松尾豊のレビュー一覧

因果推論の科学 「なぜ？」の問いにどう答えるか

ジューディア・パール / ダナ・マッケンジー / 松尾豊 / 夏目大

『自主的に薬Dを服用した患者の寿命Lの観察頻度は、数学的にはP(L|D)という式で表すことになる。これは、統計学の教科書に出てくる標準的な条件付き確率の式だ。この式が表現しているのは、患者が薬Dを服用したのを見て考慮に入れた場合の寿命Lの確率Pである。P(L|D)とP(L|do(D))ではまったく違うことに注意してほしい。見ること（観察）と行動すること（介入）は根本的に違う。そしてこの違いは、私たちが気圧計の測定値の低下を嵐が来る原因とみなさない理由の説明になる。気圧計の値が下がっているのを見て、それを考慮に入れれば、嵐の確率は上がっていると考えていいが、気圧計の値を無理に下げたとしても、嵐が来る確率に変化は起きないのだ』―『序章 「因果推論」という新しい科学／因果ダイアグラムと記号言語』

1999年に書いたテクニカルノートの冒頭に「一般に回帰法を用いたデータ処理においては、データ空間の中に潜在する関係を見い出すデータモデリングに着目した部分と、データから推定されたモデルの評価／最適化に着目した部分があり、各々に技術的な要素がある。ここではまずデータモデリングの部分について技術的要素を整理し、その後、モデルの評価／最適化に係わる技術的要素について言及する」と記してある。拙い論考ではあるが、ここでデータ解析の実務者としての自分が考えていたことは、物理学的なデータ間の関係性と統計学的な関係性とは分けて考えておかなければならない、ということであったと顧みる。如何にそれらしい関係性をデータ群から見出しても物理学的な関係性に落とし込めなければ意味はないとの戒めが当時の自分にもあったのだ。だからこそ、非線形の回帰法を利用しつつ如何に物理的な裏付けのある関係性を見い出すかということを懸命に模索していた時にこんなメモを残したのだ。その「物理的な関係」を広義に言い直してみれば「因果律」ということになる。それは、原著のタイトル「The Book of Why」の答えとしてデータを前にした者が求めたいものである。しかし、アインシュタインは一般相対性理論を展開する中で全ての事象は相対的な関係でしか著せないと言った。事象Ａに事象Ｂが先行しているように見える世界もあれば、その逆に見える世界も同時に存在し得る。だとすればＡがＢの結果であるという単純な因果律など存在しないのかという極端な話にもなるが、ヒトは自分の生きている世界観の中で因果律を求めたがる生き物だ（だからこそ都市伝説や陰謀論に引き付けられる人々も多いのだろう）。ラプラス的世界観は現代物理学では否定されているにも拘らず、人は因果律を求めその応用として未来を予想しようとする。閑話休題。

本書は、一般ビジネス書の書棚に平積みされるような本ではあるけれど、決して万人が読んですぐに得心できる類の本ではない。少なくとも、統計学的な一般素養が必要とされる。統計学的な一般素養とは、単に統計処理ソフトを使えるという意味では決してなくて、その処理で用いられている手法についての理解、データを扱う上での注意点などを理解している、という意味である。例えば、職場のパソコンに必ず入っているであろう表計算ソフトを利用して二つのデータの関係性が近似式で散布図に挿入されたのを見て係数を知れば充分という人に、この本はお勧めできない。多変量解析において独立変数の選択や次元の呪いに苦しんだことがあり、より自然な関係性を求めて非線形の関係式をモデルとして検証したいと思いつつ不用意な変数の変形によるデータの偏重を如何に避けるかということに取り組んだことのある人であれば、ひょっとすると面白く読めるかも知れない。データマイニング的な手法を扱ったことがあれば申し分ないし、ディープラーニングの理論的な側面を学んだことがある人なら正に著者が想定している読者になれるだろう。それでも統計学者ではない実務者にとってはやや意外でもある「因果律」を否定する統計学界の風習に対して、それを形而上学的な論争ではなく数学的に自明な解決を目指して理論を展開してきた著者の技法については、この本を読んだからと言って完全に理解できる訳ではない。だが、著者が何故「因果ダイアグラム」という手法に拘り、do演算子などを駆使して「左辺」と「右辺」の関係性を単純な「対比」から「因果」へ導こうしているのかの主張はよく理解できる。ただし繰り返しになるが、表計算ソフトで回帰分析をする際に、ＸとＹを入れ替えることの意味や主成分分析との違いを（つまり、観測されたデータは、観測されていないデータも含めたデータ群が形成する空間をより低い次元の空間に落とし込んだ「影」に過ぎないのだと）認識していない人には、回りくどく、そして、やや自慢話的な語りの多い本書はとても読み難い本ではあるだろう。

『科学的な問いの中でも回顧的な思考が関わるものには、「反事実」と呼ばれる因果推論に特有の、別の種類の表現が必要になる。たとえば、ジョーが薬Dを服用して、一カ月後に死亡したとする。ここで問いたいのは、果たして薬Dは彼の死の原因なのか否かということだ。この問いに答えるには、ジョーは薬を服用しようとしていたが、結局は気が変わって服用しなかった、という架空の筋書きを想像する必要がある。この場合、果たしてジョーは死なずに生きているだろうか。すでに書いたとおり、古典的な統計学はデータを要約するだけである。つまり、この問いを表現するための言語すら持っていないということだ』―『序章 「因果推論」という新しい科学／反事実的推論の重要性』

著者が断言する「データは何も教えてくれない」とは、実に刺戟的だが、昨今のディープラーニング型の人工知能信奉が蔓延る中、心に留めておくべき言葉であると思う。そんな風潮に流される若い世代の技術者に接して思い出すのは、データ解析初学者であった頃によく先達から言われた「ガーベージ・イン・ガーベージ・アウト」という言葉。何でも良いから大量のデータを読み込ませて、どうしてそうなるのかも解らない畳みこみニューラルネットワークの出した答えが見た目それらしいからと言って受け入れる風潮には自分も違和感がある。私見だが、ニューラルネットワーク的な手法がやっているのは極端に言えばデータのオーバーシュートで、幾重にも再帰的に入れ子になった多変量の多項式。そこから見い出される関係性の頑健性はそもそも考慮されていない。データには常にエラーがあり、それを理解しつつ確度の高い関係性を構築するかが本来解析者のやるべき仕事ではないのか。そんな誰に言うともなく言いたかったことを久しぶりに思い出した。

超ＡＩ入門 ディープラーニングはどこまで進化するのか

松尾豊 / NHK「人間ってナンだ？超AI入門」制作班

日進月歩の分野としては、やや古い本になってしまうのかもしれないが、昨今のAI絵やAI文章の簡単な仕組みが理解できた。わかりやすい。

因果推論の科学 「なぜ？」の問いにどう答えるか

ジューディア・パール / ダナ・マッケンジー / 松尾豊 / 夏目大

因果推論って難しくて腑に落としにくいですが
先人たちがどう悩んで論を立てていったかをなぞることにより理解を深めるってのはありですね
スラスラ読めるってほどでは流石にないですが内容の難しさの割にはリーダブルで好著

深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版

一般社団法人日本ディープラーニング協会 / 猪狩宇司 / 今井翔太 / 江間有沙 / 岡田陽介 / 工藤郁子 / 巣籠悠輔 / 瀬谷啓介 / 徳田有美子 / 中澤敏明 / 藤本敬介 / 松井孝之 / 松尾豊 / 松嶋達也 / 山下隆義

ディープラーニングに関する情報は網羅的に載っているので、
ほとんどAIの実務に携わったことのない方であっても、読むことが出来ます。

超ＡＩ入門 ディープラーニングはどこまで進化するのか

松尾豊 / NHK「人間ってナンだ？超AI入門」制作班

タイトルの通り、ＡＩの入門書。
ＡＩを学習する取っ掛かりとして、
理解しやすい。イメージしやすい内容でした。

東京大学のデータサイエンティスト育成講座

塚本邦尊 / 山田典一 / 大澤文孝 / 中山浩太郎 / 松尾豊

pythonの文法や、数多いライブラリの使い方を齧るよりも前に、線形代数、微積分・最適化、数理統計をある程度トレーニングしておくこと、さらに、それ以前に、全体と細部を同時に「思い、感じる」という科学的なものの見方について、いわゆる教養が必要だとは思う。それでも、コンピュータという道具は、習うより慣れろという面があるのも、また真実であり、そういう点で、項目の立て方や見易さ、さりげないヒントの書き込み方など、とても良いテキストだと感じた。

東京大学のデータサイエンティスト育成講座

塚本邦尊 / 山田典一 / 大澤文孝 / 中山浩太郎 / 松尾豊

Pythonを少し勉強して、さらに成長したい方にオススメです！

ベースはデータサイエンスなので数値解析がほとんどです。

最後の方になると機械学習の実際のプログラミングができるようになってきます。

これ1冊をやればデータサイエンティストとしての実力が身に付くと断言出来る1冊です。

マンガでわかる！ 人工知能 AIは人間に何をもたらすのか

松尾豊 / かんようこ

とても理解しやすく読めた。
ざっくりとした基礎的な情報も、踏まえて読んでいたので、より深めて頭に入っていった。

SFっぽい話も入ってて、好きな人なら尚更楽しめるのかなと思う。
マンガシリーズの評価が高いのも理解できる。

深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト

一般社団法人日本ディープラーニング協会 / 浅川伸一 / 江間有沙 / 工藤郁子 / 巣籠悠輔 / 瀬谷啓介 / 松井孝之 / 松尾豊

G検定対策のために読破。
画像や基礎的なところは余裕だったが、RNNや強化学習、GAN、物体検出、自然言語処理、などは新しい言葉が散見してちょっと難しい。というか覚えないと・・・

ただ、また読む必要はない感じなので、問題集を読んで復習しよう。

人工知能～その到達点と未来～

中島秀之 / 丸山宏 / 浅田稔 / 麻生英樹 / 池上高志 / 橋田浩一 / 松尾豊 / 松原仁

AI(人工知能）に関する最新の情報がわかりやすく概念で理解できお薦め。語句解説や研究者名と参考書籍が掲載されており便利。また具体的応用例についてもヒントあり面白かった。ディープラーニングへの期待がこの分野の専門でない私にもよく理解できた。「人間は環境との相互作用の中で生活している。脳だけを独立してシミュレートしても、知能は再現できないであろう。」奥深い世界に興味深々。

深層学習教科書 ディープラーニング G検定（ジェネラリスト） 公式テキスト

一般社団法人日本ディープラーニング協会 / 浅川伸一 / 江間有沙 / 工藤郁子 / 巣籠悠輔 / 瀬谷啓介 / 松井孝之 / 松尾豊

本書が出版されるまで、G検定は非常に勉強しにくかった。

検定側が推薦する図書は存在するものの、問題集がなかったためである。そのため、情報量の多い推薦図書は読むときに強弱をつけられず辛かった。

本書には、推薦図書の要点と想定問題がまとめられている。まずは本書で勉強した後で、推薦図書を読むことを勧める。

人工知能はなぜ未来を変えるのか

松尾豊 / 塩野誠

[ちゅん]

正しく理解できる

人工知能についてはいろんな本があるが、第一人者の話だけあってこの本はかなり正確に人工知能の特徴を説明していると感じる

人工知能は人間を超えるか

松尾豊

人工知能の歴史的な変遷が、わかりやすく説明されている。
ブームと言うとらえ方も、おもしろい。
「人工知能」という言葉の概念の整理ができておらず
混乱をしていた　冬の時代の中でも、
人工知能を追いかけていた想いが　よく伝わる。

そして、人工知能とは一体何で、どこまで到達しているのかを
懇切丁寧に　書いているのである。
「グーグルの猫」が　ある意味では　大きな峠を越えたのかもしれない。
猫とは何か？を、認識する事ができるようになって、
「人工知能」としての大きな一歩を踏み出したのである。
「特徴表現の獲得」
本来は　教師がいて、学習するのを、
教師がいなくて、学習し始める。
認識能力、予測能力、行動能力、概念獲得能力、言語能力。
それを、獲得しつつあるのである。
それが　ディープラーニングなのである。

果たして、人工知能は、世界をどう認識するのか？
人間と同じ　認識ではないはずだが、
膨大な知識とデータの上に、もっと違う世界認識が、
生まれる事によって、人間は　本当に幸せになるのか？
興味深い時代に　突入したものだ。

人工知能は人間を超えるか

松尾豊

[わいあど]

人工知能に興味がある全ての方に

人工知能（AI）がダボス会議の主要議題になり、日々経済ニュースに登場する現在、改めて「人工知能とは何か」を研究者の立場から解説した名著と言えると思います。
過去の2度の「AIブーム」とその後に訪れた「冬の時代」、ディープラーニングがもたらした「第3次AIブーム」と言える現在の可能性と限界、今後の展望について、素人でもわかりやすく、ドラマチックかつスリリングに解説しています。人工知能研究の本質、人類の、知能に対する認識についても触れられており、興味深いです。人工知能に少しでも興味を持った方は読んで損はないと思います。

日本経済AI成長戦略

冨山和彦 / 松尾豊

冨山和彦さんの「日本経済AI成長戦略」を読みました。巻末には松尾豊先生との対談と松尾先生のあとがき。この対談にすべてが凝縮されていたような気がする。
少し、引用すると
・推論は英語にした場合に「インファレンス（推論・推定）」と「リーズニング（論理的推論）」の違いがあり、これまでの ＡＩが行っていた画像認識など、分類の出力などを行うのはインファレンスになります。
・最近の Ａ Ｉは先ほども説明したような、何度も ＬＬＭを使い長期的かつ探索的な思考を行うリーズニングを行っています。
・今の ＡＩが行っていることは、人間の思考に近いと言えるでしょうね。
・創造性とは相対的であり、ある種のパターンでもあると言えます。創造性なんてものはないと僕は思っていますし、今の ＡＩがすでに実現していることでもあります。
・Ａ Ｉを前提とした Ａ Ｉネイティブな社会やアーキテクチャへの変換であり、ガバナンスの再構築が必要だと。その再構築をどのように行うかが、 Ａ Ｉビジネスにおける勝ち負けを分けるポイントであると僕は考えていますし、テクノロジー云々ではなく、こちらの勝負の方が重要だとも思っています。
・Ａ Ｉビジネスでも一番儲かる領域はアプリケーションです。現在のように最新の Ａ Ｉモデル開発に多大な投資を続けているウィナー・テイクス・オールのスタイルで、この先果たして儲かるのかどうかは懐疑的です。
・日本企業の大半はハードウェア・デファインドであり、ソフトウェア・デファインドな組織構造ではないですからね。
・Ａ Ｉについての知識や理解がありモデルを開発できるだけでなく、 Ａ Ｉを使って変革を起こしていける。組織を変えたり、新しい領域に取り組んでいくことのできる人材が重要
・問われるのはビジネスの本質を理解する能力であり、テクノロジーではないと。
・従来のリーダーシップ人材育成と似ているように思います。社会的に大きな変化を伴うので、法律のことを分かっている必要がまずあります。組織を変える必要もありますし、これらの取り組みを総合的にできる能力も求められる。一方で、人間性という付加価値も理解している必要がありますから、大変だと思います。
・実現のためには次元を一つ上げて、世の中を抽象化し俯瞰して考えることが重要だと思います。
・圧倒的に抽象論か圧倒的に具体か、その２つにこそ意味があって、中途半端な抽象論や中途半端な具体は力としては大変弱い。

日本経済AI成長戦略

冨山和彦 / 松尾豊

どうしても名前先行のところがあるＡＩについて、よく整理ができる一冊である。ＡＩによってＤＸが葬り去られるという現実、そしてＤＸで完全に出遅れていた日本にとっては助け舟になるのか。

ＡＩと自分自身が共存していくための頭の整理に役立った。

日本経済AI成長戦略

冨山和彦 / 松尾豊

日本のマクロなビジネス環境を俯瞰して捉えたり、ローカルビジネスやエスタブリッシュメントな産業のaiトランスフォーメーションやコーポレートトランスフォーメーション(書内でいつaxとcx)に興味のある方には一読の価値ありです。

ここで取り上げられてるようなまさにITコンサルのようなキャリアの自分としては、真正面から受け止めなければいけない現実でありつつ、aiと楽しくサバイブというか、サーフィンしていきたいと思った。

深層学習教科書 ディープラーニング G検定（ジェネラリスト）公式テキスト 第2版

一般社団法人日本ディープラーニング協会 / 猪狩宇司 / 今井翔太 / 江間有沙 / 岡田陽介 / 工藤郁子 / 巣籠悠輔 / 瀬谷啓介 / 徳田有美子 / 中澤敏明 / 藤本敬介 / 松井孝之 / 松尾豊 / 松嶋達也 / 山下隆義

検定を受ける上でお勧めの参考書かと思いきや、最新版でないことに気づく。
問題集解いたら第3版買うか悩む。

正直ディープラーニングの技術を覚えていくのが大変そう。この本だけでは理解に至るのが難しそうだが、さわりを学ぶならちょうど良さそう。

人工知能は人間を超えるか

松尾豊

G検定を読めば、だいたい人工知能についての知識部分については、この内容が書いてあるため、わざわざ購入する必要はありませんでした。

私の場合は同じ本何度も読むのに抵抗がある性格なので、この本を安くする本で購入したことで、復習となり、記憶の定着に役立ちました。

しかし、著者の松尾先生の人生体験についてはこの本にしか書いていないので、興味深く、物語を読み進めるのが好きな方には、こちらの方がとっつきが良いと思います。

人工知能は人間を超えるか

松尾豊

人工知能と言われる技術の進歩、研究の歴史を分かりやすい語り口調で解説してくれる。なるほど、そういうことだったのか、と少しだけ時代についていけた気がした。