●どんなに優秀な人間でも読み書き、学習するスピードと対象の広さには限界がある

C:技術で/技術が/技術を(ICT:社会・法・制度論と技術文化論)

●ロボットタクシーは地域の「足」になれるか? 2020年の運行開始を目指す http://thepage.jp/detail/20160215-00000004-wordleafv
過疎化・高齢化する地域の「足」になることをビジョンに掲げる無人タクシーの実現に、期待する地方自治体。
「地域の足ともいうべき公共交通網が縮小しつつある。平成26年度国土交通白書によると、平成19年度以降で、路線バスは約10,206km、鉄道は約186kmの路線が廃止されている。過疎化の進展と自家用車の浸透で輸送人員が減少すると、事業者は減便、撤退を余儀なくされる。また、タクシー会社は乗務員の確保が難しい傾向にあり、車両を増やして輸送能力を高めることは困難なケースが多い」。

●コネクテッド・カー市場の可能性--DeNA、ソラコム、ガリバーが語る http://japan.cnet.com/news/business/35078225/
クルマの稼働率は約3%しかない。「今後は自動運転やカーシェアリングなどによって、より生産台数が減るだろうと予想。そうした状況でも変わらないのは消費者の“移動体験”」、移動ニーズ
その一方で、「1台が走って生み出すデータ量はすごい。また、IoTの課題は電源だがクルマのバッテリは無限大なので心配がいらない」。

●アメリカのタクシー配車サービス「Uber」は日本で普及するのか http://news.livedoor.com/article/detail/11212607/
「タクシー配車サービス「Uber(ウーバー)」を使ってみた。使い方は簡単で、現在地がGPSで出てきて、目的地を入力しOKを押すと、

・今いるところにタクシーが何分くらいで到着するのか
・目的地まで何分で、いくらで行けるのか
・どんな顔や名前の運転手がくるのか
・どの車種でくるのか

という情報がすぐに明示される」。

●交通ジオメディアサミット ナビタイムジャパン データが明かす公共交通の実態 http://www.slideshare.net/KoheiOta1/20160212-58182257
ナビタイムは、ナビサービスで培ってきたデータや技術を生かして交通・移動に関するデータ提供や分析を行う事業で、バス網の実態や混雑予報、交差点ごとの信号待ち時間の分析、訪日外国人の動態などさまざまなデータを提供している。


●インターネットやスマホは地方の公共交通をどこまで便利に出来るか http://www.slideshare.net/niyalist/ss-54347429
ユビキタス・コンピューティング、地理情報システム(GIS)技術で公共交通の情報化から全く新しい空間情報システムを作り出せるはず。


●箱根・大涌谷でドローンが火山活動の調査開始 http://techon.nikkeibp.co.jp/atcl/news/16/021700682/
神奈川県は、2016年2月に火山活動のあった同県箱根町の箱根山・大涌谷周辺の火山調査のためのロボットを投入し、ロボットやドローンを用いた調査の様子を動画で公開した。

●ついにはじまる、グーグル「Sidewalk Labs」の都市革命 http://wired.jp/2016/03/05/sidewalk-labs/
サイエンスを通して都市生活を変えていくリサーチプロジェクト「Sidewalk Labs」。サイドウォークチームは米国運輸省の「Smart City Challenge」にもかかわっている。
人間の認知能力の限界に由来する、課題解決のむずかしさが、人工知能の学習能力により乗り越えられていく。
「都市計画を担当している人は、実のところテクノロジーを理解していないのです。そして技術者も、都市というものを理解しきれていません」。

●グーグル、写真から場所を特定するAI「PlaNet」を開発 http://japan.cnet.com/news/service/35078549/
「研究チームは「Google+」から取得した、ジオタグ(Exifの位置情報)データや画像メタデータを含む大量の画像データセットを使って、畳み込みニューラルネットワークに学習させた」。
過去の取り組みは画像検索の問題でしかなかった。しかしGoogleのニューラルネットワーク・アプローチは「この作業を分類の問題として扱っており、天候パターンや植生、路面標識、建築物の細部など、複数の視覚的手がかりを使って、正確な位置を特定することもある」。

●人工知能について今知っておくべき10の事柄 http://gigazine.net/news/20160226-artificial-intelligence-ten-things/
「人工知能」と聞くとSiriやGoogle Now、Cortanaなどを思い浮かべるが、実際のところ、掃除機からテレビゲーム、ハリウッド映画における特殊効果にまで、さまざまなところで人工知能はすでに利用されている。つまり「人工知能が世の中に広がりだせば、すぐに誰も『人工知能』と呼ばなくなる」。
一方どんなに優秀な人間でも読み書き、学習するスピードと対象の広さには限界がある。ところが人工知能がひとたび学習を始めると、人間の認知能力の限界を軽々と越えていく。だから、「AIコミュニティのうち半数は、2040年の人工知能は人間よりも賢いと信じている」。


哲学者のニック・ボストロム氏は著書である「Superintelligence: Paths, Dangers, Strategies」の中でスーパー・インテリジェンスAIを「oracle」「genie」「sovereign」の3タイプに分類
oracleは質問に対して極めて正確に解答するもので、genieは命令されたことを実行し、実行し終わると次の命令を待つもの。そしてsovereignは目的を達成するために何がベストかを自分で決定する、いわば全権委任型です」。


●IBM、「Bluemix」上で開発者向けブロックチェーンサービスを提供へ http://japan.zdnet.com/article/35077990/
ブロックチェーン技術はデータの改ざんが極めて困難であり、Bitcoinのような通貨を支える需要と供給が現実に存在している。下記は、ブロックチェーンが企業の台帳システムを実現するうえでどのように機能するのかを示した図。

●IBMとみずほ銀行、Watsonとロボットの融合による新たなおもてなしへの挑戦 https://iotnews.jp/archives/13561
一般に活用されているロボティクス技術で操作できる商用ロボットは、特定の用途に特化。
ところが、「今回の取り組みは、共通ロボティクス基盤を活用することで、人とロボットの円滑なかかわり合いを促進することに加え、複数のロボットの連携を可能にする。また、この共通ロボティクス基盤を通じIBM Watsonと連携したロボットは、音声認識、画像認識、自然言語解析、感情洞察などのコグニティブなアプリケーションを活用することができる」。

●人工知能と“コグニティブシステム”は目指すゴールが決定的に違う http://japan.zdnet.com/article/35071682/
弱い人工知能と強い人工知能という言い方をする場合の前者が「コグニティブシステム」。
「医師が持っているスキルは高いものがある。多くの論文を読み、学習をして、知識を蓄積する。この勉強をさまざまな人ができるようになり、すべての医師が最高のスキルを共通に持つようになったらどうだろうか。これを実現するのがコグニティブシステムである」。
「AIは科学分野における技術であり人間ができることのイミテーションを目指している。一方、コグニティブシステムは人間が中心。人がより良い作業が行えるようにサポートするもの」。

ただしところで、「優秀な医師でも、年間200本の論文を読むのが精一杯である。しかし、実際には毎年何十万件もの新たな論文が発表されている。IBMが提供するコグニティブシステムのWatsonは、すでに2000万本の研究論文を読み込んでいる。人間にはこれだけの量を読むことができない。Watsonはこれらの知識を蓄積しており、人間だけでは解決できないものを人間と一緒になって解決する役割を担う」。

●スマホ診療、事実上解禁 外来「7割不要説」も http://www.nikkei.com/article/DGXMZO97275590V10C16A2000000/
米国の「「CliniCloud」は、スマホに接続することで心音、肺音、体温という基本的な健康データがスマホ上およびクラウド上に記録され、必要に応じてインターネットを通じて医師と共有し、遠隔医療サービスを受けられる
・CliniCloudが提供するデジタル体温計(左)とデジタル聴診器

さらに、CliniCloud(1万7千円程度)を購入すると、「Doctor On Demand」という名称の遠隔医療サービスの1回無料診察クーポンが付いてくる。背景には医師不足がある。「米国医師会の推測では、オンラインによる医療サービスを充実させることで、外来診療の70%が不要になるという」


●人工知能をマーケティングに導入できる時代へ。専門家に聞く、その効果と導入プロセス http://markezine.jp/article/detail/23855
これも、弱い人工知能、コグニティブ・システム。

「弁護士などの専門家が、膨大な文書データやメールなどから証拠を検出するお手伝いを、独自のAIエンジン「KIBIT(キビット)」によって行っている」。
領域としては法律に加え、医療や知財、さらにマーケティングにも。
「Webはログデータと同様に、テキストデータの宝庫でもあります。ログを解析して行動を予測するようなソリューションは出てきていますが、人の趣味嗜好や考えが凝縮されている自然言語(テキスト)を専門的に解析できるAIは、当社以外にほとんどありません」。
まずは目的を明確化すること。それにより、人工知能に学習させるべき対象が決まってくる。

●外国人が検索した地図の履歴を解析できる新ツール、来店前の行動把握が可能に http://www.travelvoice.jp/20160226-60556?fb_action_ids=10154141356436842&fb_action_types=og.recommends
地図は英語・中国語(繁体字・簡体字)・韓国語の4言語に対応しているほか、案内標識と比較できるように日本語を併記する工夫も施した点が特徴だ。駅や住所から特定場所を検索できるツールも。
同時にそのログの解析ツールも準備している。「導入した多言語地図に対するアクセス履歴を可視化する。これにより、たとえば店舗を探すユーザーが「どこで」「いつ」「どういったワードで」地図を検索するかを把握・分析できる」。

●loghouse https://log-house.jp/
loghouseは単純なwebアクセス解析とは違い、アクセスログの意味やユーザーの興味関心にフォーカスしたビジュアライズを行う。
直感的なグラフィックとシンプルなユーザーインターフェースで誰でも簡単にユーザーの位置情報とwebアクセスのログが可視化・分析できるツールです。エリアごとの偏りから地域特性を導き出したり、既にある仮説の検証や効果測定に使える。