔ה䕦 歗⫷⳿ⰩIUUQTCJ[[JOFKQBSUJDMFEFUBJM 歗⫷⳿Ⱙ IUUQTNFUSPDPVLSBDJTUBJBMHPSJUINDMBTTFTCMBDLQFPQMFOFHSPJETCMBDLBNPPST 光の側面 倜׃ְ؟٦ؽأךⶼ⳿ ⢽浒ך傍劍涪鋅 爡⠓㉏겗ך鍑寸 ⢽⸤⫴⸂♶駈 負の側面

    䞔㜠ךة؝خن⻉ 爡⠓ךⴓ倖 فٓ؎غء㉏겗 呓䊴䭁㣐˘ AIך⯔ה䕦
  109. 「豊かな」社会・経済成長 科学・技術 ה֮׷儗➿תד猰㷕٥䪮遭⥋⟒

  110. ألحؙ畸✯ 出典: http://itpro.nikkeibp.co.jp/article/Watcher/20060508/237043/

  111. ألحؙ畸✯ → 倜䪮遭٥涪䟝ػؙ׷ iPhone登場前後 出典:http://www.fremtidensbusiness.dk/#facts

  112. 人と技術がなじみが 取れた社会 技術 人文社会学 +

  113. 人と技術がなじみが 取れた社会 技術 + 人文社会学

  114. 人と技術がなじみが 取れた社会 技術 + 人文社会学 ⣣⦼ⶼ鸡爡⠓㉏겗ך鍑寸חכ䪮遭ָ 䗳銲♧倯莆㄂׌ֽד瑱ֹ鹌׬ה 铩׮䖤׃זְ穠卓׾欰׬

  115. 人と技術がなじみが 取れた社会 技術 + 人文社会学 猰㷕٥䪮遭ָ俑⻉׾ꅕ䧭ׅ׷ַכ ׉׸׾⢪ֲ➂װ爡⠓俑⻉׾䯝ִ׷ 鋔挿ָ䗳׆䗳銲

  116. 人と技術がなじみが 取れた社会 技術 + 人文社会学

  117. 劤䔲ח剑䖓ךأٓ؎س 豊かな生活を築いていくためには 人と馴染みの取れた技術の開発が必要です. そのためには,技術だけでなく人文・社会学の 知識や知恵も活用する必要です. また,アカデミアだけでなく,技術者, アーティスト,行政関係者,一般市民など 様々なセクターの人々が一緒になって真剣に 議論する必要があります. ご興味がある方は,ぜひ今後も語り合いましょう.