新米SE.com

仕事から趣味まで幅広く書きます

【備忘録】中西崇文氏の「シンギュラリティは怖くない」に参加してきました。

こんにちは、こめすけです。

先日、サポーターズで開催された中西崇文氏による「シンギュラリティは怖くない」というタイトルの講演会に参加してきました。非常に良かったので、備忘録として書いておきます。
★2018年10月15日に更新して、紹介頂いたサイトや動画のリンクを載せました。

あ、ちなみに今回はがっつり真面目なことしか書かないので笑

シンギュラリティは怖くない

中西崇文氏について

専門はデータマイニングとのことです。
データマイニングより活用するために、人工知能やDeepLearningを活用しているとのことでした。

今回の講演のタイトルでもある「シンギュラリティは怖くない」や、SoftwareDesign9月号に「ITエンジニアのための統計入門」というタイトル組まれた特集も監修されていたとのことでした。

AIについての見解について

レイ・カーツワルによると、AIは2045年には人類が予測できない域に達すると言われているらしいです。
そういった意味では、シンギュラリティはニア(近くまで)来ていると言われているそうです。


しかし、中西氏の見解としては、機械は人間より優れているから使われるのと同じで、AIもすでに一部は人間を超えているとのことです。
確かに、誤認率も人間が5.1%に対して、すでにこれより低くなっています。


だからこそ、AIは様々なところで使われており、シンギュラリティはすでに来ているとのこと。確かに!

Alpha Goの何がすごいのか

さて、ここでDeepLearningといったら切っても切り離せない、Alpha Go(囲碁)の話へ。実は自分もよくわかっていなかったんですが、当時のニュースで話題になったのは、着手の選択肢がチェスや将棋と比べて一番多いということだったが、実はこれは厳密には性格ではないとのこと!

実はValueNetworkという技術を使ったことが一番画期的だったらしいです。詳しく説明すると、囲碁をコンピュータにさせることの何がむつかしかったかというと、チェスや将棋はコマに意味(飛車・角つよ!とかね)があるのに対して、囲碁は黒と白の碁石しかなくて、場所や他の碁石との関係性によって強さが決まるということらしいです。

これを定量的に評価するために、碁盤全体を画像のように捉えて駒の位置で強さを判断するロジックを組んだものが、ValueNetworkらしいです。

さらに翌年に発表されたAlpha Zeroでは、盤面のデータを与えなくてよかったとのこと!これもニュースになりましたよね。

自分自身で学習データを作って学習することで、8時間程度で人間を超えるようになるらしいです。

こうした例を見ると、こめすけが日頃徹夜しながら行っているシステム構築も、AIによって自動で構築できるようになる日もくるんじゃないの?と思いました。

そもそもAI(人工知能)とは

ここで少し本題に入って、人工知能の話になりました。そもそも、人工知能は絶対的な定義がなく、学者さんによって定義が異なること。これは、有名なDeepLearningの研究者である松尾豊氏の著書である「AIは人間を超えるか」でも書かれていますね。

中西氏の人工知能の定義とは「人間と同じような思考プロセスを実現する技術の総称」だそうです。なるほど。

最近は一般の人にもAI(人工知能)という言葉が一般的になりつつありますが、AIには2つの立場があるとのことです。それが、「強いAI」と「弱いAI」。なんか、素粒子物理の強い力と弱い力みたい。

ここでそれぞれ書いてみると

- 強いAI
 人間の知能そのものをもつ機械を作るという立場
- 弱いAI
 人間が知識を使ってすることを機械にさせようとする立場

とのことでした。

例えるなら、空を飛ぶ機械を作ろうとした時に、鳥と同じ翼を持って羽ばたいて飛ぶ機械を作るとするのが強いAIを作る立場で、ライト兄弟に始まる現代の飛行機のように翼はあるけど実のところエンジンだったりプロペラで揚力を得て飛ぼうとするのが弱いAIを作る立場と考えればいいと思います。

あとは、例えば脳そのものを作るのが強いAIで、それを代替するものを作るのが弱いAIと例では出していました。こっちの方がしっくりくるかもですね。

また、用途についても2種類あるようで、

- 汎用型人工知能
 汎用的
- 特化型事項知能
 ある機能に特化して いる(AlphaGoのような)

とのこと。

そして、実は95パーセントの学者が研究している人工知能は特化型になるとのことでした。人工知能は汎用さを目的とされているとばかり思っていたので、5%しか汎用型の研究をしていないというのはかなり意外でした。

人工知能の歴史について

ここで話はさらに人工知能の歴史についての話になりました。
まず、最近話題になっているDeepLearningはあくまでも機械学習の中の1つでしかなく、さらに機械学習は人工知能の1つだそうです。
人工知能>機械学習>DeepLearning
(図だとわかりやすかったので、また図を描きますね)。

このような人工知能ですが、これまで3回ほどブームと呼ばれる時期があったそうです。これは結構有名な話なので、知っている方も多いのでは?


- 1960年代:第1次AIブーム
 ・推論、探索(トイモデル)
- 1980年代:第2次AIブーム
 ・エキスパートシステム
 ・if then的なルールを作りまくるイメージ
 ・大変だしコストがかかることからやがて下火に
- 1990年代〜2000年代は冬の時代
- 2014年ごろ〜:第3次AIブーム(イマココ!!)

ここで重要なのは、なぜここに来て急に長い間下火になっていたにも関わらず、ブームになったのか、ということだそう。

それは、スマホなどのデバイス(とそれを使う様々なアプリケーション)が普及したこともあり、データ流通量の急激な伸びがあったため、これを活用する手法が模索され、それが第3次AIブームを呼んでいるということでした。

そもそもビッグデータとは

このように、AIとビッグデータは切っても切れない関係にあるのですが、そもそもビッグデータとはどのようなデータでしょうか。ビッグデータと普段気にせず使っていますが、ビッグデータの厳密な定義は3つのVが揃っていることとのことでした。

それが、
 ①Volume
 ②Velocity
 ③Variety
の3つとのことでした。(これ、重要!)

このように、最近ではITに詳しくない人でも通じるようになったビッグデータですが、スマートホンの普及により、様々な種類の膨大なデータがリアルタムで取得、処理できるようになりました。
これによって、データが実世界を表すだけに十分な解像度を手に入れたということらしいです。

このようにして、データ・ドリブンで社会の事実を捉えることができるようになり、俯瞰的に観測できるようになったと言います。
さらに、そのためのツールとして、AIがブームになったと言います。

本当にAIは必要なのか

このように発展してきたAIですが、ここで、本当にAIは必要なのか、という話になりました。

そもそも、人間と他の動物との大きな違いは「知識を伝えることができる」ことだという話になりました(おっと唐突)。確かに、簡単なコミュニケーションであれば、他の動物たちもしてますよね。
つまり、人間の進化とは、知識の共有方法の進化と言えます。

この知識の伝達方法の進化について歴史を振り返ってみることになりました。(各ツールについての時代も説明されていたのですが、メモを忘れていました。時間を見つけて細くしておきます)。

1. 言葉
 基本的な知識の伝達ツール
2. 文字
 書き残してあれば、後から知識を得ることができる
 つまり非同期なコミュニケーション
3. 紙の発明
 知識を持ち運ぶことができるようになった
 知識のモバイル化
4. 活版印刷
 知識を拡散できるようになった
 知識のブロードキャスト

ここまで--------人間どうしで知識の共有
ここから--------人間以外のもの(つまりコンピュータ)と知識の共有(そのための手法がデータ)

5. コンピュータの発明
 そのデータをうまく処理するための方法が必要で、それがまさにビッグデータであり、AI

ここで面白い話がありました。
数年前まで、世界の時価総額1位の企業は石油企業でした。しかし、現在では、世界の時価総額上位企業はは軒並みIT企業になっていました。
これはつまり、データは現代の石油になっているに等しいと言えそうです(あくまで例えですが)。

「Data is new Oil」と調べると出てくると思います。

つまり、AIは今後現実世界を流れる超膨大なデータを扱うためのツールとして、なくてはならないものになると言えそうです。

科学(サイエンス)のあり方にも変化が

こうした流れは、科学のあり方も変えているらしいです。

- 経験科学
- 理論科学
- 実験科学
- 計算科学
- データ中心科学

という形で現代はデータ中心科学の時代になってると言います。これは、数年前に大学で計算科学を専攻していた身としては思うところがありました笑。

では、計算科学とデータサイエンスの違いは何でしょうか。

経験科学〜計算科学までの時代では、モデル(公式、ルール、定式化)ありきでした。つまり、人間がいろいろ考えてモデルを考えたモデルを使って、研究が勧められてきました。

これは、モデル⇨データの流れです。

では、データ中心科学ではどうでしょうか?
ここでは、既に大量のデータはあるので、そのデータからモデルを作るアプローチをします。
つまり、データ⇨モデルの流れです。

そのためのツールが、統計であり、人工知能(AI)ということでした。

実際、最近の研究では、なぜその結果になったのかという根拠はわからないが、モデル化できた(つまり理論の部分はブラックボックス)という論文が増えて来たそうです。

この時、将来一番なくなる職業は研究者かもしれないという話をされていました。データさえ大量にあれば、モデルを自動で作れるようになれば、確かに必要な研究者の数は少なくなるな、と思い、非常に興味深かったです。

つまり、研究者がマインドチェンジしないといけないとのことでした。これは、耳が痛いですが、我々SEも同じかもしれないですね。

データと時代の変遷について

しばらく歴史の授業のような内容が続きますが、これはAIというものを理解するためにとても大切なプロセスに感じました。

このように、現代において”データ”は非常に重要なファクターなんですが、そのデータの扱いについても時代と共に変遷があったと言います。

それが、データのストック(蓄積)とフロー(流れ)だそうです。それぞれ、データを扱う媒体とその扱い方は以下のようになっています。

- 新聞時代(ストック)
 新聞にデータが蓄積されるので、新聞を見に行く必要がある
- テレビ(フロー)
 データが流れているのでキャッチすれば良い。
- パソコン時代(ストック)
 WEBサイトにアクセスしにいく
- スマホ時代(フロー)
 様々な情報が流れている

これを整理すると、
ストック:保持されているもの自体の意味を考える
フロー:時事刻々と流れるものの差異の意味を考える
ということになるとのことです。

ここで重要なことは、ストック型じゃないと全体集合が考えれないということです。数学で扱う確率の問題でも、全体集合が定義されていますよね。このように、全体集合を考えるには、全体が定義されている(不変)必要があります。

しかし、フローの時代では、データは時事刻々と流れていくので、全体というものが捉えにくくなっています。だから、フローの時代では差異を検知することが非常に重要になってくるのだそうです。

こう考えると、今後はもう一度ストックの時代がくる?とこめすけは思いました。ハードウェアとソフトウェアも交互になっていて、しばらくはソフトウェアがもてはやされた時代でしたが、最近ではドローンやPersistent Memoryなどの登場で再びハードウェアが注目されている時代になってきてますし。(データの仮想化技術、なんてのもありましたよね)。
ということは、どこにストックされるのかと考えたのですが、わかりませんでした笑。エッジコンピューティングとして、エッジが持つのだろうか...?うーん、もっと勉強が必要ですね。

データの重要性について

ここで、再度データの重要性について強調されていました。データスフィアは現代世界で起きていことの写像とみなすそうです。難しい表現すぎて完璧には理解できませんでしたが、「データを大量に集めて分析することで、これまで勘やコツと言われていたことを出来るようになるかもしれない」ということだそうです。

タクシーの例(売上の多い運転手の行動とは)

中西氏がタクシーを運営されてる会社と共同でされたプロジェクトの紹介がありました。

タクシーの「ながし」の売り上げのが高い運転手さんの行動パターンをデータを元に分析されたそうです。

結果として、これまでは、長距離のお客さんを運べば1回で大きく稼ぐことが出来ると考えられていましたが、この実験で実は近くのお客さんを高回転率で乗せた方が儲かる(実際に高い売り上げを出している運転手さんはこうしている)ということが分かったそうです。

だから410円区間が出来たそうです。
つまり、みんながこのノウハウを実施出来れば、各個人の売り上げが上がり、タクシー会社としての売り上げも高まるということですね。

NVIDIAの例

GPUを開発・販売している会社であるNVIDIA社では、ゲームで培ったグラフィック技術を使って、本物のようなグラフィックを使って、学習させることに成功させたとのことでした。

これまで自動運転の実験をするためには、道路を走らせる必要があり、それは当然お金もかかり、何より事故のリスクがあったのですが、そうしたものから解放されるということになります。

調べてみたのですが、上手く見つけれなかったので、参考の記事のみ載せておきます(公式です)。

www.nvidia.com

実は先日GTC2018に参加してきたのですが、そこでも大々的に取り上げられていましたね!もはや教師データは必ずしも現実世界である必要はなく、仮想世界で用意出来る時代になりました。すごい時代だと思います。完全に自己学習ですよね、SFだ...!!!

そのほか、いろいろな例を紹介頂きました。

Google Waymoの例

これは紹介頂いた動画を探せなかったのですが、自動運転を進めているWaymoはとにかく各地を運転して、自動運転のためのデータを取得しているそうです。

waymo.com

Yolo v3の画像認識

これも画像認識の紹介動画。2017年でもっとも素晴らしい画像認識と言われているらしく、非常に精度よく認識できています。 これはぜひ見ておくと良いと思います。
たまに鳥を犬と誤認したりしているのが可愛いですねwww

www.youtube.com

Google Quick Draw

またGoogleの例ですが、機械が人間の書いた絵を当てるというもの。お遊びチックで面白いですが、コンセプトや技術は非常に高度かつ重要なものだと思います。

quickdraw.withgoogle.com

このようにAIを使った様々な取り組みが世界各地で行われています。

デジタルツインとは

また、デジタルツイン(現実世界の写像)という壮大な計画もあるという話もありました。

現実世界のデータを集めて、現実世界を模した仮想世界を作り、さらに様々な仮説検証を元にしたフィードバックから、モデルを書き換えて最適化していくというものだそうです。

ここまでくると本当にSFの世界ですよね。 少し世代の古いこめすけは、スターオーシャン3みたいだな、と思いました。これ、伝わるかな笑??

さて、デジタルツインが出来ると何がいいのか、ということですが、現実世界の生産活動から、データを取得し、モデルを生成して、意思決定ができることだそうです。

これからの産業について

次に産業の話になりました。

唐突ですが、現代は既に第4次産業革命に入りつつあるそうです。
どういうことかというと、第4次産業革命はカスタマイズ生産を最適化することだそうです。

のもづくりの変化

これまでの大量生産から、多品種、少量生産の時代になっていくであろうとのことでした。これはZOZOの前澤氏が進めているZOZOスーツが良い例ですね。
まさに、今求められているのはダイバーシティだということです。

IoTが起こすビジネスモデルの変化

さらに、スマホや様々なアプリの進化によって、これまで買ってもらったら終わりだったのに対して、これからは「もの」が買われた後にどうやって使われているかを知ることができるということが大きな変革をもたらすと言います。

シェアエコノミーなどはまさにその好例とのこと。

また、ものの作り手も変わってきており、文章すら人工知能が書く時代になっているとのこと! 

こうした良い例として、人工知能が作った映画の例も紹介されていました(内容がエグいらしく、投影はされませんでしたが。自分もまだ怖くてみてません笑。興味がある方はぜひ)。

その他の事例紹介

その他、書くと切りがないので、簡単な紹介のみに留めますが、AIを活用した様々な取り組みを紹介頂きました。
どれも非常に興味深く、また面白いものばかりなので、気になった方はぜひググって詳しく調べてみるといいと思います。

CM好感度の測定システム

文字のCM案だけで、そのCMに対して好感度を持つ性別や世代を調べることができるそうです。

企画の選定、意思決定ができるとのこと。

逆に好感要因から語彙導出もできるらしいので、狙ったターゲット層にヒットする普通は思いつかないようなキーワードを導出して、CMに組み込むことも可能になったとのことでした。

ITOKIのオフィスソリューション

ITOKIさんという家具メーカーのオフィスソリューションの例でした。

会議室での会話データに着目し、データ分析するというビジネスモデルなのだそう。

会議で行われている活動は4つに分類出来るそうです。

それが、合意形成、深掘り、停滞、探索なのだそうです。

そして、会議の行われている時間帯と、その分布(停滞なのか、合意形成なのか)などは相関があるらしいとのことです。

こうしたデータをもとに、ファシリテーションロボを導入し、会議が停滞気味になったら、「そろそろ会議やめませんか」的な音頭をとってくれるとのこと。
面白いですね、ぜひこめすけの会社にも導入してほしいです笑。

SAKAWAの学習サポートツール

Sakawaさんという黒板のシェア1位の会社のAI学習システムの紹介もありました。
Josyu(ジョシュと読むらしい)と言うそうです。

先生が発したキーワードを解析して、黒板に表示したり、関連する事柄を表示してくれたりと先生のサポート(まさに助手!)してくれるシステムみたいです。
福祉学校などでも使えるのではないかと、様々な声がかかっているとか。

こう考えると、どの企業も必死というか、AIをいかに使うか、を考えて遅れを取らないようにしているかがわかりますね。

Automatic Music Composing System

これは、「楽しい」、「怖い」などのイメージを入力するとそれに準じた音楽を作曲してくれるというシステム。

なんと人の名前でも作曲することが出来て、このデモはとても盛り上がっていました。

著作権について

AIの時代では、著作権についてもしっかりと知識を持って、理解しないといけないそうです。

ちょっとこの辺りは、正確ではないかもしれないので、各自で調べて頂きたいですが、概ね、

- 訓練データは著作物ではないが、ゆるい。ただし、メタデータは扱いは微妙なところ。今後、法整備が進むかもしれないとのこと。

- 入力データは著作物である場合がある。

- 出力データはAIが作成したものには、著作権は発生しない。

つまり、先ほどの音楽作成システムでAIが作曲した曲は、著作権が無く、自由に使っても良いとのこと。なんか、意外ですよね。

ただし、このあたりは国によって異なるらしく、今後扱いが変わる可能性は十分あると思うので、アンテナを張っておく必要がありそうです。

今後、人が作ったのか、人間が作ったのが曖昧になるので、こうしたことを考えることが重要と仰っていました。

AI時代にどう立ち向かえば良いか

これまでの話を踏まえて、エンジニアとしてAI時代にどのように立ち向かえば良いかという話をして頂きました。

一番大切なことは、「新しい技術にキャッチアップ」することだそうです。
そのためには、「様々なコミュニティに参加していく」ことのが重要だそう。

ただし、すべてをキャッチアップすることは当然不可能なので、取捨選択する必要はあります。その時に重要なキーワードが、「新規性」です。

つまり、以前の技術との「差分」を意識しましょうということでした。
確かに、初めての技術はとっつきにくいですが、少しでも自分が知っている技術に近い技術だととっつきやすいですし、習得も早いですよね。

そして、さらにもっと大切なことは、実際に使える技術を使いながら学ぶことだそう。
とくに最近はOSSという形で誰でも無料で使える環境が整っているので、まずは基本的な例だけでもいいので、物を作ってみることが大切とのことでした。

技術の変遷は早い

さらに、技術の変遷は早い、ということも合わせて強調されていました。

ただ、技術の変遷が早いと言うのは今に始まったことではなく、100年以上前でも技術の進歩はとても早かったそうです。よくジジご年配の方が、最近の技術スピードには付いていけない、と良く言っているので、これ意外ですね〜。

そして、歴史的に見ても、大体7年で技術は置き換わるそうです。なので、ずっと新しい技術にキャッチアップしていくことが大切とのこと。

これは言うのは簡単ですが、大変そう。「Life Shift」が頭に浮かびました。

こうした根拠として、現代は動的なコミュニティがこれからますます活発になると言います。それぞれのコミュニティでは、重要とされるタイプが異なるそうです。

- 固定的なコミュニティ(ザ大企業)
 ジェネラリストが重要
- 動的なコミュニティ
 エキスパートが重要

つまり、様々なコミュニティを渡り歩くことが非常に重要となるそうです。

ちょっと話が逸れますが、ここから少し自分がこの話を聞いたときに感じたことのメモです。前回、落合氏の講演を聞いたときに、30代までは自分の軸を集中的に習得し、それ以降はいろいろな方向に広げて行くことが大切だと言っていました。今回の講演を聞いて、なるほどと思いました。

30代くらいまでは、不変的な技術(プログラムはなぜ動くのか、とか、ICP/IPの仕組みとか)などの基礎を実務を絡めながらしっかり固めて経験を積んで、それ以降はベース(自分の軸)を元に、様々な技術やスキルを得ていくことではないかと思いました。

質疑応答

いくつかあったけど、ちゃんと文脈を追って理解できたやつだけに絞ります。すいません。

まずは触れてみるべきとのことでしたが何かおすすめの題材はありますか

Pythonをやるのであれば、サンプルはあるのですぐにできるよ。触ってみるといい。それを少し変えるだけで、自分ごとにできる。

そういうことをやるだけで、以外とビジネスに使えることができるかも。

第3次AIブームにも冬に時代は来るのか、またどうしたら冬の時代を防ぐことができますか

今のAI技術は認識する技術が多い。その後の文脈や推論するところまでいくか?がポイントだと考えている。

国際会議では、「もうディープラーニング飽きたよね」と言われてきている。

結構い話だったのですが、質問してたお兄ちゃんのMAC BOOKがクリアケースつけててかっこいいな〜と思っていたらメモが適当になりました笑。

汎用人工知能はできると思いますか

汎用になるには、限られた中で成り立っていることを破綻させることができるかがキーポイントで、ここが難しいと考えてる。

今後のエンジニアはどうなると思いますか

人工知能が答えを出してくれる時代はくる。それを如何やって使うかを判断できるエンジニアになることが出来れば、逆にもっと高レベルな仕事ができるようになると考えてる。

要はメタ化する力。

感想

名前だけは知っていましたが、著書も失礼ながら読んだことがなかったのですが、講演内容は非常に濃く、また参加者の質問に対しても丁寧に回答されていて素敵な方でした!!

ただ、やはり前回や前々回の落合陽一氏やまつもとゆきひろ氏に比べると、知名度の違いか参加者がとても少なかった(50名程度?)のが残念でした。

聞いていて思ったのですが、やはりAI自体は意思決定のサポートツールなんだと思いました。だからこそ、それ自体で仕事が無くなったりする可能性は低いですが、そのツール(AI)をうまく使いこなすことが出来なければ確実に自分の価値は下がるなと感じました。

逆に言うと、うまく使いこなせることが出来れば、自分の価値は高まりますし、社会をよりよく出来る可能性もあるのかな?  

先日、ちょうどガートナー社から、AI(とブロックチェーン)が幻滅期に入ったというニュースがあり、しばらく冬の時代になるかもしれませんが、これからもご活躍してほしいと思いました!

※そして内容の記載にもし間違いがあれば、どんどん指摘ください!!笑

また、武蔵野大学でAIの講座を開催されるそうです。もし興味のある方は参加してみてはどうでしょうか?有料ですが。  

いじょうっ!

みなさんも人生変えたかったら勉強しよう!