人工知能は人間を超えるか

松尾豊

[ブクログ · ★★★★★]

人工知能研究について、現在ブームとなっているが、実は過去にも何度か流行っていたということと冬の時代があったことを紹介して始まった。1，2，3次ブームでそれぞれ何が人工知能の発展を後押ししたかに触れながら、機械学習と深層学習との違いを説明している。
全体的に数式などはなく読みやすく、人工知能についてザックリ知りたいときにはタメになる良書だと思う。

[ブクログ · ★★★★★]

気鋭の人工知能の研究者、東大の松尾准教授によって、人工知能の歴史、人工知能の工学的な概要、昨今話題のディープラーニング、それによってどんな世界が待っているか、について書かれ、人工知能についてざっと把握できる、良い本だった。さらっと読めた。

[ブクログ · ★★★★★]

人工知能の歴史をなぞりながら、ディープラーニングの有用性、今後の社会への影響を著者なりに幅広く書いた解説本。数年前刊行にも関わらず、内容は非常に有用だった。
特にOSを握らないとGAFAのように台頭する企業が日本から出ない、という意見には賛同。
研究者の数も少ない日本が盛り返すために、自分が何をすべきか考えるきっかけとなった。

[ブクログ · ★★★★★]

現在起こっているAIブームが過去二回のブームと大きく違うのは、計算機の飛躍的な能力向上と、ディープラーニングという技術により、長年課題だった特徴量を決めることを人工知能自らできるようになったことによる。
まだまだ人工知能開発の可能性が見えたに過ぎない段階で、これから起こりうる社会的インパクトの方が遥かに大きい。
来たる未来に備えてなければ、winner take allで総負けするリスクがある。
ディープラーニングを軸としたAIについてわかりやすくまとまっている良書。

◯AI研究の歴史
・過去二回ブームがあったが、世間の高すぎる期待に応えられず沈んでいった。
・脳の中は電気信号なので、コンピュータで実現できるはず、というのが原点。
・第三次AIブームの今は、ビックデータ時代に広がった機械学習と技術的に大きなブレイクスルーであるディープラーニングの２つの大波が牽引

◯機械学習
・学習するとは分けること、イエスかノーで答える
・分け方の一つで有力なのがニューラルネットワーク。答えを間違えるたびに重みづけの調整を繰り返して精度を上げる。誤差逆伝播法では、全体の誤差が少なくなるように微分を取り、誤差が小さくなる方向に微調整。
・機械学習における難問は、特徴量として何を使うかの設計。これをコンピュータ自ら作り出すのがディープラーニング。

◯ディープラーニングとは
・多層なニューラルネットワークで自由度が上がっている。
・自己符号化器という情報圧縮器を用いる。これは入力と同じものを出力できるように重みづけを学習すること。アンケート結果を少数個の無相関な変数に集約することに近い。概念を作り出して情報を圧縮している。
・これを多層で繰り返すと、少数の次元に集約していくことができる。1層ごとに入力と出力を合わせた学習をする。取り出された高次の概念に名前をつければ、少ないサンプル数で学習が可能。
・一見教師なし学習のようだが、最後に正解を与えるところは教師あり学習。
・上手くいった鍵は、ノイズを加えて作り出した、ちょっと違ったかもしれない過去を作り出し、学習量を100倍にしたこと。これにより絶対的な特徴量を作れるようになった。

◯今後の展開予想
1. 画像認識精度の向上(視覚)
2. マルチモーダルな抽象化: 時間を扱う(動画)、聴覚、触覚など
3. 行動と結果の抽象化(因果関係の理解)
4. 行動を通じた特徴量の獲得(形容表現ができるようになる)
5. 言語理解、自動翻訳(人が使う概念の獲得が済み、概念から言葉を結び付けられるようになる。
6. 知識の獲得

◯シンギュラリティ(技術的特異点)
・人工知能ご自分の能力を超える人工知能を自ら生み出せるようになる時点。
・人工知能が人間を征服する未来は考えにくい。人間=知能+生命であるが、人工知能は生命を持たない。生存競争がないため、意思は持たない。

◯人間の仕事として残るもの
・大局的でサンプル数の少ない、難しい判断を伴う業務: 経営者など
・人間に接するインターフェース: セラピー

[ブクログ · ★★★★★]

「人工知能って何？」
最近よく耳にする人工知能やAIといったものが何なのか。
人工知能の研究の歴史を紐解くことで、そんな疑問に答える内容になっている。
人間と人工知能が共存する道はあるのか。この本をきっかけに考えていきたい。