「エンターテインメント、人工知能、ゲームマスター」
•
12 likes•3,375 views
「エンターテインメント、人工知能、ゲームマスター」 MIT Technology Review 「2時間でわかる人工知能の現在と未来」Emerging Technology Meetup #1 の講演資料です。 http://peatix.com/event/216256
Recommended
More Related Content
What's hot
What's hot (20)
Similar to 「エンターテインメント、人工知能、ゲームマスター」
Similar to 「エンターテインメント、人工知能、ゲームマスター」 (20)
More from Youichiro Miyake
More from Youichiro Miyake (20)
「エンターテインメント、人工知能、ゲームマスター」
- 1. 「エンターテインメント、人工知能、 ゲームマスター」 三宅 陽一郎 「2時間でわかる人工知能の現在と未来」 Emerging Technology Meetup #1 MIT Technology Review 2016.11.30 https://www.facebook.com/youichiro.miyake http://www.slideshare.net/youichiromiyake y.m.4160@gmail.com
- 3. Works (2006-2016) AI for Game Titles Books
- 4. WIRED A.I. • WIRED A.I.+ Wired City • １２月１日発売 • 「人工知能＋街 特集」
- 5. 「IT、都市、ヘルスケア、あらゆる領域で 人工知能と人間が共創する未来」 • WIRED 「INNOVATION INSIGTS」 http://wired.jp/innovationinsights/post/analytics-cloud/w/cocreation_with_ai
- 6. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 7. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 8. 第一章 知能の起源
- 19. 環境 キャラクター の知能 環境とキャラクター キャラクター の知能入力 出力 http://www.kaiyodo.co.jp/revoltech/yamaguchi_2012.html 入力を見つける 出力を決める キツツキの環世界 Ｐｈｏｔｏｍｍｏ http://free-photos.gatag.net/2015/03/20/140000.html
- 26. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 27. 第二章 人工知能とは
- 29. ダートマス会議（1956年） • ジョン・マッカーシーのいたダートマス大学で、人工知能を テーマとして初めて開催された会議。 • Artificial Intelligence という名称もはじめてここで用いられた。 http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
- 32. 機械（マシン）
- 33. 機械（マシン） ソフトウェア
- 47. 知能化 • 工場 → （知能化） → オートスケジューリング • 配送 → （知能化） → 自動分配・自動配送 • 車 → （知能化） → 自動走行・ＩＴＳ • 家電 → （知能化） → コミュニケーション家電（ルンバなど） • インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など) • TV → （知能化） → キーワード・趣向による自動録画 • 注文サービス → （知能化） → 自動受付・自動サービス 社会の隅々にまで、知的機能がインプリメント（実装）される。
- 48. 知能化 • 工場 → （知能化） → オートスケジューリング • 配送 → （知能化） → 自動分配・自動配送 • 車 → （知能化） → 自動走行・ＩＴＳ • 家電 → （知能化） → コミュニケーション家電（ルンバなど） • インターネット → （知能化） → Web.4.0 (GoogleのDeep Learning など) • TV → （知能化） → キーワード・趣向による自動録画 • 注文サービス → （知能化） → 自動受付・自動サービス 社会の隅々にまで、知的機能がインプリメント（実装）される。 知能化
- 55. 人間の知能の形/人工知能の知能の形 AlphaGO ＝囲碁しか打てない ＝人間より強い ナビ ＝目的地へのルート ＝ とても正確 お掃除ロボット ＝お掃除しかできない ＝ 24時間掃除 IBM ワトソン ＝記号の統計情報しかない ＝何百万行のテキストの関係を記憶 お料理ロボット ＝お料理しかできない ＝何万と言うレシピ 人工知能＝専門的知能 一つのことしかできない。
- 56. 時間（イメージ） 空間（論理） 殆どの人工知能は与えられたフレーム（問題設定）の 外に出ることはできない。 人間は柔軟にフレーム（問題設定）を創造し 変化させることができる。 人間と人工知能の違い
- 67. 情報の海 （ネットワーク） 現実世界 人工 知能 人工 知能 人工 知能 解析・抽出 提出・提案命令・指示 センシング ネット空間の人工知能 人間 センシング技術やロボットの徘徊、カメラなどによって
- 71. 新しい現実空間 人工知能 クラウド 現実世界 （～1995） インターネット 人工知能による新しい空間 パソコン 現実がデジタル空間を内包していたはずが、 内包したデジタル空間が現実を変化させて行く。
- 87. 飽和したネット空間のサービス競争（飽和） IT技術による新しい現実空間のサービス（新規） ネット空間 現実空間 クラウド/人工知能 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現在起こっていること ～ネット空間から現実空間への回帰 ゲーム空間 人工知能 新しい 現実空間の 誕生 https://www.ingress.com @2010-2015 SQUARE ENIX CO., LTD. All Rights Reserved.
- 88. 飽和したネット空間のサービス競争（飽和） IT技術による新しい現実空間のサービス（新規） ネット空間 現実空間 クラウド/人工知能 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT ネット空間から現実空間へ、現実世界からネット空間へ ゲーム空間 人工知能 現実世界の人工知能 デジタル世界の人工知能 新しい 現実空間の 誕生 @2010-2015 SQUARE ENIX CO., LTD. All Rights Reserved.
- 90. 飽和したネット空間のサービス競争（飽和） IT技術による新しい現実空間のサービス（新規） ネット空間 現実空間 クラウド/人工知能 インターネット 進出・ 浸食 ロボット 実空間 センシング ドローン IoT 現実世界とデジタル世界をまたぐゲーム空間 ゲーム空間 人工知能 デジタル世界の人工知能 現実世界の人工知能 未開拓 成熟 @2010-2015SQUARE ENIX CO., LTD. All Rights Reserved.
- 97. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 98. 第三章 ゲームと人工知能
- 99. FC SFC SS, PS PS2,GC,Xbox Xbox360, PS3, Wii DC （次世代）Hardware 時間軸20051999 ゲームの進化と人工知能 複雑な世界の 複雑なＡＩ ゲームも世界も、ＡＩの身体と内面もますます複雑になる。 単純な世界の シンプルなＡＩ （スペースインベーダー、タイトー、1978年） （アサシンクリード、ゲームロフト、2007年）
- 102. レベル Luminous AI Navigation メタAI Luminous AI Graph Support 敵キャラクタ－ プレイヤー 頭脳として機能 情報獲得 コントロール http://piposozai.blog76.fc2.com/ http://dear-croa.d.dooo.jp/download/illust.html
- 103. レベル ナビゲーション AI メタAI キャラクター AI エージェントを動的に配置 レベル状況を監視 キャラクターに指示 ゲームの流れを作る 自律的な判断 仲間同士の協調 時にチームＡＩとなる メタAI, キャラクターAIの為に レベルの認識のためのデータを準備 オブジェクト表現を管理 ナビゲーション・データの管理 パス検索 / 位置解析 Support 敵キャラクタ－ プレイヤー 頭脳として機能 情報獲得 コントロール http://piposozai.blog76.fc2.com/
- 104. メタＡＩ
- 105. メタＡＩの歴史 1980 1990 メタＡＩというのは、ゲームそのものに埋め込まれたＡＩ。 1980 1990 2000 古典的メタAI 現代のメタＡＩ キャラクターＡＩ技術の発展
- 107. （例）「ゼビウス」（ナムコ、1983） 敵出現テーブル巻き戻し 敵0 敵１ 敵2 敵3 敵4 敵5 『あと面白い機能なんですけれど、 ゼビウスには非常に簡単なAIが組み込まれています。 「プレイヤーがどれくらいの腕か」というのを判断して、 出てくる敵が強くなるんです。 強いと思った相手には強い敵が出てきて、 弱いと思った相手には弱い敵が出てきます。 そういっ たプログラムが組み込まれています。 ゲームの難易度というのは「初心者には難しくて、上級者 には簡単だ」ということが、 ひとつの難易度で(調整を)やっていくと起きてしまうので、 その辺を何 とか改善したいな、ということでそういったことを始めてみたのですけれど、 お陰で割合にあまり上 手くない人でも比較的長くプレイできる、 うまい人でも最後のほうに行くまで結構ドラマチックに楽 しめる、 そういった感じになっています。』
- 109. メタＡＩ Left 4 Dead の事例 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 今回は Left 4 Dead の事例を見てみる。
- 110. 適応型動的ペーシング [基本的発想] (1) ユーザーがリラックスしている時に、ユーザーの 緊張度が一定の敷居を超えるまで敵をぶつけ 続ける。 (2) ユーザーの緊張度が一定の緊張度を超えると 敵を引き上げる。 (3) リラックスすると敵を出現し始める（(１)へ）。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 111. メタAI(=AI Director)によるユーザーのリラックス度に応じた敵出現度 ユーザーの緊張度 実際の敵出現数 計算によって 求められた 理想的な敵出現数 Build Up …プレイヤーの緊張度が目標値を超えるまで 敵を出現させ続ける。 Sustain Peak … 緊張度のピークを3-5秒維持するために、 敵の数を維持する。 Peak Fade … 敵の数を最小限へ減少していく。 Relax … プレイヤーたちが安全な領域へ行くまで、30-45秒間、 敵の出現を最小限に維持する。Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html より具体的なアルゴリズム
- 112. メタＡＩがゲームを認識する方法 キャラクター用に作成された ナビゲーションメッシュを メタＡＩがゲームの 状況を認識するために使用する。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 113. メタAIが作用を行う領域 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html メタＡＩが作用（敵の生成・ 消滅）を行う領域を、 AAS（= Active Area Set） と 言う。
- 114. メタAIが作用を行う領域 (AAS=Active Area Set) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 115. メタAIが作用を行う領域 (AAS=Active Area Set) Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 116. 安全な領域までの道のり(Flow Distance) メタＡＩはプレイヤー群の経路を トレースし予測する。 - どこへ来るか - どこが背面になるか - どこに向かうか Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 117. プレイヤーからの可視領域 可視領域（プレイヤーから見えている 部屋）では、敵のスパウニング（発生） はできない。 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html
- 118. 敵出現領域 背後 前方 Michael Booth, "The AI Systems of Left 4 Dead," Artificial Intelligence and Interactive Digital Entertainment Conference at Stanford. http://www.valvesoftware.com/publications.html 前方と背後のプレイヤー群から見えてない部屋に、 モンスターを発生させる。
- 120. Precision Medicine • 「精密医療」「個別化医療」 ＝ 個々人に合わせた医療サービス http://techon.nikkeibp.co.jp/atcl/news/16/101004476
- 121. これからのゲーム • それぞれのユーザーに応じた － ストーリー － 地形 － 敵の強さ ゲームマスター
- 122. これからのゲーム • それぞれのユーザーに応じた － ストーリー － 地形 － 敵の強さ 人間と協調するゲームマスター
- 124. ナビゲーションAI
- 125. ネットワーク上のグラフ検索法 ダイクストラ法 M F L B A Ｓ O P D C G S V H Q X K N J R T W E I U Z Y Ｇ 54 6 3 7 23 B C 3 G D E 3 2 24 L 3 3 5 5 J F 出発点（S）を中心に、最も短い経路 を形成して行く。Gにたどり着いたら終。 各ノードの評価距離＝出発点からの経路
- 126. ネットワーク上のグラフ検索法 A*法 M F L B A Ｓ O P D C G S V H Q X K N J R T W E I U Z Y Ｇ 54 6 3 7 23 B C 3 3 2 24 3 5 5 出発点（Ｓ）を中心に、 そのノードまでの 最も短い経路を 形成して行く。 Gにたどり着いたら終了。 ゴール地点がわかっている場合、現在のノードとゴール との推定距離（ヒューリスティック距離）を想定して、 トータル距離を取り、それが最少のノードを探索して行く 各ノードの評価距離＝出発点からの経路＋ヒューリスティック距離 ヒューリスティック距離 (普通ユークリッド距離を取る) 3+14.2 3+13.8 G H 3 5+10.5 6+8.4
- 127. 戦術位置検索システム
- 128. 戦略位置検出システム • ゲーム内の地形を、 • ゲーム内でリアルタイムで把握して、 • 自分の能力に合わせて、 • 最も適した位置を発見する システム
- 129. 戦略位置検出システムの歴史 • Tactical Position Picking Killzone (2005, Guerrilla)で実装される。 • TPS (Tactical Point System) CRYENGINE (2010, CRYTEK)でツール化・システム化 • EQS(Environment Query System) UNREAL ENGINE 4 （2014, Epic games）でツール化・システム化 • PQS (Point Query System) SQUARE ENIX のFFXVの開発で2014年に開発。
- 131. PQS (Point Query System) 弓兵（AI）が次の目的地を発見したい。 (i) ゲーム現状
- 132. PQS (Point Query System) 弓兵（AI）が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。（Generation）
- 133. PQS (Point Query System) 弓兵（AI）が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。（Generation） (iii) 足場の悪い点を除く（Filtering） (iv) 敵の近くのポイント、弓が届かな いポイントを除く 。(Filtering) (v) 味方の近くを除く （Filtering）
- 134. PQS (Point Query System) 弓兵（AI）が次の目的地を発見したい。 (i) ゲーム現状 (ii) AIを中心に点をグリッド状に 生成し配置。（Generation） (iii) 足場の悪い点を除く（Filtering） (iv) 敵の近くのポイント、弓が届かな いポイントを除く 。(Filtering) (v) 味方の近くを除く （Filtering） (vi) 最も高い位置にあるポイントを選 択する。 このようにして、自分の最適な戦術位 置を自分自身で発見する。
- 136. 知能とは？ 環境
- 138. 環境 知能とは？ 身体 （内部構造） 知能 知能＝環境と自分（＝身体）を動的に調和させる機能を持つ。 http://dear-croa.d.dooo.jp/download/illust.html
- 139. 環境 人工知能とは？ 人工知能＝人工的な存在（＝身体）を環境の中で活動させる 知能 身体 （内部構造） http://dear-croa.d.dooo.jp/download/illust.html
- 163. 意思決定モデル ゴール（目標）ベースAI ルール（規則）ベースAI ビヘイビア（振る舞い）ベースAI 意思決定というものは非常に高度で複雑なプロセスです。 でも、ゲームで用いるいくつかの簡易モデルが存在します。 シミュレーションベース AI ユーティリティ（効用）ベース AI Rule-based AI State-based AI Behavior-based AI Goal-based AI Utility-based AI 「○○-based AI」とは、○○をAIを構築する基本単位として採用したＡＩということ。 タスク（仕事）ベース AI Task-based AI 意思決定 Simulation-based AI ステート（状態）ベースAI
- 166. ステート・マシン ステート ステート ステート ステートマシン（有限状態マシン） ステートに自分への命令、遷移条件に世界と自分の状況の変化を書く。 ループ構造により、フィードバック構造はない。
- 170. 強化学習 （例）格闘ゲームTaoFeng におけるキャラクター学習 Ralf Herbrich, Thore Graepel, Joaquin Quiñonero Candela Applied Games Group,Microsoft Research Cambridge "Forza, Halo, Xbox Live The Magic of Research in Microsoft Products" http://research.microsoft.com/en-us/projects/drivatar/ukstudentday.pptx Microsoft Research Playing Machines: Machine Learning Applications in Computer Games http://research.microsoft.com/en-us/projects/mlgames2008/ Video Games and Artificial Intelligence http://research.microsoft.com/en-us/projects/ijcaiigames/
- 171. この３００年の技術の動向 時間 規模 産業革命 情報革命 ネット革命 知能革命 機械化・自動化（オートメーション化） 電子情報化 オンライン化 知能化 第二次産業革命 電動化 1750 1860 1960 1990 Now… 現代は「知能化」の時代に 入りつつある。 第一次AIブーム 第二次AIブーム 第三次AIブーム
- 172. モーション解析
- 173. キャラクターＡＩ
- 177. アーロンのアルゴリズム • 知識ベースの人工知能 (左) 学んだ知識から描く （右） 架空のものを学んだものから描く 19851983
- 179. プロシージャルとは？
- 180. プロシージャル技術 ゲームAI技術 AI技術 プロシージャル技 術 コンテンツ自動生成技術 （PCG, Procedural Contents Generation ）
- 181. Rogue (1980)のレベル生成法 Rect[0] Rect[0] Rect[1] Rect[0] Rect[1] Rect[2] Rect[3] http://racanhack.sourceforge.jp/rhdoc/intromaze.html
- 182. Rogue (1980)のダンジョン生成法 Rect[0] Rect[0] Rect[1] Rect[0] Rect[1] Rect[2] Rect[3] このようにアセット（ゲームのデータ）をツールなどを通して製作するのではなく、 プログラムで作ることを「プロシージャル・コンテンツ・ジェネレーション」（PCG）と言う。 http://racanhack.sourceforge.jp/rhdoc/intromaze.html
- 183. プロシージャルとは？
- 189. NO MAN’S SKY (Hello Games, 2016) http://www.no-mans-sky.com/ 宇宙、星系、太陽系、惑星を自動生成する。
- 191. FarCry2 (Dunia Engine ) デモ 草原自動生成 時間システム 樹木自動生成 動的天候システム 動的天候システム http://www.farcry2-hq.com/downloads,18,dunia-engine-nr1.htm
- 193. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 194. 第四章 社会と人工知能
- 195. データの海が人工知能を育てる
- 201. 情報の海 （ネットワーク） 現実世界 人工 知能 人工 知能 人工 知能 解析・抽出 提出・提案命令・指示 センシング ネット空間の人工知能 人間 センシング技術やロボットの徘徊、カメラなどによって
- 203. データの海が人工知能を育てる • Amazon（協調フィルタリング） • IBMワトソン • IBM Watson in みずほ銀行 • AlphaGO • ソニー「デジタルアナウンサー」 • Nvidia「自動運転」 • 医療用診断データベース
- 204. 人 人工 知能 「人」の代わりに人工知能
- 205. 人 人工 知能 「人」の間に人工知能 人
- 208. Ａｍａｚｏｎ「協調フィルタリング」 ユーザデータ群 （たとえば販売サイト） A B C ? 評価 5 1 4 A,B,C という映画を購入した人に、 次にどの映画を推薦するべきか？ A B C M 評価 4 2 5 5 同じ購入履歴で、同じような評価をしている 人が高く評価している映画を探して来る。 推薦
- 209. IBM ワトソン ネット上のあらゆるWiki 百科事典データベース など りんご 赤い 90% 甘い 70% 青森 55% フランス 40% 果物 32% … しぶい 7% IBMワトソンは、文章の中の語の相関を学習する。 その学習データを用いて、インプットされた語と、 相関の強い言葉をリストアップする。
- 210. IBM Watson in みずほ銀行 • オペレーターが顧客の要望を復唱する。 • 言葉に変換 • 自動的に関連するマニュアルを表示する https://www.change-makers.jp/business/10573
- 211. IBM Watson in 東京大学医学部 • 論文を学習させる。 • 論文を積み上げると富士山ぐらいになりそうな勢 い。＝人間では無理。 • 症状を入れると、論文のリストが出て来る。 症状患者さん IBM ワトソン お医者 さん バックアップ
- 212. IBM Watson in 保険会社 • 保険会社の判例を学習させる。 • 一人前になるのに数年かかる。 • かつてはベテランが教えていた。 • タブレットからIBMワトソンがアドバイス 事故 内容 クライアン トさん IBM ワトソン 新人 バックアップ
- 215. AlphaGO 膨大な棋譜のデータ （人間では多過ぎて 読めない） この棋譜を そっくり打てる ように学習する 自己対戦して 棋譜を貯める この棋譜を そっくり打てる ように学習する AlphaGO
- 216. Deep Q-Learning Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf 画面を入力 操作はあらかじめ教える スコアによる強化学習
- 222. 岡野原大輔「一般向けのDeep Learning」 http://www.slideshare.net/pfi/deep-learning-22350063 Deep Learning = 多層型ニューラルネットワーク
- 224. 学習過程解析 Volodymyr Mnih, Koray Kavukcuoglu, David Silver, Alex Graves, Ioannis Antonoglou, Daan Wierstra, Martin Riedmiller (DeepMind Technologies) Playing Atari with Deep Reinforcement Learning http://www.cs.toronto.edu/~vmnih/docs/dqn.pdf
- 225. • Pπ ロールアウトポリシー（ロールアウトで討つ手を決める。Pπ （a|s） sという状態でaを討つ確率） • Pσ Supervised Learning Network プロの討つ手からその手を討つ 確率を決める。Pσ（a|s）sという状態でaを討つ確率。 • Pρ 強化学習ネットワーク。Pρ（学習済み）に初期化。 • Vθ(s’) 局面の状態 S’ を見たときに、勝敗の確率を予測する関数。 つまり、勝つか、負けるかを返します。
- 227. あから２０１０ 激指 YSS 合議 Bonanza GPS 将棋 あから2010合議サーバログを可視化してみた（A Successful Failure） http://blog.livedoor.jp/lunarmodule7/archives/1121781.html
- 228. Nvidia「自動運転」 • 専用のグラフィックボードを 開発 • 市場へ向けて投入 • 高速道路用など用途別。 http://www.nvidia.co.jp/object/drive-px-jp.html
- 230. • 人間には扱えないような大きなデータから、 • 人間では気づかない特徴を学習している。 学習する人工知能 から学ぶこと • さらに人間の解釈を通過することなく、 • 直接サービスやアクションを展開する （当然アマゾンの開発者は我々に何を推薦しているか知 らない）
- 232. 社会と人工知能 • 人工知能は、オートメーションの新しい姿。 • 人間に近い領域までオートメーションする。 • だから人間には脅威を感じる。 • 人工知能は「社会インフラ」となる。
- 233. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第六章 人工知能と倫理 第七章 まとめ
- 234. 第五章 サービスと人工知能
- 235. スマートシティ構想 • もともとは、ガス、電気など、エネルギーを、 知的に融通するシステムのことを指していた。 • 現在は、情報を加えて、街全体が、インテリ ジェンスを持つ構想のことを言う。
- 236. スマートシティ構想 AI • 街全体を人工知能があらゆるカメラ、センサーを通して監視する。 • ドローン、ロボット、デジタルビジョンを通して街に力を行使する。 • 街全体の中枢の知能を作る。
- 239. 人工知能は人間には見えないものを見て、 人間にはできないことをする • 人の流れ • 犯罪の早期発見 • 事故現場の発見 • 店内の人の流れ • その人が注目した商品の共通項 • 紛れ込んだ犯罪者の場所特定 ・・・そしてこれらの予測。
- 250. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 サービスと人工知能 第七章 人工知能と倫理 第八章 まとめ
- 251. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 スマート・リアリティ 第六章 人工知能と倫理 第七章 まとめ
- 252. 第六章 人工知能と倫理
- 253. 職業は人工知能でなくなるか？ • 自分の職業の内容を細かくリストアップしてみましょう。 • その中の何割かが人工知能で置き換わるか、考える か、専門家に聞いてみよう。 • 全くなくなるのではなく、部分的に置き換わる。 • つまり発想を逆にして、人工知能といかに共存する か、その共存の仕方を模索する時代に来た。
- 254. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？
- 255. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？ 自分の仕事に何割かが人工知能に置き換わる。
- 256. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？ 自分の仕事に何割かが人工知能に置き換わる。 ＝これからは人間と人工知能が協調する時代
- 257. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？ 自分の仕事に何割かが人工知能に置き換わる。 ＝これからは人間と人工知能が協調する時代 ＝人工知能とペアを組んで強いチームが勝つ
- 258. • 朝起きる。 • 電車に乗る。 • メイルをチェック。 • 必要な事項など返信。 • 会社に着く。 • メイルをチェック。予定をチェック。 • 要件を検討し内容を返す。 • 朝ミーティング。 • それぞれの要件を確認。 • 技術的な設計文書を書く。 • 相談する。プログラムして貰う。/ プログラムを書く。 • 出来ると社内に持っていく。 • 説得する。論争になる。 • つかれる。 • 食堂でたそがれながら、コーヒーを飲む。 • 机に返る。相談が来る。 • 技術的な解決策を示す。 • でも心配になってもう一度危機に来る。 • 人間関係の相談を受ける。 職業は人工知能でなくなるか？ 自分の仕事に何割かが人工知能に置き換わる。 ＝これからは人間と人工知能が協調する時代 ＝人工知能とペアを組んで強いチームが勝つ ＝ 人間とペアを組むことを前提に人工知能を開発 するべき
- 260. 第七章まとめ 単独の人工知能 人間とペアを組む 人工知能 社会 インフラ サービ ス サービスでは「人間とペアを組む人工知能」をまず目指す。 社会インフラでは「人間の介在しないシステム」を目指す。
- 261. コンテンツ 第一章 知能の起源 第二章 人工知能とは 第三章 ゲームと人工知能 第四章 社会と人工知能 第五章 スマート・リアリティ 第六章 サービスと人工知能 第七章 人工知能と倫理 第八章 まとめ