人工知能（AI)（その1）最強棋士を超えたAIとその意味 [科学技術]
今日は、人工知能（AI)（その1）最強棋士を超えたAIとその意味 を取上げたい。
先ずは、野村総合研究所上席研究員の古明地俊氏が3月11日付け東洋経済オンラインに寄稿した「人工知能｢第3の波｣､囲碁でも人間に勝った！自ら学習し､課題の解決を可能にした新技術」を紹介しよう（▽は小見出し）。
・これから5年後にかけて、情報技術はどのように進化していくのか？新たなビジネスを生み出し、適切なIT投資を行うためには、将来重要となる技術を早期に見極める「目利き力」が欠かせない。
・『ITロードマップ2016年版』を上梓した野村総合研究所（NRI）の古明地正俊氏が、3度目のブームを迎えようとしている人工知能（AI）について展望する。
・ディープラーニングに代表される機械学習手法の実用化と、それを支える画像やテキストなどのビッグデータの増大が、人と同じように考え、学習する「汎用人工知能」の実現に向けた取り組みを加速させている。
▽人工知能が囲碁でも人間に勝利した
・2016年3月9日、歴史的な「事件」が起きた。米グーグルが買収したDeepMindが開発した「AlphaGo」が、世界トップレベルのプロ囲碁棋士、イ・セドル九段（韓国）を打ち負かしたのだ。
・チェスや将棋ではすでにトッププロと互角以上の実力に達していた人工知能だが、手数が圧倒的に多く複雑な囲碁では、そのレベルに達するのはまだまだ時間がかかると思われていた。しかしグーグルは今年1月27日、「AlphaGo」が欧州チャンピオンのプロ棋士（二段）と対戦して5戦全勝したと発表。3月9日の「トッププロ」との戦いに注目が集まっていた。
・なぜ人工知能は、人々の予想を遙かに上回るスピードで進化しているのだろうか。 ここでは、「ディープラーニング（深層学習）」に代表される先進的な機械学習手法の実用化によって、「汎用人工知能」の実現に向けて進化を始めた、第3期の人工知能ブームについて概観していく。人工知能は、どこまで人と同じように考え、学習することができるようになるのか。
▽機械学習技術の集大成 IBM「Watson」の商用化
・機械学習とは、明示的にプログラミングをすることなく、コンピュータが経験（データ）によって知識やルールを獲得できるようなアルゴリズム／システムを実現する技術や手法である。 機械学習を利用したシステムの代表例がIBMのWatsonである。Watsonの機能は自然言語処理をベースにしている。人との対話やシステムに蓄積された専門知識、業務知識を利用して、仮説を生成したり、評価することにより人間の意思決定を支援する。IBMはこうしたシステムを「コグニティブ（認知）コンピューティング」と呼んでいる。
・Watsonは、米国の人気クイズ番組「Jeopardy!」で、本や百科事典など2億ページ分のテキストデータ（70GB程度、約100万冊の書籍に相当）の知識をたずさえ、人間のクイズチャンピオンに勝利したことで、一躍有名になった。
・これを契機として、IBMはWatsonの商用化に向け、さまざまな活動を続けており、2014年10月には、Watson事業を統括するWatson Groupの本部をニューヨーク市のシリコンアレー地区に開設するとともに、「Watson Client Experience Center」と呼ぶ支部を世界5カ所に開設している。
・Watsonは、米国ではヘルスケアや医療分野から適用領域拡大を進めてきたが、日本国内ではメガバンクのコールセンター業務や保険会社の支払い業務支援への適用など、金融機関向けのプロジェクトを中心に推進してきた。 2016年にIBMとソフトバンクは、両社が開発を進めていた対話や音声認識など6種類のコグニティブ・サービスの日本語版の提供を開始するとともに、ソフトバンクの人型ロボット「Pepper」にWatsonを搭載することを発表した。両社は今後、小売におけるセルフサービス環境など幅広い分野でWatsonの利用が拡大することを期待している。
▽ディープラーニングによるブレイクスルー
・機械学習にはさまざまな手法があるが、近年、特に注目を集めているのがディープラーニングである。最近では、グーグル、マイクロソフト、フェイスブックといった米国のIT企業がこぞってディープラーニングの研究に取り組んでいる。
・その研究成果はアップルのパーソナルエージェント「Siri」における音声認識やグーグル、Microsoft Bingの画像検索などで使われ始めている。音声認識や画像認識の成功と比べると、自然言語処理に対するディープラーニングの利用は限定的である。しかし、機械翻訳や対話システムなどへの技術適用が開始され始めており、今後の利用拡大が期待されている。
・ディープラーニングは脳の神経回路の構造を模倣しており、複数の層のニューラルネットから構成されている。前段の層において抽出した低レベルの特徴から、後段の層の高レベルに抽象化された特徴までを自動的に抽出できる点が従来の手法との大きな違いである。
・人間の場合、何かを識別する際には、特に意識せずとも自然に適当な特徴を見出している。たとえば、人間が赤いリンゴと青リンゴを識別する場合、色の情報を利用すればよいことは容易にわかる。
・しかし、従来の機械学習の手法では、識別に利用すべき特徴を人工知能が自ら抽出できなかったため、事前に色情報を特徴として識別するように人間が指示していた。そのため、顔のような複雑なものを認識するためには、目や口などの低レベルの特徴とその配置の関連といった高レベルの特徴を人間があらかじめ抽出する必要があった。加えて、コンピュータに対し、適切に特徴を教えることが困難なことも多く、機械学習やニューラルネットの適用範囲を狭める大きな要因となっていた。
・それに対して、ディープラーニングは特徴を自動的に抽出する機能を有しており、人間が特徴抽出に関与しなくても学習することが可能となっている。このように、データから特徴を学習する仕組みは「表現学習」と呼ばれている。ディープラーニングによって実現した「表現学習」によって、機械学習の従来の限界を超えられるのではないかと期待が高まっている。
▽人と同じように考え、学習する「汎用人工知能」
・1950年代に人工知能という研究分野が生まれた当時は、人と同じように考え、学習する、いわゆる「汎用人工知能/Artificial General Intelligence(AGI）」の実現が目標とされていた。しかし、汎用人工知能の実現に対する2度にわたる失望期を経て、個別課題の解決を目標とした「狭い人工知能(Narrow AI)」の実現が研究の主流となっていた。
・しかし、近年ディープラーニングによって実現された「表現学習」により、再び「汎用人工知能」実現に対する研究活動が活発になってきている。「狭い人工知能」がチェスや音声認識、自動運転など個別の課題に対応するように設計されているのに対して、「汎用人工知能」は、ひとつのシステムが自己学習し、人と同じようにさまざまな分野の課題を解決することができる。
・自己学習するシステムとして最近多く見られるのが、ディープラーニングに強化学習の手法を適用したものである。DeepMindのチームは2015年2月に「deep Q-network（DQN）」についての論文を発表した。 DQNは「Breakout」や「Pong」（ブロック崩し）などの2次元ビデオゲームのルールを自ら学習し、1日程度で人間よりハイスコアを獲得するまでに成長する。DQNが実現したものは汎用的な自己学習の仕組みとまでは言えないが、ディープラーニングが汎用人工知能の実現に大きく寄与することを予感させる事例といえよう。
・最近では、ディープラーニングを利用した強化学習の手法が、囲碁のアルゴリズムの改善やロボットや自律走行車の制御に活用され、研究レベルであるが大きな成果をあげている。強化学習では、人が事前に学習データを用意する必要がないため、シミュレーションなどによって短期間で高度な機能を学習することも可能である。こうした自己学習技術の進歩により、将来的には、多くの人手を必要とすることなく、より高品質な作業を実現するAIシステムが安価に利用できるようになるはずだ。
▽2020年を目標に自動運転の実用化を目指す
・ディープラーニングを活用した技術の商用利用としては、まずは画像認識技術によって製造業における製品の品質管理、店舗における防犯や顧客の行動分析など、カメラ映像の利用拡大が予想される。やがて自然言語処理の知見を活用した音声認識や文字認識などの精度向上や画像認識技術の結果を文章で説明するといったアプリケーションの利用も広がるだろう。
・また東京オリンピック／パラリンピックが開催される2020年を目標に、自動車メーカー各社は、高速道路における自動運転の実用化を目指している。自動運転の実現には、画像認識を中心とした人工知能の技術が不可欠であり、欧米ではグーグルのようなIT企業やテスラモーターズなどの新興の自動車メーカーが積極的に研究開発を進めている。日本でもトヨタ自動車が2016年1月に人工知能の研究開発を担う新会社の設立を発表、米シリコンバレーに本社を置き、5年間で10億ドル（約1200億円）を投資する予定である。
http://toyokeizai.net/articles/-/108588
次に、 ニッセイ基礎研究所専務理事の櫨 浩一氏が同日付けの東洋経済オンラインに寄稿した「人工知能の発展は格差拡大に繋がりかねない AlphaGoと最強棋士の対局が暗示する未来」を紹介しよう（▽は小見出し）。
・人工知能(AI)の囲碁ソフト「アルファ碁（AlphaGo）」は、世界最高峰といわれる韓国のプロ棋士、イ・セドル九段と5番勝負を行い4勝1敗で勝ち越した。アルファ碁が3連勝して勝利を決めた時点で、世界には激震が走った。
・1997年にはIBMのコンピュータ、ディープブルーがチェスの世界チャンピオンのガルリ・カスパロフを2勝1敗3引き分けで破って大きな衝撃を与えたが、チェスに比べて囲碁ははるかに複雑なゲームなので、少し前まではコンピュータの計算能力が高くても、プロ棋士に勝つのは相当先のことだと考えられていた。
▽急速な技術進歩が経済社会にもたらす変化
・詳細は専門家の説明を読んでいただきたいが、アルファ碁にはディープ・ラーニングと呼ばれる機械学習の手法が使われている。これによって、現在は人間の勘や経験に頼っている作業も、機械が学習することにより、自ら判断してできるようになるとみられる。
・例えばグーグルが公道で自動運転車の実験を行っているように、かつて人間にしかできないと考えられていた自動車の運転のような領域でも、人工知能を搭載した機械が人間に置き換わっていくことになる。最初は人間の監視が必要だが、囲碁での勝利が示唆するように、いずれ人工知能の判断のほうが人間の判断よりも適切だというケースが増え、次第に人間は判断に関与しなくなっていくだろう。
・注目したいのは、技術進歩がもたらす経済社会への影響と、その速度だ。 ディープ・ラーニング自体はかなり前から研究されていたが、急速な発展を遂げるようになったのは2000年代に入ってからだという。アルファ碁を開発したディープマインド社は2011年に設立されて、2014年にグーグルに買収されたというから、開発がはじまってから世界最高峰のプロ棋士に勝つまでの間にそれほど長い年数はかかってないはずだ。
・もちろん、今後は、また別の壁に突き当たり、近年のような急速な進歩が続かないという可能性もある。一方で、これまでの様々な分野での技術進歩が統合されて、指数関数的に進歩が加速していくという可能性もある。
・工業化によって日本の産業構造が農林漁業といった第一次産業から第二次産業へとシフトし、そしてサービス化によって第三次産業へと移り変わっていく中で、農林漁業の就業者は、1950年の1700万人余りから半世紀余りの間に300万人弱へと減少した。
・著しい減少だが、農林漁業の就業者の減少は、高齢者が引退する一方で若い世代が入ってこないという形で時間をかけて進んできた。もちろん農漁村から都市部へと大量の若者が移動したが、農業から追い出されたわけではなくて、より高い所得が得られることに引き付けられて自ら移動していった。
▽専門的なスキルを持った人も不要になる
・これに対して、人工知能の進歩が引き起こす職業の変化ははるかに急速で、変化に巻き込まれる人々には厳しいものになるのではないか。企業の中で長年経験を積むことで磨き上げた技術や能力が、機械の登場によってあっという間に無価値になってしまうということが頻繁におきるに違いない。
・これまで機械化によって職を失った人々は、自動化が容易な単純作業に従事していた人達で、専門職や技術職は不足していた。しかし、人工知能を搭載した機械の導入では、事務や技術職の仕事が機械にとって代わられることになる。高度な判断が必要とされる業務でも、人工知能の発展により、短期間のうちに機械化が進むだろう。現在は不足しているとされる高度な専門的スキルを持った人材も、将来は不要になるということがおきる可能性が高い。
・新しい仕事も生まれてくるだろうが、変化のスピードは速いため、大きな摩擦が避けられないだろう。日本では、過剰となった技術を持つ人達の再教育や職種の転換が企業の中で行われ、社会的な摩擦を小さくしてきたが、そのような対応だけではとても間に合わないのではないか。企業内で必要とされる労働者の能力は急速に変化していくはずだ。日本の学校教育は知識偏重で時代遅れと指摘されて久しいが、次世代を担う若者が変化に対応していくために、どのような教育を施して行けばよいのかは難しい問題だ。
・人工知能の発展は最終的には社会の生産力を非常に高いものにし、世の中から経済的な問題をなくす可能性がある一方で、格差の著しい拡大をもたらす懸念もある。
・これまでの工場生産や事務の機械化では、機械が人間の作業の一部を代替しても、すべてを任せてしまうわけにはいかず、機械を操作する労働者がどうしても必要だった。経済学の教科書で説明される、企業の生産活動をモデル化した生産関数は、労働者がゼロでは生産量もゼロになってしまうというものだ。
・しかし、人工知能が発達すれば機械が機械を管理するようになり、少なくとも普通の企業活動では機械を操作する労働者を不要にしてしまうだろう。もちろん、より進んだ技術を開発するためには、高度な研究能力を持った人材が不可欠だ。しかし残念ながら、それは誰でも努力すればできるという仕事ではない。ごく少数の恵まれた才能を持った人を除けば、ほとんどの人にはできない仕事ではないだろうか。
▽資産と所得の偏在が大きくなる危険性
・こうした状況でも、生産設備を所有している人達は、資産からの配当という形で経済全体の生産性向上の利益を享受できるはずだ。『21世紀の資本』でトマ・ピケティ氏は、資産家が高い所得を得てますます資産を蓄積するという形で、資産と所得の偏在が大きくなる危険性を強調している。
・一方、これまで従事していた仕事を機械にとって代わられた人達は、低賃金の仕事しか見つけられないかも知れない。人工知能を使って費用を引き下げることの利益が大きいのは、賃金が高くて一人の労働者の削減で節約できる金額が大きい仕事である。逆に、機械化しても節約できる人件費が低い仕事、つまり低賃金の仕事が最後まで機械化されずに残る可能性が高い。
・人工知能の本格的な利用はまだ始まっていない。だが、安定した仕事と賃金が得られる中間層が縮小していることが、アメリカの大統領選挙に大きな影響を与えているといわれている。
・大多数の人達の経済力が低下していることを示唆するデータも見ることができる。日本の経済データは長期間の動きを見ることができないので、アメリカのデータになるが、経済全体の所得中の賃金の割合を表す「労働分配率」は1970年頃までは上昇していたが、1980年頃以降は下落傾向だ。
・賃金が大きく低下しても、生活費がそれを上回るほど大きく低下すれば我々の生活はむしろ向上する可能性がある。しかし、技術の進歩が多くの労働者の生活を向上させることに向かわず、一部の豊かな人々の消費や蓄財のための技術開発が優先されてしまう恐れがある。
・労働者の経済力が低下すれば、その生活品の市場は縮小してしまい、一方で一部の豊かな人々の支出が支える市場は拡大を続ける。企業にとっては、経済力のない多くの人々が必要とするものを供給するよりも、一部の非常に豊かな人達が購入したいと思うものを提供するほうが利益は大きくなる。
・所得の格差が著しく拡大した経済では、社会で多くの人が必要としている物やサービスを供給するための技術開発は、経済的には優先度の低いものになってしまい、多くの人達の生活費はそれほど低下しない恐れが大きい。市場に任せておけば社会の抱える問題が解決するというわけにはいかない可能性が高く、アンソニー・アトキンソン氏は著書『21世紀の不平等』の中で、技術進歩の方向性に政府がもっと積極的に関与することを提唱している。
▽人工知能の発展は人類にとって幸か不幸か
・余談になるが、アルファ碁とイ九段は5番勝負の決着が付いたあとも戦ったが、第4局では途中でアルファ碁が突然、疑問手を連発して負けてしまった。まだ人間が機械に勝てるチャンスがあることが証明されたので、安堵した人も多かっただろう。しかし、アルファ碁は今後も強くなり続け、さらなる技術の開発も行われて、人間が人工知能に勝つのはより困難になるだろう。人工知能が人間に勝つことはもうニュースではなくなって、人間が人工知能に勝つことが大ニュースとなる日がやってくる。
・社会の抱える様々な問題についても、人工知能が優れた解決策を見つけ出してくれるようになるということは明るい話だ。いずれ人工知能が提示する解決策以上のものを人間が考え出すことはできなくなるだろう。筆者が生きている間にそこまで人工知能が進歩することはないだろうとは思うのだが、それが幸か不幸かよくわからない。
・人間にはその意味が理解できなくても、人工知能の指示することに従えば幸福になるという時代が来ると思うと、暗い気分になってしまうのは筆者だけだろうか。
http://toyokeizai.net/articles/-/109862
今日の日経新聞は、「AI創作小説「星新一賞」１次通過 作家「100点中60点の出来」 都内で報告会」を伝えた。人間が多少手助けし、最終審査には残らなかったようであるが、小説執筆という分野にまで広がりつつあることに、改めて驚きを感じた。
上記で紹介した2つの記事の執筆時点ではまだ行われてなかった第5局は、AIの勝利となり、AIが通算4勝1敗となったようだ。
「識別に利用すべき特徴を自動的に抽出する機能」を有しているディープラーニングは、確かに画期的な技術だ。ただ、Watsonを搭載したソフトバンクの人型ロボット「Pepper」は、現在のところはまだまだ「遊び」に近い段階のようだが、学習を進めるうちに進化していくのだろう。
AIの進歩には明るい面もあることは事実だが、どうも暗い面の方が大きそうだ。櫨浩一氏が指摘する「格差拡大につながりかねない」との懸念は、これまでの技術革新と違って、「専門的スクルを持った人も不要」になり、生き残るのは、機械で置き換える必要のない低賃金労働者と、「高度な研究開発能力を持った人材」だけというのでは、社会は崩壊してしまいかねない。その前に何らかの形でブレーキがかかるのだろう。この問題は極めて重要なので、今後もフォローしてゆくつもりだ。
先ずは、野村総合研究所上席研究員の古明地俊氏が3月11日付け東洋経済オンラインに寄稿した「人工知能｢第3の波｣､囲碁でも人間に勝った！自ら学習し､課題の解決を可能にした新技術」を紹介しよう（▽は小見出し）。
・これから5年後にかけて、情報技術はどのように進化していくのか？新たなビジネスを生み出し、適切なIT投資を行うためには、将来重要となる技術を早期に見極める「目利き力」が欠かせない。
・『ITロードマップ2016年版』を上梓した野村総合研究所（NRI）の古明地正俊氏が、3度目のブームを迎えようとしている人工知能（AI）について展望する。
・ディープラーニングに代表される機械学習手法の実用化と、それを支える画像やテキストなどのビッグデータの増大が、人と同じように考え、学習する「汎用人工知能」の実現に向けた取り組みを加速させている。
▽人工知能が囲碁でも人間に勝利した
・2016年3月9日、歴史的な「事件」が起きた。米グーグルが買収したDeepMindが開発した「AlphaGo」が、世界トップレベルのプロ囲碁棋士、イ・セドル九段（韓国）を打ち負かしたのだ。
・チェスや将棋ではすでにトッププロと互角以上の実力に達していた人工知能だが、手数が圧倒的に多く複雑な囲碁では、そのレベルに達するのはまだまだ時間がかかると思われていた。しかしグーグルは今年1月27日、「AlphaGo」が欧州チャンピオンのプロ棋士（二段）と対戦して5戦全勝したと発表。3月9日の「トッププロ」との戦いに注目が集まっていた。
・なぜ人工知能は、人々の予想を遙かに上回るスピードで進化しているのだろうか。 ここでは、「ディープラーニング（深層学習）」に代表される先進的な機械学習手法の実用化によって、「汎用人工知能」の実現に向けて進化を始めた、第3期の人工知能ブームについて概観していく。人工知能は、どこまで人と同じように考え、学習することができるようになるのか。
▽機械学習技術の集大成 IBM「Watson」の商用化
・機械学習とは、明示的にプログラミングをすることなく、コンピュータが経験（データ）によって知識やルールを獲得できるようなアルゴリズム／システムを実現する技術や手法である。 機械学習を利用したシステムの代表例がIBMのWatsonである。Watsonの機能は自然言語処理をベースにしている。人との対話やシステムに蓄積された専門知識、業務知識を利用して、仮説を生成したり、評価することにより人間の意思決定を支援する。IBMはこうしたシステムを「コグニティブ（認知）コンピューティング」と呼んでいる。
・Watsonは、米国の人気クイズ番組「Jeopardy!」で、本や百科事典など2億ページ分のテキストデータ（70GB程度、約100万冊の書籍に相当）の知識をたずさえ、人間のクイズチャンピオンに勝利したことで、一躍有名になった。
・これを契機として、IBMはWatsonの商用化に向け、さまざまな活動を続けており、2014年10月には、Watson事業を統括するWatson Groupの本部をニューヨーク市のシリコンアレー地区に開設するとともに、「Watson Client Experience Center」と呼ぶ支部を世界5カ所に開設している。
・Watsonは、米国ではヘルスケアや医療分野から適用領域拡大を進めてきたが、日本国内ではメガバンクのコールセンター業務や保険会社の支払い業務支援への適用など、金融機関向けのプロジェクトを中心に推進してきた。 2016年にIBMとソフトバンクは、両社が開発を進めていた対話や音声認識など6種類のコグニティブ・サービスの日本語版の提供を開始するとともに、ソフトバンクの人型ロボット「Pepper」にWatsonを搭載することを発表した。両社は今後、小売におけるセルフサービス環境など幅広い分野でWatsonの利用が拡大することを期待している。
▽ディープラーニングによるブレイクスルー
・機械学習にはさまざまな手法があるが、近年、特に注目を集めているのがディープラーニングである。最近では、グーグル、マイクロソフト、フェイスブックといった米国のIT企業がこぞってディープラーニングの研究に取り組んでいる。
・その研究成果はアップルのパーソナルエージェント「Siri」における音声認識やグーグル、Microsoft Bingの画像検索などで使われ始めている。音声認識や画像認識の成功と比べると、自然言語処理に対するディープラーニングの利用は限定的である。しかし、機械翻訳や対話システムなどへの技術適用が開始され始めており、今後の利用拡大が期待されている。
・ディープラーニングは脳の神経回路の構造を模倣しており、複数の層のニューラルネットから構成されている。前段の層において抽出した低レベルの特徴から、後段の層の高レベルに抽象化された特徴までを自動的に抽出できる点が従来の手法との大きな違いである。
・人間の場合、何かを識別する際には、特に意識せずとも自然に適当な特徴を見出している。たとえば、人間が赤いリンゴと青リンゴを識別する場合、色の情報を利用すればよいことは容易にわかる。
・しかし、従来の機械学習の手法では、識別に利用すべき特徴を人工知能が自ら抽出できなかったため、事前に色情報を特徴として識別するように人間が指示していた。そのため、顔のような複雑なものを認識するためには、目や口などの低レベルの特徴とその配置の関連といった高レベルの特徴を人間があらかじめ抽出する必要があった。加えて、コンピュータに対し、適切に特徴を教えることが困難なことも多く、機械学習やニューラルネットの適用範囲を狭める大きな要因となっていた。
・それに対して、ディープラーニングは特徴を自動的に抽出する機能を有しており、人間が特徴抽出に関与しなくても学習することが可能となっている。このように、データから特徴を学習する仕組みは「表現学習」と呼ばれている。ディープラーニングによって実現した「表現学習」によって、機械学習の従来の限界を超えられるのではないかと期待が高まっている。
▽人と同じように考え、学習する「汎用人工知能」
・1950年代に人工知能という研究分野が生まれた当時は、人と同じように考え、学習する、いわゆる「汎用人工知能/Artificial General Intelligence(AGI）」の実現が目標とされていた。しかし、汎用人工知能の実現に対する2度にわたる失望期を経て、個別課題の解決を目標とした「狭い人工知能(Narrow AI)」の実現が研究の主流となっていた。
・しかし、近年ディープラーニングによって実現された「表現学習」により、再び「汎用人工知能」実現に対する研究活動が活発になってきている。「狭い人工知能」がチェスや音声認識、自動運転など個別の課題に対応するように設計されているのに対して、「汎用人工知能」は、ひとつのシステムが自己学習し、人と同じようにさまざまな分野の課題を解決することができる。
・自己学習するシステムとして最近多く見られるのが、ディープラーニングに強化学習の手法を適用したものである。DeepMindのチームは2015年2月に「deep Q-network（DQN）」についての論文を発表した。 DQNは「Breakout」や「Pong」（ブロック崩し）などの2次元ビデオゲームのルールを自ら学習し、1日程度で人間よりハイスコアを獲得するまでに成長する。DQNが実現したものは汎用的な自己学習の仕組みとまでは言えないが、ディープラーニングが汎用人工知能の実現に大きく寄与することを予感させる事例といえよう。
・最近では、ディープラーニングを利用した強化学習の手法が、囲碁のアルゴリズムの改善やロボットや自律走行車の制御に活用され、研究レベルであるが大きな成果をあげている。強化学習では、人が事前に学習データを用意する必要がないため、シミュレーションなどによって短期間で高度な機能を学習することも可能である。こうした自己学習技術の進歩により、将来的には、多くの人手を必要とすることなく、より高品質な作業を実現するAIシステムが安価に利用できるようになるはずだ。
▽2020年を目標に自動運転の実用化を目指す
・ディープラーニングを活用した技術の商用利用としては、まずは画像認識技術によって製造業における製品の品質管理、店舗における防犯や顧客の行動分析など、カメラ映像の利用拡大が予想される。やがて自然言語処理の知見を活用した音声認識や文字認識などの精度向上や画像認識技術の結果を文章で説明するといったアプリケーションの利用も広がるだろう。
・また東京オリンピック／パラリンピックが開催される2020年を目標に、自動車メーカー各社は、高速道路における自動運転の実用化を目指している。自動運転の実現には、画像認識を中心とした人工知能の技術が不可欠であり、欧米ではグーグルのようなIT企業やテスラモーターズなどの新興の自動車メーカーが積極的に研究開発を進めている。日本でもトヨタ自動車が2016年1月に人工知能の研究開発を担う新会社の設立を発表、米シリコンバレーに本社を置き、5年間で10億ドル（約1200億円）を投資する予定である。
http://toyokeizai.net/articles/-/108588
次に、 ニッセイ基礎研究所専務理事の櫨 浩一氏が同日付けの東洋経済オンラインに寄稿した「人工知能の発展は格差拡大に繋がりかねない AlphaGoと最強棋士の対局が暗示する未来」を紹介しよう（▽は小見出し）。
・人工知能(AI)の囲碁ソフト「アルファ碁（AlphaGo）」は、世界最高峰といわれる韓国のプロ棋士、イ・セドル九段と5番勝負を行い4勝1敗で勝ち越した。アルファ碁が3連勝して勝利を決めた時点で、世界には激震が走った。
・1997年にはIBMのコンピュータ、ディープブルーがチェスの世界チャンピオンのガルリ・カスパロフを2勝1敗3引き分けで破って大きな衝撃を与えたが、チェスに比べて囲碁ははるかに複雑なゲームなので、少し前まではコンピュータの計算能力が高くても、プロ棋士に勝つのは相当先のことだと考えられていた。
▽急速な技術進歩が経済社会にもたらす変化
・詳細は専門家の説明を読んでいただきたいが、アルファ碁にはディープ・ラーニングと呼ばれる機械学習の手法が使われている。これによって、現在は人間の勘や経験に頼っている作業も、機械が学習することにより、自ら判断してできるようになるとみられる。
・例えばグーグルが公道で自動運転車の実験を行っているように、かつて人間にしかできないと考えられていた自動車の運転のような領域でも、人工知能を搭載した機械が人間に置き換わっていくことになる。最初は人間の監視が必要だが、囲碁での勝利が示唆するように、いずれ人工知能の判断のほうが人間の判断よりも適切だというケースが増え、次第に人間は判断に関与しなくなっていくだろう。
・注目したいのは、技術進歩がもたらす経済社会への影響と、その速度だ。 ディープ・ラーニング自体はかなり前から研究されていたが、急速な発展を遂げるようになったのは2000年代に入ってからだという。アルファ碁を開発したディープマインド社は2011年に設立されて、2014年にグーグルに買収されたというから、開発がはじまってから世界最高峰のプロ棋士に勝つまでの間にそれほど長い年数はかかってないはずだ。
・もちろん、今後は、また別の壁に突き当たり、近年のような急速な進歩が続かないという可能性もある。一方で、これまでの様々な分野での技術進歩が統合されて、指数関数的に進歩が加速していくという可能性もある。
・工業化によって日本の産業構造が農林漁業といった第一次産業から第二次産業へとシフトし、そしてサービス化によって第三次産業へと移り変わっていく中で、農林漁業の就業者は、1950年の1700万人余りから半世紀余りの間に300万人弱へと減少した。
・著しい減少だが、農林漁業の就業者の減少は、高齢者が引退する一方で若い世代が入ってこないという形で時間をかけて進んできた。もちろん農漁村から都市部へと大量の若者が移動したが、農業から追い出されたわけではなくて、より高い所得が得られることに引き付けられて自ら移動していった。
▽専門的なスキルを持った人も不要になる
・これに対して、人工知能の進歩が引き起こす職業の変化ははるかに急速で、変化に巻き込まれる人々には厳しいものになるのではないか。企業の中で長年経験を積むことで磨き上げた技術や能力が、機械の登場によってあっという間に無価値になってしまうということが頻繁におきるに違いない。
・これまで機械化によって職を失った人々は、自動化が容易な単純作業に従事していた人達で、専門職や技術職は不足していた。しかし、人工知能を搭載した機械の導入では、事務や技術職の仕事が機械にとって代わられることになる。高度な判断が必要とされる業務でも、人工知能の発展により、短期間のうちに機械化が進むだろう。現在は不足しているとされる高度な専門的スキルを持った人材も、将来は不要になるということがおきる可能性が高い。
・新しい仕事も生まれてくるだろうが、変化のスピードは速いため、大きな摩擦が避けられないだろう。日本では、過剰となった技術を持つ人達の再教育や職種の転換が企業の中で行われ、社会的な摩擦を小さくしてきたが、そのような対応だけではとても間に合わないのではないか。企業内で必要とされる労働者の能力は急速に変化していくはずだ。日本の学校教育は知識偏重で時代遅れと指摘されて久しいが、次世代を担う若者が変化に対応していくために、どのような教育を施して行けばよいのかは難しい問題だ。
・人工知能の発展は最終的には社会の生産力を非常に高いものにし、世の中から経済的な問題をなくす可能性がある一方で、格差の著しい拡大をもたらす懸念もある。
・これまでの工場生産や事務の機械化では、機械が人間の作業の一部を代替しても、すべてを任せてしまうわけにはいかず、機械を操作する労働者がどうしても必要だった。経済学の教科書で説明される、企業の生産活動をモデル化した生産関数は、労働者がゼロでは生産量もゼロになってしまうというものだ。
・しかし、人工知能が発達すれば機械が機械を管理するようになり、少なくとも普通の企業活動では機械を操作する労働者を不要にしてしまうだろう。もちろん、より進んだ技術を開発するためには、高度な研究能力を持った人材が不可欠だ。しかし残念ながら、それは誰でも努力すればできるという仕事ではない。ごく少数の恵まれた才能を持った人を除けば、ほとんどの人にはできない仕事ではないだろうか。
▽資産と所得の偏在が大きくなる危険性
・こうした状況でも、生産設備を所有している人達は、資産からの配当という形で経済全体の生産性向上の利益を享受できるはずだ。『21世紀の資本』でトマ・ピケティ氏は、資産家が高い所得を得てますます資産を蓄積するという形で、資産と所得の偏在が大きくなる危険性を強調している。
・一方、これまで従事していた仕事を機械にとって代わられた人達は、低賃金の仕事しか見つけられないかも知れない。人工知能を使って費用を引き下げることの利益が大きいのは、賃金が高くて一人の労働者の削減で節約できる金額が大きい仕事である。逆に、機械化しても節約できる人件費が低い仕事、つまり低賃金の仕事が最後まで機械化されずに残る可能性が高い。
・人工知能の本格的な利用はまだ始まっていない。だが、安定した仕事と賃金が得られる中間層が縮小していることが、アメリカの大統領選挙に大きな影響を与えているといわれている。
・大多数の人達の経済力が低下していることを示唆するデータも見ることができる。日本の経済データは長期間の動きを見ることができないので、アメリカのデータになるが、経済全体の所得中の賃金の割合を表す「労働分配率」は1970年頃までは上昇していたが、1980年頃以降は下落傾向だ。
・賃金が大きく低下しても、生活費がそれを上回るほど大きく低下すれば我々の生活はむしろ向上する可能性がある。しかし、技術の進歩が多くの労働者の生活を向上させることに向かわず、一部の豊かな人々の消費や蓄財のための技術開発が優先されてしまう恐れがある。
・労働者の経済力が低下すれば、その生活品の市場は縮小してしまい、一方で一部の豊かな人々の支出が支える市場は拡大を続ける。企業にとっては、経済力のない多くの人々が必要とするものを供給するよりも、一部の非常に豊かな人達が購入したいと思うものを提供するほうが利益は大きくなる。
・所得の格差が著しく拡大した経済では、社会で多くの人が必要としている物やサービスを供給するための技術開発は、経済的には優先度の低いものになってしまい、多くの人達の生活費はそれほど低下しない恐れが大きい。市場に任せておけば社会の抱える問題が解決するというわけにはいかない可能性が高く、アンソニー・アトキンソン氏は著書『21世紀の不平等』の中で、技術進歩の方向性に政府がもっと積極的に関与することを提唱している。
▽人工知能の発展は人類にとって幸か不幸か
・余談になるが、アルファ碁とイ九段は5番勝負の決着が付いたあとも戦ったが、第4局では途中でアルファ碁が突然、疑問手を連発して負けてしまった。まだ人間が機械に勝てるチャンスがあることが証明されたので、安堵した人も多かっただろう。しかし、アルファ碁は今後も強くなり続け、さらなる技術の開発も行われて、人間が人工知能に勝つのはより困難になるだろう。人工知能が人間に勝つことはもうニュースではなくなって、人間が人工知能に勝つことが大ニュースとなる日がやってくる。
・社会の抱える様々な問題についても、人工知能が優れた解決策を見つけ出してくれるようになるということは明るい話だ。いずれ人工知能が提示する解決策以上のものを人間が考え出すことはできなくなるだろう。筆者が生きている間にそこまで人工知能が進歩することはないだろうとは思うのだが、それが幸か不幸かよくわからない。
・人間にはその意味が理解できなくても、人工知能の指示することに従えば幸福になるという時代が来ると思うと、暗い気分になってしまうのは筆者だけだろうか。
http://toyokeizai.net/articles/-/109862
今日の日経新聞は、「AI創作小説「星新一賞」１次通過 作家「100点中60点の出来」 都内で報告会」を伝えた。人間が多少手助けし、最終審査には残らなかったようであるが、小説執筆という分野にまで広がりつつあることに、改めて驚きを感じた。
上記で紹介した2つの記事の執筆時点ではまだ行われてなかった第5局は、AIの勝利となり、AIが通算4勝1敗となったようだ。
「識別に利用すべき特徴を自動的に抽出する機能」を有しているディープラーニングは、確かに画期的な技術だ。ただ、Watsonを搭載したソフトバンクの人型ロボット「Pepper」は、現在のところはまだまだ「遊び」に近い段階のようだが、学習を進めるうちに進化していくのだろう。
AIの進歩には明るい面もあることは事実だが、どうも暗い面の方が大きそうだ。櫨浩一氏が指摘する「格差拡大につながりかねない」との懸念は、これまでの技術革新と違って、「専門的スクルを持った人も不要」になり、生き残るのは、機械で置き換える必要のない低賃金労働者と、「高度な研究開発能力を持った人材」だけというのでは、社会は崩壊してしまいかねない。その前に何らかの形でブレーキがかかるのだろう。この問題は極めて重要なので、今後もフォローしてゆくつもりだ。
タグ：AI創作小説「星新一賞」１次通過 作家「100点中60点の出来」 都内で報告会 日経新聞 AI 人口知能 （その1）最強棋士を超えたAIとその意味 古明地俊 東洋経済オンライン 人工知能｢第3の波｣､囲碁でも人間に勝った！自ら学習し､課題の解決を可能にした新技術 ITロードマップ2016年版 野村総合研究所 ディープラーニング 機械学習手法 ビッグデータの増大 「汎用人工知能 グーグル DeepMindが開発 AlphaGo 世界トップレベルのプロ囲碁棋士 イ・セドル九段（韓国） 打ち負かしたのだ チェス 将棋 手数が圧倒的に多く複雑な囲碁では、そのレベルに達するのはまだまだ時間がかかると思われていた IBM「Watson」 自然言語処理をベース IBMとソフトバンク 両社が開発を進めていた対話や音声認識など6種類のコグニティブ・サービスの日本語版の提供を開始 人型ロボット「Pepper」にWatsonを搭載 脳の神経回路の構造を模倣 特徴を自動的に抽出する機能を有しており 人間が特徴抽出に関与しなくても学習することが可能 表現学習 人と同じように考え、学習する「汎用人工知能」 ロボット 自律走行車の制御 自動運転の実用化 櫨 浩一 人工知能の発展は格差拡大に繋がりかねない AlphaGoと最強棋士の対局が暗示する未来 指数関数的に進歩が加速していくという可能性もある 専門的なスキルを持った人も不要になる 格差の著しい拡大をもたらす懸念 普通の企業活動では機械を操作する労働者を不要に 高度な研究能力を持った人材が不可欠 資産と所得の偏在が大きくなる危険性 人工知能の発展は人類にとって幸か不幸か 人間にはその意味が理解できなくても、人工知能の指示することに従えば幸福になるという時代が来る
コメント 0