●「人工知能」ブームに乗り遅れた!という方々に捧げる人工知能(機械学習)まとめ

C:技術で/技術が/技術を(ICT:社会・法・制度論と技術文化論)

●「人工知能」ブームに乗り遅れた!という方々に捧げる人工知能(機械学習)まとめ記事 http://tjo.hatenablog.com/entry/2016/05/15/130000
現在巷で「人工知能」としてもてはやされているもののコアにあるのは概ね機械学習、自然言語処理、画像認識、音声認識、データマイニングあたりの分野。

世の中で今もてはやされている「人工知能」の多くは基本的には「弱いAI」。つまりマッチングに代表されるような、「機械学習をコアとする関連技術群」。
「強いAI」へ向かうためのキーコンセプトが、「ディープラーニング」。

Deep Learningはデータセットが大きければ大きいほどその真価を発揮しやすい機械学習(人工知能)で、それを支える強固なITインフラ基盤が必要。従って、AWS, Azure, GCPなどのクラウドコンピューティングサービス上で動くものであることが多い。
さらに「ディープラーニング」が深化すると、「人工知能がヒトの知性を上回る『シンギュラリティ』(Singularity: 技術的特異点)という事態を迎える」ということも、ホットな話題になっている。

●ロボット女子の飲み会に潜入! シャープのロボット携帯電話「RoBoHoN(ロボホン)」は女子にウケるのか? http://robotstart.info/2016/05/12/robohon-with-robot-girls.html

頭に内蔵されているプロジェクターをつけると、誰に見せてもとてもウケます」

●人工知能はビジネスをどう変えるか 「ヒト・モノ・カネ」から「ヒト・データ・キカイ」へ  http://www.dhbr.net/articles/-/3551
狭義には、「情報科学、データ、情報処理力の3つを掛け合わせたもの、すなわち機械学習、自然言語処理など必要な情報科学を実装したマシンに十分な学習を行ったものをAI」という。

「深層学習を含めたAIが広まることによって、人間の知覚能力、認知的な仕事が劇的に機械にサポートされるようになる。我々は歴史的な変曲点に立っている可能性が高い」。
ただ、いかにこれまでにない変化が起きているといっても、AIは知性のすべてをカバーするわけではない。AIの全体像を把握するには、AIができないことを認識することが欠かせない。列挙すると、
1.AIには意思がない
2.AIは人間のように知覚できない
3.AIは事例が少ないと対応できない
4.AIは問いを生み出せない
5.AIは枠組みのデザインができない
6.AIにはヒラメキがない
7.AIには人を動かす力、リーダーシップがない

●AI・ロボットと共生する社会 http://www.slideshare.net/MikiYutani/uec201656
「AIは,本当に知能のある機械である強いAIと、知能があるようにも見える機械、つまり人間の知的な活動の一部と同じようなことをする 弱いAIとがあります(人工知能学会 https://www.ai-gakkai.or.jp/whatsai/AIresearch.html  )」。
AIは人間の知的な作業を代替・拡張する。まずはAIの得意なことだけをAIがやればよい。だからAIが雇用を駆逐する、といった議論は当面問題にならない。

ただ今後、ioTとドッキングすることで、「主体性」を獲得する可能性はある。

●「AI用トレーニングジム」を、OpenAIがオープン http://wired.jp/2016/05/02/openai-gym-train-atari-games/
AIシステムに、さまざまなゲームや課題を練習させることができる「ジム」の公開。つまり、開発者が自らのAIをテストできる「環境」が提供された。

うんと初歩的なものであると、「囲碁のようなボードゲームや、機械学習システムが「歩き方」を理解するための物理シミュレーションのほか、車に坂を上らせたり、カート上の棒のバランスを取ったりといったAIの古典的な訓練シナリオが用意されている」。
(サイト: OpenAI Gym https://gym.openai.com/

●グーグル、オープンソースの自然言語フレームワーク「SyntaxNet」をリリース http://japan.zdnet.com/article/35082535/
Googleが、「Google Now」の音声認識機能など、同社の自然言語理解(Natural Language Understanding:NLU)システムの基盤を公開した。具体的にはこのモデルのトレーニングに必要なすべてのコードと、基本的にSyntaxNet用の英語プラグインであるParsey McParsefaceのリリース。

●アマゾン、ディープラーニングライブラリ「DSSTNE」をオープンソース化 http://japan.cnet.com/news/service/35082475/
人工知能関連のオープン化、4つ目の事例に。これまでの3事例とは:Googleが2015年11月にTensorFlowをオープンソース化。Facebookも2015年初頭に、独自の機械学習および人工知能(AI)関連のツールをオープンソースコミュニティーに公開。非営利のオープンソースAI研究プロジェクト「OpenAI」は「OpenAI Gym」を開発、オープンソースのコードを公開、これはAIシステムに、さまざまなゲームや課題を練習させることができるようにした
一方アマゾンは「ディープラーニングの可能性を、言語の理解やオブジェクトの認識などの領域にとどまらず、検索や推奨などの分野にも広げられるようにすることが目的だ。世界中の研究者が協力し、一層良いものとなるようにしてもらいたいと考えている」。
(サイト: GitHub - amznlabs/amazon-dsstne: Deep Scalable Sparse Tensor Network Engine (DSSTNE) https://github.com/amznlabs/amazon-dsstne

●「Siri」の開発者による次世代音声認識AI「Viv」は複合的な質問にも対応可能 http://gigazine.net/news/20160510-viv/
Siriの開発者が複合的な質問を理解できる新しい音声認識AIを開発。

Siri開発に関わっていたチームの3分の1がSiriの機能に関してAppleと意見が分かれたためにAppleを離れて、2014年8月ごろから本格的にViv開発をスタートさせていた。

●人工知能を自社ビジネスに活かすには、「レーズンパン人材」の採用がカギ http://www.dhbr.net/articles/-/3577
「工知能ビジネスとは論文をIRに変える脚本と演出で、経済界と科学界をドライブするビジネスである」。

いかにビジネスモデルをつくるかというプロセスのフレームワーク=ビジネスモデルのつくり方のつくり方、が重要。
「経済界を「パン」、科学界を「レーズン」とすると、人工知能“劇場”が手がけるのは「レーズンパン」だ。パンはパンだけでも美味しいし、レーズンもレーズン単体で食べることができる。ただ、両者を融合することによってより魅力的なレーズンパンをつくるのが人工知能“劇場”の役割」。

一方でオニギリ型は、「中央研究所」という具材が中心に埋め込まれており、ご飯と具材の距離は遠い。