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.

0

Share

Download to read offline

About AI(Machine Learning)

Download to read offline

武蔵大学 伊藤ゼミ 講演資料

  • Be the first to like this

About AI(Machine Learning)

  1. 1. AIとは何か? 武蔵大学 伊藤ゼミ 2019/06/11 資料 2019/6/11 (C) Copyright 1996-2019 SAKURA Internet Inc さくらインターネット研究所 所長 鷲北 賢さくらインターネット株式会社
  2. 2. 自己紹介 • 鷲北 賢(わしきた けん) • 1998年4月入社 • バックボーンのお守りからサービス開発まで ─ 初期の専用サーバ、データセンター構築 ─ オンラインゲームプロジェクト ─ さくらのクラウド開発マネージャー、などなど • 2009年より、さくらインターネット研究所 所長 ─ 仮想化技術の研究(Linux KVM) ─ 高性能リソースを分割するより小型計算機を集めて高性能化する ほうに興味あり • @ken_washikita、https://facebook.com/ken.washikita 2
  3. 3. ここでは • AIが現在どんな利用をされているのか • 将来をみすえて考えたとき、どんなことが できそうか • テクニカルな話はなるべく控えめに 3
  4. 4. 市場動向 4 IoTやAI、ロボットなどの技術革新により第4次産業革命へ 第 1次 産 業 革 命 第 2次 産 業 革 命 第 3次 産 業 革 命 第4次産業革命 蒸 気 機 関 電 力 ・ モ ー タ ー コ ン ピ ュ ー タ I o T ・ 人 工 知 能 ・ ロ ボ ッ ト データ量・処理量が飛躍的に増大 世界のデータ量は 2年ごとに倍増 実社会のあらゆる事業・情報が、データ化・ネットワークを通じて自由にやりとり可能にI o T ビ ッ グ デ ー タ 人 工 知 能 ( A I ) ロ ボ ッ ト 集まった大量のデータを分析し、新たな価値を生む形で利用可能に 機械が自ら学習し、人間を超える高度な判断が可能に 多様かつ複雑な作業についても自動化が可能に ディープラーニング等によりAI技術が 非連続的に発展 ハードウェアの性能は 指数関数的に進化 出典:経済産業省「『新産業構造ビジョン』 ~第4次産業革命をリードする日本の戦略~」
  5. 5. コンピュータの進化 5 1946年 ENIAC 現代 市販のGPU搭載サーバ ASRock https://www.asrockrack.com/general/productdetail.asp?Model=2U4G-EPYChttps://ja.wikipedia.org/wiki/ENIAC
  6. 6. コンピュータが進化するとどうなるか? • 小型化する • 価格が安くなる • 高速化する より複雑で大規模な問題が解けるようになる 6
  7. 7. 例:歩行ロボット 7 1971年 WL-5 2011年 ASIMO http://www.humanoid.waseda.ac.jp/booklet/kato_4-j.html https://www.honda.co.jp/ASIMO/about/
  8. 8. 歩行ロボットの進化 • メカトロニクスの進化もある ─ 高性能モーターや新素材の発明など • コンピュータの進化がもっとも大きい ─ 小型化(ASIMOの背中にすべて搭載できる) ─ 低価格化(たくさん使える) ─ 高速化(ASIMOは走ることも可能) 現在は荒地でも歩けるロボットが開発中 8
  9. 9. では AIは? 9
  10. 10. AIの歴史 • AI研究の歴史も古く、長い ─近代史だけでもENIACと同じぐらい古い • 大雑把に説明すると…挫折の歴史 ─何度か「ブーム」「ブレイクスルー」があった ─結果は、それほどすばらしくなかった ─例:ASIMOは市販されませんでした 10
  11. 11. 現在のAIブーム(1) • 従来のAIの手法 ─コンピュータにすべての状況をプログラムする ─歩くロボットなら; 「右足を一歩踏み出せ」「次に左足を踏み出 せ」「それを繰り返し実行しろ」 ─想定された状況ならばよい ─しかし現実世界は無限の状況からなる ─対応しきれない 11
  12. 12. 現在のAIブーム(2) • 現代のAIの手法 ─ 「自分をプログラムするプログラム」を作る ─ よちよち歩きのロボットを荒地で歩かせる ─ 最初は転んでばかりだが、だんだん上手に歩けるよう になる ─ 「自分をプログラムするプログラム」を改良する • パターンを抽出する ─ 高性能コンピュータの力で、膨大なデータから特徴を 抽出する ─ 特徴から価値を見出し、直接利用したり、プログラム の改良に利用したりする 12
  13. 13. 自分をプログラムする = 機械学習 パターンの抽出 = データマイニング 13
  14. 14. 機械学習 • 訓練データから既知の特徴に基づいて予測 すること ─多数の訓練(あるいはデータ)が必要 ─既知の特徴とは、たとえば「歩行」など ─多数というのは100とか1000ではなく、100万 とか1億というスケールの話 ─人間には真似できないが、コンピュータならや り遂げることができる 14
  15. 15. 機械学習のテクニック • 教師あり学習 ─ 訓練データにラベル(分類)が付いていて、それをガイドに学習を行う ─ データは先生からの助言と見なせることから「教師あり」と呼ばれる ─ 「正解」がある程度決まっているケースに使える • 教師なし学習 ─ 訓練データにラベルが付いていない ─ 正解が分かっていないが、パターンを抽出したいときに使う • 強化学習 ─ 学習の過程で環境を観測するエージェントを持つ ─ エージェントは行動結果に基づき報酬(プラスあるいはマイナス)を得る ─ エージェントは報酬に基づき行動を変える(学習) ─ エージェントはより大きな報酬を得られるように行動を変えていく ─ 「歩行」のような学習は強化学習が利用される 15
  16. 16. 事例1:胸部X線写真のAI診断 • ググってみて1番目に出てきた事例 https://www.m3tech.blog/entry/2018/07/30/111202 • アメリカ国立衛生研究所が公開した約11万 枚の胸部X線写真(14の疾患のラベル付) • これを教師データとして機械学習エンジン を開発 • 完成したAIで胸部X線写真を判定 • ほかのAIと比較した、という記事 16
  17. 17. 事例2:強化学習による歩行のシミュレーション • YouTubeで「強化学習 歩行」で検索 • 動画がたくさんヒットする • 意外に丁寧に説明してくれているので勉強 になる 17
  18. 18. データマイニング • これまで「未知」だったデータの特徴を発 見すること ─膨大なデータを分析するとき; ─従来は仮説を立て、特徴を探していた ─データマイニングは機械学習のテクニックを適 用しAIに特徴を抽出させる ─パラメータを変えながら何度も繰り返すことで 人間が気づかなかった特徴があぶりだせる 18
  19. 19. 身近な課題との 結びつけ 19
  20. 20. 考え方 • 基本は「学習」「パターンの抽出」 ─ データ(事例)はたくさんあるが、忙しすぎて分析が できていない ─ 一見複雑で、人間には手に負えない ─ 一見無価値で、人間がやるほどには見えない ─ AIにやらせてみたら? • データの集め方を考える ─ 具体的な方法が提案できればベスト ─ しかし具体的でなくても「できるはず」でもOK ─ なるべく人ではなく「機械や通信でやります」という 形にしておく 20
  21. 21. AIは万能ではありません • AI(機械学習)は強力なツール(道具)です ─ あくまでもツールにすぎません ─ 人間に代わって「考えて」くれるわけではありません ─ 判断や価値は人間でないと分かりません ─ 良いか悪いかはみなさんのアイディアにかかっていま す • 自由な発想が期待されています ─ コンテストでは「発想」がもっとも重視されます ─ 課題に対して、AIを活用できる発想をしてみてくださ い 21
  22. 22. 出典/参考リンク • Wikipedia ─ ENIAC ─ 機械学習 ─ データマイニング ─ 教師あり学習 ─ 教師なし学習 ─ 強化学習 • ASRock ─ https://www.asrockrack.com/gener al/productdetail.asp?Model=2U4G- EPYC • 2足歩行ロボット ─ http://www.humanoid.waseda.ac.jp /booklet/kato_4-j.html • ASIMO ─ https://www.honda.co.jp/ASIMO/ab out/ • M3 Tech Blog ─ https://www.m3tech.blog/entry/20 18/07/30/111202 22

武蔵大学 伊藤ゼミ 講演資料

Views

Total views

1,075

On Slideshare

0

From embeds

0

Number of embeds

15

Actions

Downloads

1

Shares

0

Comments

0

Likes

0

×