Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

機械学習工学への期待〜機械学習が工学となるために〜

4,530 views

Published on

日本ソフトウェア科学会 キックオフシンポジウム オープニング2
Speaker:青山幹雄(南山大学)

Published in: Engineering
  • Be the first to comment

機械学習工学への期待〜機械学習が工学となるために〜

  1. 1. 1 All Rights Reserved, Copyright Mikio Aoyama, 2018 機械学習工学への期待 ~機械学習が工学となるために~ 機械学習工学への期待 ~機械学習が工学となるために~ 青山 幹雄 南山大学 理工学部 ソフトウェア工学科 mikio.aoyama@nifty.com http://www.nise.org/ We are NISE: Network Information and Software Engineering 2018年5月17日 一橋講堂 日本ソフトウェア科学会 機械学習工学研究会キックオフシンポジウム
  2. 2. 2 All Rights Reserved, Copyright Mikio Aoyama, 2018 丸山さんに感謝! 始まりはここから: 2017年8月31日 情報処理学会 ソフトウェアエンジニアリングシンポジウム2017 パネル討論「機械学習とソフトウェア工学」 SES2017 Web ページより
  3. 3. 3 All Rights Reserved, Copyright Mikio Aoyama, 2018 機械学習が工学となるために 機械学習工学とソフトウェア工学のもたらす新しい工学体系  MLE for SE: 機械学習工学を利用したソフトウェア工学  MLE by SE: 機械学習工学のためのソフトウェア工学 機械学習工学のゴール: 新しい工学体系における問題の共有と 解決を通した機械学習工学の体系化 機械学習 工学 ソフトウェア 工学 MLE for SE MLE by SE
  4. 4. 4 All Rights Reserved, Copyright Mikio Aoyama, 2018 ソフトウェア工学から観た機械学習工学 機械学習工学プロセス ソフトウェア工学プロセスから機械学習工学プロセスへ 機械学習工学の開発方法論と要素技術の必要性 実装 試験 (検証/妥当性確認) ソフトウェア工学 プロセス 学習要求定義? 機械学習工学 プロセス 学習アルゴリズム 設計? データ設計? プログラミング言語モデリング言語 (UML) ソフトウェア 開発方法論 アーキテクチャ 設計 要求定義 学習 試験? (検証/妥当性確認) 機械学習工学 開発方法論? ソフトウェア 工学の活用 機械学習 工学からの フィード バック アルゴリズム/ データ構造 設計 構成管理 構成管理?
  5. 5. 5 All Rights Reserved, Copyright Mikio Aoyama, 2018 ソフトウェア工学から観た機械学習工学 機械学習工学が生み出す新たなモデル モデリング=実世界の抽象化=学習プロセス クローズドな 対象世界の モデル (構造的) モデル駆動 開発 ソフトウェア システム ソフトウェア工学 機械学習による モデル化 オープンな 対象世界 モデル (非構造的?) ソフトウェア システム 機械学習 人の学習 から 機械学習へ 新たな開発 パラダイム? 機械学習ベース ソフトウェア工学? 対象世界 対象世界 データ セット 人の学習による モデル化 対象範囲 (コンテキスト) データ セット データ セット 「モデル」再考: “All models are wrong, but some are useful” by G. Box, Science and Statistics, J. American Statistical Assoc., 1976, pp. 791-799.
  6. 6. 6 All Rights Reserved, Copyright Mikio Aoyama, 2018 機械学習が開くシステム開発の新世界 ビッグチャレンジの2つの次元 対象システム: クローズドからオープン(境界のないシステム)へ 解決技術: アルゴリズムによる決定解から機械学習による非決定解へ 機械学習を利用した 情報システム (故障診断システム) 機械学習を利用した オープシステム (機械学習による 自動運転システム) 従来の 情報システム (企業情報システム, 組込みシステム) コンテキスト アウェアシステム (モバイルシステム, Webシステム) 問題空間のオープン性 解空間の オープン性 クローズドな解法 (アルゴリズム アプローチ) オープンな解法 (機械学習 アプローチ) クローズドシステム オープンシステム
  7. 7. 7 All Rights Reserved, Copyright Mikio Aoyama, 2018 機械学習が開くシステム開発の新世界 オープンな世界における完全自動化のリスク Human in the LoopからHuman out of the Loop(人が関与しない)へ 事例:  量産車でのレベル3自動運転車の実用化 例: Audi A8/A6 Traffic Jam Pilot [2018年]: 高速道路でのレベル3運転  「自動」運転中での事故の発生 Uber [2018年3月19日], Tesla Model S[2018年3月23日] 新たな技術のもたらす社会的問題とその解決のデザイン  技術倫理,社会的責任  (技術者/研究者 + 学習したシステム) の倫理,責任 自動運転 レベル3 [SAE J3016] Conditional automation: System performs all aspect except for driver intervention, Highway, dedicated lane, etc. ソフトウェア/ 機械学習 工学の 対象は社会
  8. 8. 8 All Rights Reserved, Copyright Mikio Aoyama, 2018 パネルのゴール 機械学習時代のソフトウェア工学への扉を開く 背景: MLとSEの新しい現実  ML for SE: 機械学習を利用したソフトウェア工学  ML by SE: 機械学習のためのソフトウェア工学 ゴール: 新しい現実のもたらす問題点の共有 機械学習 ソフトウェア 工学 ML for SE ML by SE メッセージ 機械学習工学への扉は開かれた! 皆さん一緒に進みましょう!

×