AI にできること、できないこと

AI にできること、できないこと

藤本浩司　柴原一友

**　AI の中身 p97

p103 ディープラーニング（例　パンダを見分ける画像認識）

ディープラーニングは、「パンダっぽさへの影響」を勝手な値に決める。判定できなかった画像が出る。その画像に対して「パンダっぽさへの影響」の値をほんのちょっとずつ調整する。

p104 調整の結果、今まで正しくパンダっぽさが計算できていた他の画像で判定できなくなった画像が出る。ではそのときどうするかというと「すべての画像について、正しくパンダっぽさが計算できるようになるまで、調整しつづける」のです。人間なら大変だが、AI は問題なく、黙々とやり続ける。

以上がニューロンと呼ばれるプログラムの学習方法。そして、ディープラーニングというプログラムは膨大な数のニューロンの集まり。

p105 ディープラーニングの基本的な技術は古くからあり、コンピューターの性能向上こそが、ディープラーニングが高い性能を発揮している大きな要因。ディープラーニングがAI ブームをリードする理由は三つ。

一、特徴を人間が考えなくてもいい。（特徴をつくるところも勝手に学習させる）※パンダは目の回りが黒い、などの特徴。

二、他の既存手法より高い性能を発揮しやすい。

三、いろいろな使い方ができる。

p108 何十、何百、何千という（ニューロン群の）層を使って学習するのがディープラーニング。膨大な層の中にある各ニューロンを一つずつ細かく調整して、膨大な数の特徴やその組み合わせを発見することで、人間を超える高い性能を発揮する。

p109 画像系AI 、言語系AI、予測系AI、ゲーム系AI ほか　※p17

p110 ディープラーニングの短所

一、判断の理由が、人間には理解できない。※ポナンザの将棋の新手

二、学習に膨大な手間（時間やデータ）がかかる。

三、ノウハウがない分野では使いにくい。

p112 ポナンザが2017年にディープラーニングを導入したとき、学習だけで一億円を超えるといわれる。アルファ碁は数十億円といわれる。

**　第一章　そもそもAI とはなにか p1

p16 AI ブームの変遷

1965 記号論理的アプローチ

1985 エキスパートシステム

2015 ディープラーニング

p18 予測系AI

p20 リスク発生の予測は予測系AI との相性がとても良いものの一つ。すでに金融商品、たとえば個人ローンやクレジットカードの申し込み審査でよく導入されている。すでに融資の審査作業の一部は、AI にとって代わられている。

p20 言語系AI

p21 2015年頃、日本のメガバンク3行（みずほ、三井住友、三菱UFJ ）がIBM のAI ワトソンを一斉導入。三井住友銀行では、コールセンターでの電話応対をサポートする業務。利用者から受けた質問に対して、ワトソンが回答候補を瞬時に提示することで、人間が回答を考える負担を軽減。回答の素早さは人間と同程度。正しさも8割を超える。

p22 ワトソンは2011年、アメリカの人気クイズ番組「ジェパディ！」に出場し、クイズチャンピオンを圧倒シタコトデ有名に。クイズの領域で人間を超えたAI 。

※そりゃそうだろ。

ソフトバンクの「ペッパー」、マイクロソフトのチャットボット「女子高生AI りんな」、iPhoneの「シリ」、Androidの「Googleナウ」、アマゾンの「Alexa」

2018年、Googleは電話予約代替AI 「duplex 」発表。電話予約を音声でやってくれるAI で、相手に会話を遮られても自然に対応するなど、人間と間違えそうなくらいに自然な対話を実現している。

p23 画像系AI

p24 2015年、ディープラーニングにより、画像に写っている物体の名称を答える課題では人間を超えるレベルに。

注目は自動運転。医療画像から異常箇所発見。監視カメラ画像から不審人物発見。2017年、マイクロソフトが、英語の文章を与え、画像を一からつくるAI 発表。イラストレーターの代わり。

p25 ゲーム系AI

p26 1997年、IBM の「ディープブルー」がチェスの世界チャンピオンを負かす。2016年、「アルファ碁」が世界トップクラス囲碁棋士イ・セドルに対して4勝1敗と圧倒。2017年5月、「ポナンザ」が佐藤天彦名人を破る。

p27 最近のAI は教師データなしでゼロから始めて、AI が自分一人の試行錯誤で人間を超えた。ルール以外何も知らない状態で、学習速度において「アルファゼロ」は、将棋は二時間、囲碁は八時間で人間を超えた。今はプロがAI から新しい手を学んでいる。

**　第二章　AI の実態 p29

p31 定義　知性＝自分で考えて環境に対応し、より良い成果を達成する能力

p34 脳科学者ですら知性の仕組みがわかっていないから、AI 研究者が知性をAI に搭載することはできない。

弱いAI ＝知的な作業に等しい結果を得られる仕組みを（知的ではない方法を使って）作る、というアプローチ。

p35 つまり、今のAI に知性はない。

p36 今のAI の作り方

一、教師あり学習…問題文と正解が書かれた問題集を用意し、問題文を読んで正解を答えられるように学習する。例、画像認識。p40 正解は人間が決める。

二、強化学習…

三、教師なし学習

p83 AI は理解しているのか？

「人が何かを理解する」というのは、「２つ以上の異なる既知の情報に新しいつながりを発見する」ことだと言い換えられる。（略）たとえば「ネコを理解している」とは、「ネコは哺乳類である」といった哺乳類との関係性、「ニャーと鳴く」といった鳴き声との関係性など、ネコと他の要素とのつながりを把握している、と言い換えられる。