人工知能（AI)（その4）（AIの発達をこのまま市場に任せてよいのか 人類にとって｢憂鬱な未来｣か｢豊かな未来｣か、静かに広がる「アンチ深層学習」「アンチAI」 ブラックボックス化を警戒、フェイスブックのAIがぶち当たった｢限界｣ 最先端でも子どもの学習能力には勝てない） [科学技術]
人工知能（AI)については、昨年7月1日に取上げた。今日は、（その4）（AIの発達をこのまま市場に任せてよいのか 人類にとって｢憂鬱な未来｣か｢豊かな未来｣か、静かに広がる「アンチ深層学習」「アンチAI」 ブラックボックス化を警戒、フェイスブックのAIがぶち当たった｢限界｣ 最先端でも子どもの学習能力には勝てない）である。
先ずは、ニッセイ基礎研究所 専務理事の櫨 浩一氏が昨年11月29日付け東洋経済オンラインに寄稿した「AIの発達をこのまま市場に任せてよいのか 人類にとって｢憂鬱な未来｣か｢豊かな未来｣か」を紹介しゆ（▽は小見出し）。
・日本経済は人手不足の様相を強めている。失業率は2017年9月には2.8％に低下し、特に有効求人倍率は1.52倍と、バブル期のピークだった1990年7月の1.46倍をも超える高さだ。団塊世代が65歳を超えた2012〜2014年以降も、毎年150万人を超える人が65歳を迎えて年金生活に入っていくのに対して、15歳を迎える人口は120万人に満たず、毎年30万人以上ずつ生産年齢人口が減少していく。今後も高齢化による労働力の減少が続き、高齢者や女性の労働参加を考慮しても、しばらくの間は労働需給がさらにひっ迫するだろう。
・しかしもっと先を考えると、AI（人工知能）の進歩で機械が人間の行ってきた仕事を担うようになるという動きが加速し、人間の仕事はなくなっていき、世界的に労働力過剰という事態が出現する可能性がある。 『デジタルエコノミーはいかにして道を誤るか～労働力余剰と人類の富』（東洋経済新報社、2017）で、著者のライアン・エイヴェントは、コンピュータは蒸気機関や電気と同様の汎用技術でとてつもない力を持ったものであることや、デジタル革命は人類に多大な恩恵をもたらすので後戻りできない流れであることを指摘し、社会が直面する課題を論じている。以下ではこの議論を参考に影響を考えてみたい。
▽AIの発達で拡大していく格差
・AIが発達していけば、最終的には人間がまったく働かなくても社会全体としては有り余るほど豊富な生産物が供給できるというSF小説に出てくるような世界が実現する可能性がある。 どんなものでも価格は需給で決まるというのが経済学の「キホンのき」であり、空気のように必要不可欠であっても希少性のないものの価格はゼロか極めて低価格だ。英国の経済学者ライオネル・ロビンズは、経済学を希少資源の最適な使用についての学問だと定義したが、誰もが欲しいものを欲しいだけ入手できるようになる世界では経済学は無用になるのだろう。
・しかし、MIT教授の物理学者であるテグマークの "Life 3.0: Being Human in the Age of Artificial Intelligence"（Max Tegmark, Knopf Doubleday Publishing Group, 2017）によれば、そもそもこの夢のような状況が実現可能かどうかや、それまでにどれくらいの時間がかかるのかについては、専門家の間でもコンセンサスはないという。
・少なくとも短期間で実現するとは考えにくく、まだ何十年かの間は、生活を支えるすべてのものは、価格が低下していくものの有料である。必要なものを手に入れるためには、人々は何とかして所得を得る必要があるという状態が続くとの前提で将来を考えるのが無難だ。ところが、AIが発達していくことで機械に仕事を奪われ、所得が得られなくなる人が多数生まれてしまうおそれがある。
・デジタル革命は、社会に非常に大きな利益をもたらすが、プラスの面ばかりではない。 たとえば、シェアリング・エコノミーの拡大によって、多くの人がフリーランスとして、あちこちから単発の仕事を請け負って生計を立てるという選択肢を持つようになったことだ。 会社に所属して規則に縛られて働かなくても、自分が働きたいときだけ働くということが可能になったが、その反面、米国ではこれまでのフルタイムの仕事では、普通の生活をするために十分な仕事量と収入が得られないケースが増えてきている。
・Uberの登場でお客を奪われたタクシー運転手の所得は大きく下がったはずだ。所得の減少を補うためにやむを得ず副業に従事する人が増えており、必ずしも積極的にフリーランスの仕事を選んでいるわけではない。そもそも遠からず自動運転の技術は確立すると見られており、Uberで運転手として自分の都合に合わせて働いて収入を得ている多くの人も、仕事と収入の道を失うことになるだろう。
▽「高等教育で高所得が得られる」は楽観的すぎる
・18世紀半ばに産業革命が起こったときには、織物の職人などが仕事を失ったが、こうした人たちは数のうえでは全体からみればごく一部に過ぎず、農業を離れて工場で機械を操作する職を得て所得が高まった人のほうがはるかに多かった。生産物の供給が増えて価格が低下し、多くの人が購入できるようになったこともあって、社会の平均的な生活水準は大きく高まった。
・近年では、製造業で自動化が進むことで中程度のスキルの仕事が消えたため、職を失って低所得のサービス業の仕事しか見つからない人が増えた。一方で、ITを活用できる人たちの生産性は大きく上昇した。コンピューターや専門・技術的職業を持つ人たちの収入が上昇して所得格差が拡大しているため、高等教育への進学率を高めることが問題の解決策として提言されることが多い。
・しかし、米国では既に大学卒の給与水準は頭打ちとなっていて、高い賃金が得られるのはさらに高度な教育を受けた大学院卒で、修士号や博士号を持つ人たちに限られている。日本では高等教育機関（大学以上）への進学率は50％を超えているが、必ずしもそれに相応しい能力を身に付けていないということが問題とされることがある。誰でも一定の努力をすれば、高度な知識・能力を活用できるようになり、高い所得が得られると考えるのは楽観的に過ぎるのではないか。
・AIが進化して行けば、現在はAIで代替することは難しいとされている仕事に就いている人たちも安泰ではなくなる。少し昔にはコンピューターが囲碁で人間に勝つようになるのはまだ先のことだと考えられていたが、今や世界最強といわれる棋士でもコンピュータにはまったく歯が立たない。人間が必要な分野はどんどん縮小していくだろう。
・AIによる自動化が図られるのは、それが容易な分野だけでなく経済的な利益が大きい分野も、である。企業にとっては、高賃金の仕事ほど機械で置き換えるメリットが大きい。低賃金で機械化の利益が小さいところや、雑多な作業で対応が難しいものが人間が行う仕事として残され、生活を支えるために多くの人がこうした仕事を得ようとして争うことになる恐れが大きい。
▽ベーシックインカムは解決策にならない
・デジタルエコノミーの拡大で生まれる失業者を救済するために、「すべての国民に、生活に必要な最低限の所得を給付する」というベーシックインカムの制度を設けるべきだという人もいある。これについて、エイヴェントは最低賃金の引き上げよりは有望だとしている。しかし、職を失っても生活が保障されるという意味では朗報だが、あくまで最低限度のセイフティーネットに過ぎない。一部の人が現在は想像できないような豊かさを享受する一方で、多くの人の生活水準は大幅に低下してしまうという著しい格差が生まれることを防ぐことはできないのである。
・AIを活用した研究開発が一部の人たちの生活水準を高めることに集中すれば、一部の人だけが豊かになり、多くの人たちの生活水準は大して向上しないということも起こるだろう。老化や癌などを克服するための研究にAIやさまざまな資源を集中的に投じれば、人間の寿命を大きくを延ばすことができ、今の時点では信じられないほど長寿となる可能性もある。
・しかし、こうして開発された先進的な医療技術は著しく高額で、ベーシックインカムに依存して生活する多くの人たちはまったく手が届かないに違いない。例えば、現在免疫細胞を遺伝的に加工して癌に対する攻撃力を高めるという治療方法は驚異的な治療成績を収めているが、1回の治療に5000万円以上もかかると日経新聞は報じている（日本経済新聞夕刊、11月14日付）。
・そもそも資源・エネルギーの制約があるので、誰でも欲しいものが何でも欲しいだけタダで手に入るという世界は永久に実現しないのかも知れない。ピケティの『21世紀の資本』（みすず書房、2014）が警鐘を鳴らしたように、AIやこれを使った生産設備を保有している人たちとそれ以外の人たちという資産格差が、所得や寿命などの格差を拡大再生産していってしまうおそれもある。
・長期停滞の背景には富の一極集中があるとエイヴェントは指摘する。確かに、20世紀半ばに工業化が進む中で格差が縮小したのは、経済的な必然の結果ではなくソ連などの計画経済国家という脅威の存在や、大恐慌の影響でさまざまな制度の変革が行われたことも大きな要因だったと考えられる。
▽「神の見えざる手」に任せておけば？
・AIが人間の能力を超えていけば、生産を行うためにはどうしても人間が必要だという前提が崩れ、労働者は生産性（厳密には限界生産性）に等しい賃金を得るとか、生産の中から労働者が受け取る割合である労働分配率はほぼ一定であるとかいう世界ではなくなってしまうはずだ。「正統派経済学の終焉」という主張が、現実のものとなるかも知れない。
・ノースウエスタン大のゴードン教授など技術進歩の速度低下を指摘する声は多いが、むしろ社会変化の速度は速くなっているように見える。親の経験は子供たちが将来を考えるにはまったく役に立たず、制度や人々の生活スタイルや考え方、行動が社会変化について行けないほどだ。
・テグマークの言うように、AIの発展を未来の社会にとって良いものにするためには、これをどう受け止めるのかという議論が必要だ。デジタルエコノミーの発展は人類に想像できないような豊かさをもたらすことができるはずだが、それは神の見えざる手に任せておけば自然に実現するというものではないだろう。
http://toyokeizai.net/articles/-/199055
次に、昨年12月25日付け日経ビジネスオンライン「静かに広がる「アンチ深層学習」「アンチAI」 ブラックボックス化を警戒」を紹介しよう（▽は小見出し）。
・「うちのシステムにAI（人工知能）という言い方は使っていません。書き方に気をつけてくださいね」 記者は最近、感情の分析、翻訳、セキュリティーなどの課題に挑むAIに関して取材に当たっていた。その際時折、このような注意を広報担当者から受けたのだ。
・過去にはAIの研究者が冷遇される時代があり、自身ではAIを研究しているつもりでも、研究費を得るために「ロボット」などに看板を架け替えていたことがあった。しかし、空前のAIブームに沸く現在において、同じ現象が起き始めているのだ。
▽バズワードになったAIと深層学習
・その理由のひとつは、AIという言葉が、意味が不明瞭のまま使われる「バズワード」と化し、猫も杓子もなんにでも使われていることへの反感ではなかろうかと思う。自省をこめていえば、これは我々報道機関に責任がある。
・AIの定義は学術的にはっきりとは決まっていないそうだ。手元にある辞書の説明では、ヒトの知的機能を代行できるシステムを指す。では、たとえば1人プレイモードがある将棋や麻雀のゲームアプリはAIだろうか。これはAIでないという意見を持つ人でも、米グーグル持ち株会社、アルファベット傘下の英ディープマインドが手掛ける「アルファ碁」ならAIと呼ぶことに違和感がないかもしれない。両者の大きな違いは、システムが賢くなるための学習機能を備えているかどうかだ。あるいは、アルファ碁ですらAIではなく、すべての機能においてヒトと変わらない能力を持って初めてAIと呼ぶにふさわしいと思う人もいるかもしれない。
・最近の報道はこんな定義を気にもせず、AIと一口に書くだけでその技術的背景や企業間の違いも詳述しない。AIという見出しだけが躍る。そんな報道ばかりでは、開発側も嫌気が差すのではなかろうか。グーグルがAIのフレームワークを公開していることで、簡単なAIならだれもかれもつくれる時代だ。ただただAIと表現されるだけでは、製品の特徴が分からず陳腐にさえ見えることもある。
・そして、推測しうるもうひとつの理由が、「ディープラーニング（深層学習）」への反感。正確に言えば、同じくバズワードと化した「深層学習」という言葉への反感だ。ヒトの脳神経の機能を模した深層学習技術は、アルファ碁をプロ棋士を超える強さに育て上げたことで、報道に頻出するようになった。昨今のAIといえば、深層学習を使うのがスタンダードになっている。しかし、現在のAIブームを巻き起こしたこの深層学習を、ある点ではネガティブな意味に一部の企業は捉えているのだ。ゆえに、深層学習を連想させるAIというバズワードも使いたがらないのではないだろうか。
・深層学習以前のAIは、AIが正解を導くための判断材料の見つけ方や、材料をもとにした判断プロセスを、ある程度ヒトがプログラミングしていた。深層学習は判断材料を探すところからすべてAIに任せている。 たとえば動物の画像をみて、それが猫かどうか判断する課題にAIが挑んだ場合、旧来のAIはあらかじめヒトが「ヒゲに注目しろ」「目に注目しろ」「耳に注目しろ」などとプログラミングをしておく。深層学習AIの場合は、あらかじめ猫の画像を大量に読み込んでおけば、注目するべきポイントを自ら見つけてくるのだ。
・しかし、これは裏を返せば、開発者がAIの判断を検証することが難しいということでもある。翻訳向けに深層学習AIを開発しているある技術者は「変な訳が出てきても、なぜそうなったのかがわからない。微調整ができないのが最大の課題だ」と語る。
・実際、今の深層学習AIの導入事例を見渡してみても、間違えを出しても説明責任を求められない課題ばかりだ。そうなると、例えばセキュリティーの課題に導入するのはハードルがある。
▽深層学習はブラックボックス
・例えば、深層学習AIを積んだ手荷物チェック用のX線検査機を開発した日立製作所も、用途は旧来得意としていた空港向けではなく、チェック効率がより重視されるイベント向けだという。また、このAIは危険な手荷物に対して警告を鳴らす仕組みではない。「絶対安全」と判断できるものにだけOKを出し、ちょっとでも不審な点があれば、検査員にチェックを促す。検査の効率は40％ほど向上するが、安全を追及するためにはヒトが最終関門を担わなければいけない。
・警備用カメラをチェックして自動で不審者を捜し出すAIの実用化に挑んでいるセコムは、よりはっきり深層学習への懸念を示している。セコムIS研究所の目崎祐史所長は「深層学習にすべて任せると、ブラックボックスになってしまう」と語る。
・深層学習も利用はしている。しかし、画像からヒトの顔の部分を抜き出すなど、一般的に用いられていて信頼性が確立された課題のみに使う。つまり、深層学習AIは不審者を割り出すための判断材料を映像から抜き出すためのパーツに過ぎない。その材料からどう正解を導くかの判断プロセスは、ベテラン警備員の経験知をコンピューター言語にすることでAIに組み込んでいる。敢えて旧来型の手法でAIの判断プロセスを構築しているのだ。
・また、深層学習だけに頼れば、AIの成長に使うデータ量の競争に陥りがちだ。多くのデータ量を読み込むほど深層学習AIは賢くなるからだ。しかし、データの扱いを一つ誤ると、ICカードのデータを外部提供して批判を浴びたJR東日本のように、手痛いしっぺ返しをくらう。
・セコムの場合、AIの成長に使うデータは、エキストラが不審者のふりなどをする映像だけだ。実際の監視カメラの映像は含まれていない。国内では監視カメラ映像のような機微な情報を集めるのが難しい以上、ヒトが判断プロセスを書き込む旧来の方式と深層学習をハイブリッドで使う方法は有用だと記者は考える。
・もちろん深層学習そのものは非常に有効な技術だ。先に挙げた弱点を補い、深層学習AIを進化させようという研究も盛んだ。 富士通やNECが開発しているのが「ホワイトボックス化」と呼ばれる技術。深層学習AIの判断材料や判断プロセスを解析して可視化しようという試みだ。
・もう一つが「GAN（ガン＝敵対的生成ネットワーク）」。2つのAIを競い合わせることで成長させる技術だ。片方のAIは、相手のAIがいかにも間違えそうな「意地悪問題」を出して成長を促す。AIがAIを成長させるためのデータを自動で生成するので、データ量を追い求める競争から脱却できる可能性を秘めている。
http://business.nikkeibp.co.jp/atcl/opinion/15/221102/122100550/?P=1
第三に、1月24日付け東洋経済オンライン「フェイスブックのAIがぶち当たった｢限界｣ 最先端でも子どもの学習能力には勝てない」を紹介しよう（▽は小見出し、Qは聞き手の質問、Aはルブリュン氏の回答、+は回答内の段落）。
・各国の大企業がこぞって独自開発し、活用に乗り出すAI（人工知能）。日々、膨大な量の写真や動画が投稿されるフェイスブックも、プラットフォーム全体の健全性を維持するのにAIをフル活用しているほか、すぐにはビジネスに結び付かないような先端研究にも力を注ぐ。
・今のAIには何ができて、何ができないのか。AIはこの先、どう進化するのか。同社の学術的研究を担うチーム「Facebook AI Research（フェイスブック人工知能研究所）」のエンジニアリング・マネージャー、アレクサンドル・ルブリュン氏に最前線の研究について聞いた。
▽100億枚から不適切な写真をAIが監視
Q：フェイスブックのサービス上では、AIはどのように使われていますか。
A：フェイスブックには、1日約100億枚の写真が投稿されている。そのすべてを人間の目でチェックするのは不可能なので、ここでAIが活躍する。具体的には、タイムラインやメッセンジャーに写真が投稿されると、これは一般に見せていいものか、たとえば暴力的だったり、性的だったりしないかを瞬時に判断する。好ましくない写真をアップしようとしている人は絶えず存在しているので、まずはそれをはじくのがAIの重要な仕事だ。
+もう一つの役割は、AIで写真の内容をより深く理解し、誰が「いいね！」するかを判断すること。たとえばネコ好きの人には、ネコが写っているとAIが認識したものを優先的に見せようとする。一方で友人の赤ちゃんの写真を見飽きている人には、赤ちゃんの写真を見せる頻度を下げようとする。コンテンツの中身を理解して、それを楽しめる人とのマッチングを図っているわけだ。
+写真だけでなく、テキスト、動画、VR（仮想現実）でも何でも、コンテンツの内容をより深く理解しなければ、ユーザーにとってよいセレクションをするのは難しい。特に写真や動画に関しては、テキストと違った難しさがある。どのユーザーに見せるべきか、誰に好まれるコンテンツか、という判断を的確にできるよう、研究を進めている。 それ以外にも、視覚障害がある人のためにAIで写真の内容を把握して音声で説明したり、テロ行為や自殺願望をほのめかすような写真・動画投稿を検知して迅速に対応したりと、あらゆる面でAIを活用している。
Q：さまざまなITサービスの中でも、フェイスブックのようなSNSはAIと親和性が高い分野ですか。
A：フェイスブックに限らず、今日のSNSはどれもAIなしでは存在しえない。なぜなら表示するコンテンツを高度に選択しないと、ノイズが多すぎるからだ。いかがわしいもの、不適切なものを機械的にフィルターにかける機能がない状態では、あっという間に危険なプラットフォームになってしまう。今のソーシャルメディアの規模を考えればなおさらだ。
+残念なことに、悪いことをしようとする人々も、AIの目をどうにかすり抜けようと頭を使って新しい手法を編み出している。10年前には、（テキストの）キーワードを含むものを抽出して不適切性を判断していればよかったが、今はそれだけではまったく不十分。ソーシャルメディアの未来は、質のよい、高精度なAIなくしてはありえないといえる。
▽AIはまだまだ”インテリ”ではない
Q：今のAIの改善点、限界はどこにあるのでしょう？
A：アーティフィシャルインテリジェント（AI）と言われる割に、まだそんなに“インテリ”ではない点だ。今、機械学習は「教師あり学習」という手法が主流だが、膨大な量の例をAIに見せて学ばせる必要がある。たとえば、AIが温度のセ氏からカ氏への変換をできるようにするには、200～300の事例を読み込ませる。AIが「これはネコの写真だ」と認識するには、少なくとも1万枚程度のネコの写真を見せる必要がある。
+人間の子どもならどうか。たとえば、ネコという動物を認識させたい場合、せいぜい5回くらいネコに遭遇すれば、「これがネコだ」という認識が生まれる。熱湯に指を突っ込んでやけどをしてしまったら、一度だけでその先ずっと覚えていると思う。AIは、最先端のものでも何千回と同じ経験をしなければうまく認識できない。
+実はAIの教師あり学習という手法は、1980年代から30年くらい行われている。その間、裏側のアルゴリズムはほとんど変わっていなくて、やっと（収集できる）データの量とPCの計算能力が十分な水準に達し、機能し始めたのがここ5年だ。それと同時に専門家の間では、教師ありの機械学習は数年内に一定のポイントに到達できるという自信が生まれている。限界地点が見えてきた、ともいえる。
+アウトプットの種類を考えても、教師あり学習には限界がある。不適切な写真をはじく、英語から日本語に翻訳する、交通規制通りに自動運転をする、チェスの試合をする、といった、ある程度シンプルなタスクの場合はうまく機能する。でも、感情豊かに人と対話したり、もっと深い推論を行ったりする能力は、今の教師あり学習の延長上にはないまったく新しい分野になる。
Q：「教師なし」の機械学習はどのくらい研究が進んできたのでしょうか。
A：まだ始まったばかりで、最適な解決策の糸口を探している段階だ。その中で一つ、私たちが進めているのが、子ども、乳幼児を生物学的に深く研究し、そこからインスピレーションを得ようという試み。彼らの学び方を観察して、それを機械の学び方に生かせないかという考え方だ。
+子どもは本当にすごい。1日10時間起きているとすれば、そのうち95％は「教師なし学習」の時間。つまり、「これはペンだよ」「これはリンゴだよ」と教え込む作業をしていないにもかかわらず、自分で見て、聞いて、遊んで、探検して、学んでいる。ほんの少量のデータで、一気に賢くなる。われわれの最先端のAIよりはるかに頭がいい。
▽会社が違っても研究コミュニティは一緒
Q：子どもの学び方にヒントを得ようとするのは、AI研究の共通的なアプローチなのでしょうか。
A：研究者のコミュニティはある種の”家族”のようなもので、所属がフェイスブックだろうがグーグルだろうがIBMだろうが、あまり関係がない。皆が同じカンファレンスに出て、とてもオープンな環境で研究しており、この会社だからこの方向性、というものもない。自由度の高い、ボトムアップの世界だ。
+私自身が所属しているAI研究チームも、もっぱら学術的な研究開発を行い、すべての活動をオープンにしている。私たちの第一の目的はフェイスブックの事業を助けることではなく、あくまで最先端のAI技術を追い求めることだ。もちろん、それが時としてフェイスブックのビジネスに直接役立つことはあるが。
+特に教師なし学習の研究は、これから非常に長期戦になるだろう。10年間研究し続けても結果が出るかわからないというレベル。そういう類の研究に投資し続けられる企業はあまり多くないが、長期的かつ抽象的な研究が科学の発展のためには重要だ。
Q：最近では音声アシスタントやスマートスピーカーが盛り上がっていますが、非ディスプレー型製品が普及した先に、フェイスブックはどのような姿になっているでしょう？
A：構図として、（テキストや写真などの）ビジュアルに相対する概念としての音声、という形にはならず、相互補完的になっていくのではないか。たとえば、オープンスペースで仕事をしているときや、すごく複雑で体系的な情報を取得しようとしているときには、テキストや写真、表などのほうが適している。でも運転中や料理の途中にちょっとしたニュースを聞くときなら、音声のほうがいい。どちらか一方ではなく、組み合わせて使うことで便利さが増していく。
+その流れの中で、フェイスブックをはじめとするSNSの使い方に何らか変化が生じてくるのは明らか。スクリーンを見て使う、というだけではなく、聴覚的な情報や付加価値がより重要度を増す可能性はある。一方で、友達と楽しい出来事をシェアしたり、一緒に何かを体感したりといったコンセプトは変わらないはずだ
http://toyokeizai.net/articles/-/205816
第一の記事で、 『AIによる自動化が図られるのは、それが容易な分野だけでなく経済的な利益が大きい分野も、である。企業にとっては、高賃金の仕事ほど機械で置き換えるメリットが大きい。低賃金で機械化の利益が小さいところや、雑多な作業で対応が難しいものが人間が行う仕事として残され、生活を支えるために多くの人がこうした仕事を得ようとして争うことになる恐れが大きい』、他方で 対応策として検討されている 『ベーシックインカムの制度・・・職を失っても生活が保障されるという意味では朗報だが、あくまで最低限度のセイフティーネットに過ぎない。一部の人が現在は想像できないような豊かさを享受する一方で、多くの人の生活水準は大幅に低下してしまうという著しい格差が生まれることを防ぐことはできないのである』、 『デジタルエコノミーの発展は人類に想像できないような豊かさをもたらすことができるはずだが、それは神の見えざる手に任せておけば自然に実現するというものではないだろう』、市場原理に委ねないとしたら、一体どういうことになるのだろうか。
第二の記事で、 『「深層学習にすべて任せると、ブラックボックスになってしまう」』、この弱点をカバーするため、 『「ホワイトボックス化」と呼ばれる技術。深層学習AIの判断材料や判断プロセスを解析して可視化しようという試みだ』、 『もう一つが「GAN（ガン＝敵対的生成ネットワーク）」。2つのAIを競い合わせることで成長させる技術だ』、第一の記事でみた社会的影響を度外視して純粋に技術面だけでみれば、大いに楽しみな技術だ。
第三の記事で、 『アーティフィシャルインテリジェント（AI）と言われる割に、まだそんなに“インテリ”ではない・・・AIが「これはネコの写真だ」と認識するには、少なくとも1万枚程度のネコの写真を見せる必要がある』、機械学習といってもやはり限界もあるようだ。 『子どもは本当にすごい。1日10時間起きているとすれば、そのうち95％は「教師なし学習」の時間。つまり、「これはペンだよ」「これはリンゴだよ」と教え込む作業をしていないにもかかわらず、自分で見て、聞いて、遊んで、探検して、学んでいる。ほんの少量のデータで、一気に賢くなる。われわれの最先端のAIよりはるかに頭がいい』、ということは、AIを過度に恐れる必要はないのかも知れない。
先ずは、ニッセイ基礎研究所 専務理事の櫨 浩一氏が昨年11月29日付け東洋経済オンラインに寄稿した「AIの発達をこのまま市場に任せてよいのか 人類にとって｢憂鬱な未来｣か｢豊かな未来｣か」を紹介しゆ（▽は小見出し）。
・日本経済は人手不足の様相を強めている。失業率は2017年9月には2.8％に低下し、特に有効求人倍率は1.52倍と、バブル期のピークだった1990年7月の1.46倍をも超える高さだ。団塊世代が65歳を超えた2012〜2014年以降も、毎年150万人を超える人が65歳を迎えて年金生活に入っていくのに対して、15歳を迎える人口は120万人に満たず、毎年30万人以上ずつ生産年齢人口が減少していく。今後も高齢化による労働力の減少が続き、高齢者や女性の労働参加を考慮しても、しばらくの間は労働需給がさらにひっ迫するだろう。
・しかしもっと先を考えると、AI（人工知能）の進歩で機械が人間の行ってきた仕事を担うようになるという動きが加速し、人間の仕事はなくなっていき、世界的に労働力過剰という事態が出現する可能性がある。 『デジタルエコノミーはいかにして道を誤るか～労働力余剰と人類の富』（東洋経済新報社、2017）で、著者のライアン・エイヴェントは、コンピュータは蒸気機関や電気と同様の汎用技術でとてつもない力を持ったものであることや、デジタル革命は人類に多大な恩恵をもたらすので後戻りできない流れであることを指摘し、社会が直面する課題を論じている。以下ではこの議論を参考に影響を考えてみたい。
▽AIの発達で拡大していく格差
・AIが発達していけば、最終的には人間がまったく働かなくても社会全体としては有り余るほど豊富な生産物が供給できるというSF小説に出てくるような世界が実現する可能性がある。 どんなものでも価格は需給で決まるというのが経済学の「キホンのき」であり、空気のように必要不可欠であっても希少性のないものの価格はゼロか極めて低価格だ。英国の経済学者ライオネル・ロビンズは、経済学を希少資源の最適な使用についての学問だと定義したが、誰もが欲しいものを欲しいだけ入手できるようになる世界では経済学は無用になるのだろう。
・しかし、MIT教授の物理学者であるテグマークの "Life 3.0: Being Human in the Age of Artificial Intelligence"（Max Tegmark, Knopf Doubleday Publishing Group, 2017）によれば、そもそもこの夢のような状況が実現可能かどうかや、それまでにどれくらいの時間がかかるのかについては、専門家の間でもコンセンサスはないという。
・少なくとも短期間で実現するとは考えにくく、まだ何十年かの間は、生活を支えるすべてのものは、価格が低下していくものの有料である。必要なものを手に入れるためには、人々は何とかして所得を得る必要があるという状態が続くとの前提で将来を考えるのが無難だ。ところが、AIが発達していくことで機械に仕事を奪われ、所得が得られなくなる人が多数生まれてしまうおそれがある。
・デジタル革命は、社会に非常に大きな利益をもたらすが、プラスの面ばかりではない。 たとえば、シェアリング・エコノミーの拡大によって、多くの人がフリーランスとして、あちこちから単発の仕事を請け負って生計を立てるという選択肢を持つようになったことだ。 会社に所属して規則に縛られて働かなくても、自分が働きたいときだけ働くということが可能になったが、その反面、米国ではこれまでのフルタイムの仕事では、普通の生活をするために十分な仕事量と収入が得られないケースが増えてきている。
・Uberの登場でお客を奪われたタクシー運転手の所得は大きく下がったはずだ。所得の減少を補うためにやむを得ず副業に従事する人が増えており、必ずしも積極的にフリーランスの仕事を選んでいるわけではない。そもそも遠からず自動運転の技術は確立すると見られており、Uberで運転手として自分の都合に合わせて働いて収入を得ている多くの人も、仕事と収入の道を失うことになるだろう。
▽「高等教育で高所得が得られる」は楽観的すぎる
・18世紀半ばに産業革命が起こったときには、織物の職人などが仕事を失ったが、こうした人たちは数のうえでは全体からみればごく一部に過ぎず、農業を離れて工場で機械を操作する職を得て所得が高まった人のほうがはるかに多かった。生産物の供給が増えて価格が低下し、多くの人が購入できるようになったこともあって、社会の平均的な生活水準は大きく高まった。
・近年では、製造業で自動化が進むことで中程度のスキルの仕事が消えたため、職を失って低所得のサービス業の仕事しか見つからない人が増えた。一方で、ITを活用できる人たちの生産性は大きく上昇した。コンピューターや専門・技術的職業を持つ人たちの収入が上昇して所得格差が拡大しているため、高等教育への進学率を高めることが問題の解決策として提言されることが多い。
・しかし、米国では既に大学卒の給与水準は頭打ちとなっていて、高い賃金が得られるのはさらに高度な教育を受けた大学院卒で、修士号や博士号を持つ人たちに限られている。日本では高等教育機関（大学以上）への進学率は50％を超えているが、必ずしもそれに相応しい能力を身に付けていないということが問題とされることがある。誰でも一定の努力をすれば、高度な知識・能力を活用できるようになり、高い所得が得られると考えるのは楽観的に過ぎるのではないか。
・AIが進化して行けば、現在はAIで代替することは難しいとされている仕事に就いている人たちも安泰ではなくなる。少し昔にはコンピューターが囲碁で人間に勝つようになるのはまだ先のことだと考えられていたが、今や世界最強といわれる棋士でもコンピュータにはまったく歯が立たない。人間が必要な分野はどんどん縮小していくだろう。
・AIによる自動化が図られるのは、それが容易な分野だけでなく経済的な利益が大きい分野も、である。企業にとっては、高賃金の仕事ほど機械で置き換えるメリットが大きい。低賃金で機械化の利益が小さいところや、雑多な作業で対応が難しいものが人間が行う仕事として残され、生活を支えるために多くの人がこうした仕事を得ようとして争うことになる恐れが大きい。
▽ベーシックインカムは解決策にならない
・デジタルエコノミーの拡大で生まれる失業者を救済するために、「すべての国民に、生活に必要な最低限の所得を給付する」というベーシックインカムの制度を設けるべきだという人もいある。これについて、エイヴェントは最低賃金の引き上げよりは有望だとしている。しかし、職を失っても生活が保障されるという意味では朗報だが、あくまで最低限度のセイフティーネットに過ぎない。一部の人が現在は想像できないような豊かさを享受する一方で、多くの人の生活水準は大幅に低下してしまうという著しい格差が生まれることを防ぐことはできないのである。
・AIを活用した研究開発が一部の人たちの生活水準を高めることに集中すれば、一部の人だけが豊かになり、多くの人たちの生活水準は大して向上しないということも起こるだろう。老化や癌などを克服するための研究にAIやさまざまな資源を集中的に投じれば、人間の寿命を大きくを延ばすことができ、今の時点では信じられないほど長寿となる可能性もある。
・しかし、こうして開発された先進的な医療技術は著しく高額で、ベーシックインカムに依存して生活する多くの人たちはまったく手が届かないに違いない。例えば、現在免疫細胞を遺伝的に加工して癌に対する攻撃力を高めるという治療方法は驚異的な治療成績を収めているが、1回の治療に5000万円以上もかかると日経新聞は報じている（日本経済新聞夕刊、11月14日付）。
・そもそも資源・エネルギーの制約があるので、誰でも欲しいものが何でも欲しいだけタダで手に入るという世界は永久に実現しないのかも知れない。ピケティの『21世紀の資本』（みすず書房、2014）が警鐘を鳴らしたように、AIやこれを使った生産設備を保有している人たちとそれ以外の人たちという資産格差が、所得や寿命などの格差を拡大再生産していってしまうおそれもある。
・長期停滞の背景には富の一極集中があるとエイヴェントは指摘する。確かに、20世紀半ばに工業化が進む中で格差が縮小したのは、経済的な必然の結果ではなくソ連などの計画経済国家という脅威の存在や、大恐慌の影響でさまざまな制度の変革が行われたことも大きな要因だったと考えられる。
▽「神の見えざる手」に任せておけば？
・AIが人間の能力を超えていけば、生産を行うためにはどうしても人間が必要だという前提が崩れ、労働者は生産性（厳密には限界生産性）に等しい賃金を得るとか、生産の中から労働者が受け取る割合である労働分配率はほぼ一定であるとかいう世界ではなくなってしまうはずだ。「正統派経済学の終焉」という主張が、現実のものとなるかも知れない。
・ノースウエスタン大のゴードン教授など技術進歩の速度低下を指摘する声は多いが、むしろ社会変化の速度は速くなっているように見える。親の経験は子供たちが将来を考えるにはまったく役に立たず、制度や人々の生活スタイルや考え方、行動が社会変化について行けないほどだ。
・テグマークの言うように、AIの発展を未来の社会にとって良いものにするためには、これをどう受け止めるのかという議論が必要だ。デジタルエコノミーの発展は人類に想像できないような豊かさをもたらすことができるはずだが、それは神の見えざる手に任せておけば自然に実現するというものではないだろう。
http://toyokeizai.net/articles/-/199055
次に、昨年12月25日付け日経ビジネスオンライン「静かに広がる「アンチ深層学習」「アンチAI」 ブラックボックス化を警戒」を紹介しよう（▽は小見出し）。
・「うちのシステムにAI（人工知能）という言い方は使っていません。書き方に気をつけてくださいね」 記者は最近、感情の分析、翻訳、セキュリティーなどの課題に挑むAIに関して取材に当たっていた。その際時折、このような注意を広報担当者から受けたのだ。
・過去にはAIの研究者が冷遇される時代があり、自身ではAIを研究しているつもりでも、研究費を得るために「ロボット」などに看板を架け替えていたことがあった。しかし、空前のAIブームに沸く現在において、同じ現象が起き始めているのだ。
▽バズワードになったAIと深層学習
・その理由のひとつは、AIという言葉が、意味が不明瞭のまま使われる「バズワード」と化し、猫も杓子もなんにでも使われていることへの反感ではなかろうかと思う。自省をこめていえば、これは我々報道機関に責任がある。
・AIの定義は学術的にはっきりとは決まっていないそうだ。手元にある辞書の説明では、ヒトの知的機能を代行できるシステムを指す。では、たとえば1人プレイモードがある将棋や麻雀のゲームアプリはAIだろうか。これはAIでないという意見を持つ人でも、米グーグル持ち株会社、アルファベット傘下の英ディープマインドが手掛ける「アルファ碁」ならAIと呼ぶことに違和感がないかもしれない。両者の大きな違いは、システムが賢くなるための学習機能を備えているかどうかだ。あるいは、アルファ碁ですらAIではなく、すべての機能においてヒトと変わらない能力を持って初めてAIと呼ぶにふさわしいと思う人もいるかもしれない。
・最近の報道はこんな定義を気にもせず、AIと一口に書くだけでその技術的背景や企業間の違いも詳述しない。AIという見出しだけが躍る。そんな報道ばかりでは、開発側も嫌気が差すのではなかろうか。グーグルがAIのフレームワークを公開していることで、簡単なAIならだれもかれもつくれる時代だ。ただただAIと表現されるだけでは、製品の特徴が分からず陳腐にさえ見えることもある。
・そして、推測しうるもうひとつの理由が、「ディープラーニング（深層学習）」への反感。正確に言えば、同じくバズワードと化した「深層学習」という言葉への反感だ。ヒトの脳神経の機能を模した深層学習技術は、アルファ碁をプロ棋士を超える強さに育て上げたことで、報道に頻出するようになった。昨今のAIといえば、深層学習を使うのがスタンダードになっている。しかし、現在のAIブームを巻き起こしたこの深層学習を、ある点ではネガティブな意味に一部の企業は捉えているのだ。ゆえに、深層学習を連想させるAIというバズワードも使いたがらないのではないだろうか。
・深層学習以前のAIは、AIが正解を導くための判断材料の見つけ方や、材料をもとにした判断プロセスを、ある程度ヒトがプログラミングしていた。深層学習は判断材料を探すところからすべてAIに任せている。 たとえば動物の画像をみて、それが猫かどうか判断する課題にAIが挑んだ場合、旧来のAIはあらかじめヒトが「ヒゲに注目しろ」「目に注目しろ」「耳に注目しろ」などとプログラミングをしておく。深層学習AIの場合は、あらかじめ猫の画像を大量に読み込んでおけば、注目するべきポイントを自ら見つけてくるのだ。
・しかし、これは裏を返せば、開発者がAIの判断を検証することが難しいということでもある。翻訳向けに深層学習AIを開発しているある技術者は「変な訳が出てきても、なぜそうなったのかがわからない。微調整ができないのが最大の課題だ」と語る。
・実際、今の深層学習AIの導入事例を見渡してみても、間違えを出しても説明責任を求められない課題ばかりだ。そうなると、例えばセキュリティーの課題に導入するのはハードルがある。
▽深層学習はブラックボックス
・例えば、深層学習AIを積んだ手荷物チェック用のX線検査機を開発した日立製作所も、用途は旧来得意としていた空港向けではなく、チェック効率がより重視されるイベント向けだという。また、このAIは危険な手荷物に対して警告を鳴らす仕組みではない。「絶対安全」と判断できるものにだけOKを出し、ちょっとでも不審な点があれば、検査員にチェックを促す。検査の効率は40％ほど向上するが、安全を追及するためにはヒトが最終関門を担わなければいけない。
・警備用カメラをチェックして自動で不審者を捜し出すAIの実用化に挑んでいるセコムは、よりはっきり深層学習への懸念を示している。セコムIS研究所の目崎祐史所長は「深層学習にすべて任せると、ブラックボックスになってしまう」と語る。
・深層学習も利用はしている。しかし、画像からヒトの顔の部分を抜き出すなど、一般的に用いられていて信頼性が確立された課題のみに使う。つまり、深層学習AIは不審者を割り出すための判断材料を映像から抜き出すためのパーツに過ぎない。その材料からどう正解を導くかの判断プロセスは、ベテラン警備員の経験知をコンピューター言語にすることでAIに組み込んでいる。敢えて旧来型の手法でAIの判断プロセスを構築しているのだ。
・また、深層学習だけに頼れば、AIの成長に使うデータ量の競争に陥りがちだ。多くのデータ量を読み込むほど深層学習AIは賢くなるからだ。しかし、データの扱いを一つ誤ると、ICカードのデータを外部提供して批判を浴びたJR東日本のように、手痛いしっぺ返しをくらう。
・セコムの場合、AIの成長に使うデータは、エキストラが不審者のふりなどをする映像だけだ。実際の監視カメラの映像は含まれていない。国内では監視カメラ映像のような機微な情報を集めるのが難しい以上、ヒトが判断プロセスを書き込む旧来の方式と深層学習をハイブリッドで使う方法は有用だと記者は考える。
・もちろん深層学習そのものは非常に有効な技術だ。先に挙げた弱点を補い、深層学習AIを進化させようという研究も盛んだ。 富士通やNECが開発しているのが「ホワイトボックス化」と呼ばれる技術。深層学習AIの判断材料や判断プロセスを解析して可視化しようという試みだ。
・もう一つが「GAN（ガン＝敵対的生成ネットワーク）」。2つのAIを競い合わせることで成長させる技術だ。片方のAIは、相手のAIがいかにも間違えそうな「意地悪問題」を出して成長を促す。AIがAIを成長させるためのデータを自動で生成するので、データ量を追い求める競争から脱却できる可能性を秘めている。
http://business.nikkeibp.co.jp/atcl/opinion/15/221102/122100550/?P=1
第三に、1月24日付け東洋経済オンライン「フェイスブックのAIがぶち当たった｢限界｣ 最先端でも子どもの学習能力には勝てない」を紹介しよう（▽は小見出し、Qは聞き手の質問、Aはルブリュン氏の回答、+は回答内の段落）。
・各国の大企業がこぞって独自開発し、活用に乗り出すAI（人工知能）。日々、膨大な量の写真や動画が投稿されるフェイスブックも、プラットフォーム全体の健全性を維持するのにAIをフル活用しているほか、すぐにはビジネスに結び付かないような先端研究にも力を注ぐ。
・今のAIには何ができて、何ができないのか。AIはこの先、どう進化するのか。同社の学術的研究を担うチーム「Facebook AI Research（フェイスブック人工知能研究所）」のエンジニアリング・マネージャー、アレクサンドル・ルブリュン氏に最前線の研究について聞いた。
▽100億枚から不適切な写真をAIが監視
Q：フェイスブックのサービス上では、AIはどのように使われていますか。
A：フェイスブックには、1日約100億枚の写真が投稿されている。そのすべてを人間の目でチェックするのは不可能なので、ここでAIが活躍する。具体的には、タイムラインやメッセンジャーに写真が投稿されると、これは一般に見せていいものか、たとえば暴力的だったり、性的だったりしないかを瞬時に判断する。好ましくない写真をアップしようとしている人は絶えず存在しているので、まずはそれをはじくのがAIの重要な仕事だ。
+もう一つの役割は、AIで写真の内容をより深く理解し、誰が「いいね！」するかを判断すること。たとえばネコ好きの人には、ネコが写っているとAIが認識したものを優先的に見せようとする。一方で友人の赤ちゃんの写真を見飽きている人には、赤ちゃんの写真を見せる頻度を下げようとする。コンテンツの中身を理解して、それを楽しめる人とのマッチングを図っているわけだ。
+写真だけでなく、テキスト、動画、VR（仮想現実）でも何でも、コンテンツの内容をより深く理解しなければ、ユーザーにとってよいセレクションをするのは難しい。特に写真や動画に関しては、テキストと違った難しさがある。どのユーザーに見せるべきか、誰に好まれるコンテンツか、という判断を的確にできるよう、研究を進めている。 それ以外にも、視覚障害がある人のためにAIで写真の内容を把握して音声で説明したり、テロ行為や自殺願望をほのめかすような写真・動画投稿を検知して迅速に対応したりと、あらゆる面でAIを活用している。
Q：さまざまなITサービスの中でも、フェイスブックのようなSNSはAIと親和性が高い分野ですか。
A：フェイスブックに限らず、今日のSNSはどれもAIなしでは存在しえない。なぜなら表示するコンテンツを高度に選択しないと、ノイズが多すぎるからだ。いかがわしいもの、不適切なものを機械的にフィルターにかける機能がない状態では、あっという間に危険なプラットフォームになってしまう。今のソーシャルメディアの規模を考えればなおさらだ。
+残念なことに、悪いことをしようとする人々も、AIの目をどうにかすり抜けようと頭を使って新しい手法を編み出している。10年前には、（テキストの）キーワードを含むものを抽出して不適切性を判断していればよかったが、今はそれだけではまったく不十分。ソーシャルメディアの未来は、質のよい、高精度なAIなくしてはありえないといえる。
▽AIはまだまだ”インテリ”ではない
Q：今のAIの改善点、限界はどこにあるのでしょう？
A：アーティフィシャルインテリジェント（AI）と言われる割に、まだそんなに“インテリ”ではない点だ。今、機械学習は「教師あり学習」という手法が主流だが、膨大な量の例をAIに見せて学ばせる必要がある。たとえば、AIが温度のセ氏からカ氏への変換をできるようにするには、200～300の事例を読み込ませる。AIが「これはネコの写真だ」と認識するには、少なくとも1万枚程度のネコの写真を見せる必要がある。
+人間の子どもならどうか。たとえば、ネコという動物を認識させたい場合、せいぜい5回くらいネコに遭遇すれば、「これがネコだ」という認識が生まれる。熱湯に指を突っ込んでやけどをしてしまったら、一度だけでその先ずっと覚えていると思う。AIは、最先端のものでも何千回と同じ経験をしなければうまく認識できない。
+実はAIの教師あり学習という手法は、1980年代から30年くらい行われている。その間、裏側のアルゴリズムはほとんど変わっていなくて、やっと（収集できる）データの量とPCの計算能力が十分な水準に達し、機能し始めたのがここ5年だ。それと同時に専門家の間では、教師ありの機械学習は数年内に一定のポイントに到達できるという自信が生まれている。限界地点が見えてきた、ともいえる。
+アウトプットの種類を考えても、教師あり学習には限界がある。不適切な写真をはじく、英語から日本語に翻訳する、交通規制通りに自動運転をする、チェスの試合をする、といった、ある程度シンプルなタスクの場合はうまく機能する。でも、感情豊かに人と対話したり、もっと深い推論を行ったりする能力は、今の教師あり学習の延長上にはないまったく新しい分野になる。
Q：「教師なし」の機械学習はどのくらい研究が進んできたのでしょうか。
A：まだ始まったばかりで、最適な解決策の糸口を探している段階だ。その中で一つ、私たちが進めているのが、子ども、乳幼児を生物学的に深く研究し、そこからインスピレーションを得ようという試み。彼らの学び方を観察して、それを機械の学び方に生かせないかという考え方だ。
+子どもは本当にすごい。1日10時間起きているとすれば、そのうち95％は「教師なし学習」の時間。つまり、「これはペンだよ」「これはリンゴだよ」と教え込む作業をしていないにもかかわらず、自分で見て、聞いて、遊んで、探検して、学んでいる。ほんの少量のデータで、一気に賢くなる。われわれの最先端のAIよりはるかに頭がいい。
▽会社が違っても研究コミュニティは一緒
Q：子どもの学び方にヒントを得ようとするのは、AI研究の共通的なアプローチなのでしょうか。
A：研究者のコミュニティはある種の”家族”のようなもので、所属がフェイスブックだろうがグーグルだろうがIBMだろうが、あまり関係がない。皆が同じカンファレンスに出て、とてもオープンな環境で研究しており、この会社だからこの方向性、というものもない。自由度の高い、ボトムアップの世界だ。
+私自身が所属しているAI研究チームも、もっぱら学術的な研究開発を行い、すべての活動をオープンにしている。私たちの第一の目的はフェイスブックの事業を助けることではなく、あくまで最先端のAI技術を追い求めることだ。もちろん、それが時としてフェイスブックのビジネスに直接役立つことはあるが。
+特に教師なし学習の研究は、これから非常に長期戦になるだろう。10年間研究し続けても結果が出るかわからないというレベル。そういう類の研究に投資し続けられる企業はあまり多くないが、長期的かつ抽象的な研究が科学の発展のためには重要だ。
Q：最近では音声アシスタントやスマートスピーカーが盛り上がっていますが、非ディスプレー型製品が普及した先に、フェイスブックはどのような姿になっているでしょう？
A：構図として、（テキストや写真などの）ビジュアルに相対する概念としての音声、という形にはならず、相互補完的になっていくのではないか。たとえば、オープンスペースで仕事をしているときや、すごく複雑で体系的な情報を取得しようとしているときには、テキストや写真、表などのほうが適している。でも運転中や料理の途中にちょっとしたニュースを聞くときなら、音声のほうがいい。どちらか一方ではなく、組み合わせて使うことで便利さが増していく。
+その流れの中で、フェイスブックをはじめとするSNSの使い方に何らか変化が生じてくるのは明らか。スクリーンを見て使う、というだけではなく、聴覚的な情報や付加価値がより重要度を増す可能性はある。一方で、友達と楽しい出来事をシェアしたり、一緒に何かを体感したりといったコンセプトは変わらないはずだ
http://toyokeizai.net/articles/-/205816
第一の記事で、 『AIによる自動化が図られるのは、それが容易な分野だけでなく経済的な利益が大きい分野も、である。企業にとっては、高賃金の仕事ほど機械で置き換えるメリットが大きい。低賃金で機械化の利益が小さいところや、雑多な作業で対応が難しいものが人間が行う仕事として残され、生活を支えるために多くの人がこうした仕事を得ようとして争うことになる恐れが大きい』、他方で 対応策として検討されている 『ベーシックインカムの制度・・・職を失っても生活が保障されるという意味では朗報だが、あくまで最低限度のセイフティーネットに過ぎない。一部の人が現在は想像できないような豊かさを享受する一方で、多くの人の生活水準は大幅に低下してしまうという著しい格差が生まれることを防ぐことはできないのである』、 『デジタルエコノミーの発展は人類に想像できないような豊かさをもたらすことができるはずだが、それは神の見えざる手に任せておけば自然に実現するというものではないだろう』、市場原理に委ねないとしたら、一体どういうことになるのだろうか。
第二の記事で、 『「深層学習にすべて任せると、ブラックボックスになってしまう」』、この弱点をカバーするため、 『「ホワイトボックス化」と呼ばれる技術。深層学習AIの判断材料や判断プロセスを解析して可視化しようという試みだ』、 『もう一つが「GAN（ガン＝敵対的生成ネットワーク）」。2つのAIを競い合わせることで成長させる技術だ』、第一の記事でみた社会的影響を度外視して純粋に技術面だけでみれば、大いに楽しみな技術だ。
第三の記事で、 『アーティフィシャルインテリジェント（AI）と言われる割に、まだそんなに“インテリ”ではない・・・AIが「これはネコの写真だ」と認識するには、少なくとも1万枚程度のネコの写真を見せる必要がある』、機械学習といってもやはり限界もあるようだ。 『子どもは本当にすごい。1日10時間起きているとすれば、そのうち95％は「教師なし学習」の時間。つまり、「これはペンだよ」「これはリンゴだよ」と教え込む作業をしていないにもかかわらず、自分で見て、聞いて、遊んで、探検して、学んでいる。ほんの少量のデータで、一気に賢くなる。われわれの最先端のAIよりはるかに頭がいい』、ということは、AIを過度に恐れる必要はないのかも知れない。
タグ：AIはまだまだ”インテリ”ではない アレクサンドル・ルブリュン 「フェイスブックのAIがぶち当たった｢限界｣ 最先端でも子どもの学習能力には勝てない」 GAN（ガン＝敵対的生成ネットワーク ホワイトボックス化 深層学習はブラックボックス バズワードになったAIと深層学習 「静かに広がる「アンチ深層学習」「アンチAI」 ブラックボックス化を警戒」 日経ビジネスオンライン デジタルエコノミーの発展は人類に想像できないような豊かさをもたらすことができるはずだが、それは神の見えざる手に任せておけば自然に実現するというものではないだろう ベーシックインカムは解決策にならない AIの発達で拡大していく格差 ライアン・エイヴェント 『デジタルエコノミーはいかにして道を誤るか～労働力余剰と人類の富』 「AIの発達をこのまま市場に任せてよいのか 人類にとって｢憂鬱な未来｣か｢豊かな未来｣か」 東洋経済オンライン 櫨 浩一 その4）（AIの発達をこのまま市場に任せてよいのか 人類にとって｢憂鬱な未来｣か｢豊かな未来｣か、静かに広がる「アンチ深層学習」「アンチAI」 ブラックボックス化を警戒、フェイスブックのAIがぶち当たった｢限界｣ 最先端でも子どもの学習能力には勝てない） （AI) 人工知能
コメント 0