AI: Artificial Intelligence

1. 目次
2. はじめに
3. AIとは?
4. AIの歴史
5. これまでのシステム開発とAIの一番の違い
6. AIのデモサイト
7. 産業界におけるAI活用の事例
8. AIを支える技術
9. AIの現状とこれから
10. まとめ

はじめに

AIとは?

人間の知的能力をコンピュータ上で実現する、様々な技術・ソフトウェア・コンピューターシステム。応用例は自然言語処理（機械翻訳・かな漢字変換・構文解析等）、専門家の推論・判断を模倣するエキスパートシステム、画像データを解析して特定のパターンを検出・抽出したりする画像認識等がある。 (Wikipedia「人工知能」より引用)

AIの歴史

• 第1次AIブーム(探索・推論) 1956年-1960年代
• 1956年に「AI」という言葉が提唱された
• 1963年に「ニューラルネットワーク」が提唱された
• 1964年に対話型プログラム「ELIZA」が開発された(いわゆる人工無能)
• 簡単なルールを与えたら問題を解けたが、現実の問題は解けなかった
• 冬の時代到来
• 第2次AIブーム(知識表現) 1980年代-
• 大量のルールと大量の条件分岐による「エキスパートシステム」
• 日本政府「第五世代コンピュータ」プロジェクト
• 「人間は哺乳類である」といった「知識」を全て記述しようとしたが、膨大すぎて終わる見込みがなかった
• 冬の時代到来
• 第3次AIブーム(機械学習) 2006年-
• マシン性能の向上、大量のデータを集約したビッグデータの登場
• 2006年にトロント大学のジェフリー・ヒントン教授によって「ディープラーニング」が提唱された
• 2012年に画像認識コンテストで誤認識率15.3%で優勝。(前年度の優勝記録は25.7%)
• Googleが設計したニューラルネットワークがYouTube動画を学習した結果、猫を認識するようになった

• History of Deep Learning(YouTube)
• 人工知能の歴史(Wikipedia)

これまでのシステム開発とAIの一番の違い

• これまでのシステム開発では人が設計をして「ロジック」を作成する
• AIでは人は学習に必要な「データ」を作成し、機械学習によって「ロジック」を自動生成させる

ニューラルネットワークの設計

• 非常に難しい
• 一説には良いニューラルネットを設計できた人は世界で「50人」と言われている
• ちなみに、なぜディープラーニングが良い結果を出すのか説明できる人は世界で「0人」
• よって、ニューラルネットワークの設計はまだアカデミックの領域であり、GoogleやAmazonなどの一部のジャイアント企業を除き、産業界ではあまり取り組んでいない
• 産業界の大半では「ニューラルネットワーク」または「AIサービス」を利用するというスタンス

AIのデモサイト

• AI Experiments | Experiments with Google

産業界におけるAI活用の事例

• 画像認識
• BakeryScan
• トレイのパンを画像認識で識別し、合計金額を算出
• 
• 音声認識
• スマートスピーカ
• Google Home, Amazon Echo, Clova
• 
• 自動翻訳
• ili
• オフラインで使える音声翻訳機
• VoiceTra
• 日本国立の情報通信研究機構(NICT)が開発している音声翻訳アプリ
• OCCはミャンマー語の自動翻訳開発に参加
• 新聞記事(沖縄の企業が挑む　日本語音声→ミャンマー語に自動翻訳)
• Google翻訳
• 回帰分析
• ある変数と変数がどのような相関関係にあるかを推定する
• 回帰分析により例えば「今年までのデータ」から「来年のデータ」を予想することができる
• AIロボット
• 変なホテル
• ホテルの受付を AI ロボットが行い、フロント業務を無人化
• 
• ソフトバンクロボティクス Pepper
• 
• 画像認識+ドローン
• 沖縄総合防災訓練でドローン、運行管理システム、AI等を検証

AIを支える技術

• ハードウェア
• GPU (Graphics Processing Unit)
• 多数のコアで行列演算を並列処理するため、ディープラーニング等ではCPUよりもGPUが高速
• nVIDIA
• FPGA (Field-Programmable Gate Arra)
• 製造後に購入者や設計者が構成を設定できる集積回路
• GPUよりも低速だが消費電力が低いため、大規模なデータセンタで採用されている
• ASIC (Application Specific Integrated Circuit)
• 特定用途向け集積回路
• 低コスト化が可能
• TPU (Tensor Processing Unit)
• Googleが開発した機械学習に特化した集積回路(ASIC)
• Cloud API
• Google
• Google Cloud API
• Dialogflow(api.io)
• Amazon
• AWS
• Microsoft
• Azure
• IBM
• Watson
• Facebook
• Wit.ai
• docomo
• docomo Developer support
• プログラムライブラリ
• TensorFlow
• Cognitive Toolkit
• mxnet
• DL4J
• などなど
• ツール
• Neural Network Console by SONY
• Neural Network Console Cloud by SONY
• ニューラルネットワーク設計ツール
• Google Colaboratory
• 機械学習の教育や研究に利用できる研究ツール

AIの現状とこれから

• 画像認識や音声認識などの特定の分野で、AIが人間を凌いだ
• AIは「目」や「耳」の機能を獲得したが、「脳」や「心」の機能は未だ獲得していない
• 産業界では、画像認識や音声認識など成果のあった分野を自社サービスで利用している

技術的特異点（ぎじゅつてきとくいてん、英語：Technological Singularity）、またはシンギュラリティ（Singularity）とは、未来学上の概念の一つ。端的に言えば、再帰的に改良され、指数関数的に高度化する人工知能により、技術が持つ問題解決能力が指数関数的に高度化することで、（頭脳が機械的に強化されていない）人類に代わって、人工知能やポストヒューマンが文明の進歩の主役に躍り出る時点の事である。 (Wikipedia「技術的特異点」より引用)

最近のAIブームはハードウェア性能が向上したことで、大量の計算、特にGPUを利用した大量の「行列演算」を高速に行うことが できるようになったため起こっている。大量の行列演算をすることで、画像認識などは人間の認識能力を凌いだ。 しかし、これまでにも四則演算などは人間よりもコンピュータの方が遥かに高性能であり、第三次AIブームがそのまま AIのブレークスルー(シンギュラリティ)に繋がるかどうかは、現時点で明確になっていない。 誤解を恐れず簡単に説明するなら、昨今のAIは人間を凌ぐ「目」や「耳」の機能を獲得したに過ぎず、まだ「脳」や「心」の機能は獲得していない。

現時点(2018年時点)で確実なことは、これまで四則演算はコンピュータの方が人間よりも優れていたように、 画像認識や音声認識などの一部の分野では、コンピュータが人間を凌いでいるということである。 産業界においては、それらの特定分野の成果を活用し、より高度で効率的なシステムやサービスを提供することが使命になってきている。 現在(2018年時点)、産業界では「AIによる特定分野における成果」と「お客様の要件」をマッチングできる人材を如何に醸成するかが 課題になっている。

1. 目次
2. はじめに
3. AIとは?
4. AIの歴史
5. これまでのシステム開発とAIの一番の違い
6. AIのデモサイト
7. 産業界におけるAI活用の事例
8. AIを支える技術
9. AIの現状とこれから
10. まとめ