DL


東大の伊藤謝恩ホールで「ディープラーニング産業推進フォーラム2017」。会場内で書いたメモを元に覚え書き。ところどころ忘れてしまって、もう断片的にしか思い出せないが、面白かった。

https://connpass.com/event/65143/

    • -

モラベックのパラドックス

「コンピュータに知能テストを受けさせたりチェッカーをプレイさせたりするよりも、1歳児レベルの知覚と運動のスキルを与える方が遥かに難しいか、あるいは不可能である」

https://ja.wikipedia.org/wiki/%E3%83%A2%E3%83%A9%E3%83%99%E3%83%83%E3%82%AF%E3%81%AE%E3%83%91%E3%83%A9%E3%83%89%E3%83%83%E3%82%AF%E3%82%B9

Google翻訳は2016年からディープラーニングになって今後ますます翻訳精度が向上すると思われる。英語とスペイン語との翻訳とか、もうすでに完璧に近いくらいの精度らしい。しかし日本語は世界の言語の中でわりと無視されているというか、あまり重要と思われてないので、納得できるくらいの精度を得るにはもうちょっと時間が掛かりそう。

ビリヤードの動きをあらわした3DCG。これは物理モデルで計算しているわけではない。ディープラーニングによる1秒後の予測。ここまでリアルにビリヤード球同士がぶつかって跳ね返る様子を作り出せる。

「眼」の誕生。「眼を持つ機械」、視覚野の誕生、ということ。

それほど敷居高くない。理系の人が半年もやればそこそこ行ける

CNN=空間的な隣接性
RNN=音声、時系列的隣接性

いちばん優秀なのは二十代、しかし日本は年功序列
アメリカで自動運転の仕事の事例だと、新卒で年収1500万、キャリア積むと何千万、リーダーとかマネージメントクラスだと億とか十億クラスも。
日本は技術やモノに対してなら費用対効果を現時点から逆算するが、人に対してはしない。
前例もなく文化も違うので、急に入ってきた若い人に巨額の給料を払うことができない。

開発製品事例。特有のデータを保持する企業に初期導入→同業企業に導入する際の皮切りデータ。じょじょに精度が上がっていく。

東大でディープラーニングは虐げられている。今までAIと関係なかった部門がディープラーニングに興味を持つ。

アルゴリズムよりも計算資源が重要」
アルゴリズムよりもデータが重要」
「計算資源よりもデータが重要」

データ作成、そこは人間の仕事。
秘密を守れること
データ作成できる人が求められている
ネットにないデータ
結果(因果)がわかるデータ

計算資源は当社のサーバー一台でOK。25万円。

ステージの客席にいる観客の表情を拾って、男女比や年齢、笑っている人数などからデータを集計するシステム。工数は0.5人月くらいで何十万円くらいで作ったもの。

AI 課題は汎用性、つまり対応力。今は特化型だけ。

汎用化のために、ある程度は脳モデルが参考になるはず。

AIの学術分野では、日本は世界の中では苦戦している。

判断→命令に従う、従わない (自殺しろと命令されたら拒否する)

自律性と汎用性のバランス
自律性=未知を予測する
汎用性=世界を検索する

倫理性 帰結主義、義務、徳

未知(少ないデータ)への対応

万人の幸福と人類存続のトレードオフの緩和、人工知能と人間による近未来の生態系(EcSIA)の形成、ゆるく制御。

(以上)

    • -

独り言

「こうであれば良い」という未来像は、どのようにイメージすれば良いのだろうか。万人の幸福と人類存続の両立。これは「こうでなければいけない」ということだ。

たとえばナチスは「ドイツの現状はおかしい。これには原因があるから、これを取り除くべきで、ドイツは本来こうであるべきだ」ということで勢力を拡大した。

「こうであれば良い」の共有はとても難しい。「こうであれば良い」と「こうでなければいけない」と、当事者からすると、どちらも急に降ってくる。

現状に不満足→未来像イメージ

冷静に判断するとはどういうことなのだろうか。冷静とは何か。信用を勝ち取れる状態ということか。

AIは1秒先の未来を作る→現在を作っている?