AIの最新動向を紹介

1. ENJOY SCIENCE
AI最前線2022
2022/7/10
KOJI FUKUOKA

2. 留意事項
 あくまで発信日時での公開情報を中心とした内容であることに留意ください。
 所属企業ではなく、あくまで個人としての発信です。本情報に伴う結果に関して責任は
負いかねますのでご了承お願いいたします。
COPYRIGHT@ KOJI FUKUOKA
2

3. 本シリーズ共通の趣旨：３つの謎の解明をカジュアルに楽しむ
COPYRIGHT@ KOJI FUKUOKA
3
生命とは？
宇宙とは？
知能とは？
宇宙物理学
宇宙生物学
分子生物学
合成生物学
神経科学
コンピュータ科学
物理学
生物学
化学
生理学
数学
解きたい謎 関連する学問テーマ 学問テーマの大分類
【自己紹介】
IT企業でAIなど新技術を活用した
事業開発。
元々宇宙物理研究を志し、
今は１科学愛好家。

4. 資料の構成
• AIの歴史（さらっと）
• DeepLearning(D/L)の特徴
• D/Lを使った最新トピック
• 改めて人工知能を問う
• 国家政策の視点
• QAは都度チャットで〰＾＾
COPYRIGHT@ KOJI FUKUOKA
4

5. AI（人工知能）とは？
COPYRIGHT@ KOJI FUKUOKA
5
汎用人工知能
（AGI）
（強いAI）
人間の持つ汎用的な知能に相当する
仕組み
特定の用途で知的な活動が出来
る仕組み
目的特化AI
（弱いAI）

6. AIの通史：今は第三次AIブーム
COPYRIGHT@ KOJI FUKUOKA
6
※出所：松尾豊・松尾正剛Blog
https://1000ya.isis.ne.jp/1603.html
従来超えられなかった
壁を克服

7. 参考：対話プログラムELIZA（1956年開発）の対話事例
COPYRIGHT@ KOJI FUKUOKA
7
（赤字はELIZAが発信）
「人は皆同じです。」
「どういうふうに？」
「いつも何かで私たちを悩ませます。」
「何か例を思いつきますか？」
「私のボーイフレンドが私をここに連れてきました。」
「あなたのボーイフレンドがあなたをここに連れてきたのですね。」
「彼がいうには、私はいつも元気がないそうです。」
「それはお気の毒です。」
「本当に。私は不幸です。」
「ここにくれば不幸でなくなると思いますか？」
「私には助けが必要です。それは確かのようです。」
「助けを得るとはどういうことですか？」
「私の母とうまくいくようになるといいのですが。」
「あなたの家族のことをもっと話してください。」
※出所：ハワード・ガースナー著 佐伯 訳「認知革命」
当時、診察を受けた患者のなかには、
中身はマシンといっても信じずに、診察を
継続希望するほどの社会現象へ
→プログラム開発者はAI批判側へ転向

8. 第3次AIブーム「ディープラーニング（機械学習）」：ニューラルネットワーク
COPYRIGHT@ KOJI FUKUOKA
8
脳には約1000億個の神経
細胞（ニューロン）。
神経細胞は数百兆個のシ
ナプスによってつながっている。
人間の知的活動を司るのは脳
機械学習の１流派にあたる
※出所：初心者でもわかるディープラーニング
https://ainow.ai/2019/08/06/174245/

9. ディープラーニングのインパクト：原理
COPYRIGHT@ KOJI FUKUOKA
9
※出所：初心者でもわかるディープラーニング
https://ainow.ai/2019/08/06/174245/
※厳密にはアルゴリズム(誤差逆伝播法(バックプロパゲーション)など)
の改善とそれを工業的に実現するHW性能（GPU）とビッグデータの
恩恵も
元々は脳の構造(ニューロン)を数式で表現した
ニューラルネットワーク手法が起点
入力と出力の間の階層を多段階化（深く）することで
より複雑な学習が可能に
学習精度を
高めるために
階層を増やす

10. 参考：ディープラーニングのゴッドファーザー
COPYRIGHT@ KOJI FUKUOKA
10
Google所属 兼 トロント大学
ジェフリー・ヒントン名誉教授
Meta所属 兼
ニューヨーク大学 ヤン・ルカン教授
モントリオール大学
ヨシュア・ベンジオ教授

11. ディープラーニングのインパクト：位置づけと特徴
COPYRIGHT@ KOJI FUKUOKA
11
従来の機械学習 ディープラーニング
人が特徴を抽出
機械学習で分類
結果
「機械自身」が
特徴を抽出して
分類
結果
画像
ディープラーニングとその他機械学習の違い
AIにおけるディープラーニングの位置づけ
機械学習(教師
あり/なしで分類)
ニューラル
ネットワーク
ディープ
ラーニング
統計解析
ルールベース
ソフトウェアのみ
・・・
・・・
・・・
CNN RNN GAN 次元削減
スパース
モデリング ・・・
強化学習 ・・・
CNN(Convolutional Neural Network):画像認識でよく使われる
RNN(Recurrent Neural Network):時系列処理でよく使われる→GPTへ応用
GAN(Genera tive Adversarial Networks)：データ生成モデルでよく使われる
AI手法
HWや環境も
セット

12. ディープラーニングのインパクト：GPTの文字／画像表現能力
COPYRIGHT@ KOJI FUKUOKA
12
※自然なブログを書いてしまうほど超高精度な言語モデル「GPT-3」はどのように言葉を紡いでいるのか？
https://gigazine.net/news/20200729-how-gpt-3-work/
※キーワードから小説や画像を自動生成 自然言語処理の革命児「GPT-3」の衝撃（2021年01月15日）
https://www.itmedia.co.jp/news/articles/2101/15/news092.html
「バレリーナ用の衣装を着て犬を散歩する大根の赤ちゃん」
という説明文を入力に出力された画像
左端が入力の半分の画像、
残りがImage GPTの出力結果
注目のAI GPT-3(まもなく4へ)
(Generative Pre-Training3)：
Transformerを元にOpenAI(人工知能
研究所)が作った言語モデル
衝撃的な発見です！科学者はアンデス山脈の人里離れ
た未踏の谷間に住むユニコーンの群れを発見しました。さら
に驚くべきことは、ユニコーンが完璧な英語を話すという事
実でした。
「最初は、彼らは英語を話すのがとても上手だと思っていま
した」とチームリーダーのレナードホッジス博士は言いました。
「しかし、彼らは実際には別の次元の出身であり、ポータル
が閉じた後、ここに閉じ込められたことがわかりました」
群れは数百匹と推定されていますが、発見者であるインカ
族に捕らえられています。部族はユニコーンが彼らの祖先だ
と信じていて 莫大な金と酒を与えられた場合にのみ解放
されます。
“我々に選択の余地はない “とホッジス氏は言う。”彼らが
望むものを与えなければ、ユニコーンは我々を皆殺しにする
だろう”
チームがユニコーンを恐れているかと聞かれた時、ホッジスは
「恐れることは何もありません。我々の鎧は最高のチタンで
作られています」と述べました。

13. ディープラーニングのインパクト：GoogleのLaMDA：イライザ騒動Again?
COPYRIGHT@ KOJI FUKUOKA
13
https://ilapaj.com/posts/is-lamda-sentient-japanese/
https://www.itmedia.co.jp/news/articles/2206/22/news086.htm
l
https://japan.cnet.com/article/35188878/
「AIを監督する規制機関が必要」
(2022/6/22 カタールのイベント講演)
「専門家でさえ慎重な答えに徹
する命題だ」
(アレクサの開発を指揮するプレム・ナタ
ラジャン副社長（左）)
「データから学習しているだけ
で、それ以上のものはない」
(AWSでAI開発を統括するブラティン・サ
ハ副社長)
https://www.nikkei.com/article/DGXZQOGN241RV0U2A620C2000000/

14. ディープラーニングのインパクト：DeepMindの快進撃
COPYRIGHT@ KOJI FUKUOKA
14
DeepMind：2015年以降の主な業績
2015年：AlphaGoがヨーロッパ囲碁チャンピオンに
勝利
2016年：AlphaGoが世界の囲碁チャンピオンに勝利
2018年：AlphaFoldがCASP(タンパク質構造予測精
密評価)で総合評価1位
2020年：AlphaFold2がCASPで圧倒的な精度予測で
1位→Open利用へ
2020年：AlphabetがAI創薬”Isomorphic Labs”を
設立しハサビスが代表兼務
2021年：数学者との協働(AIで相関発掘)で、基礎数
学分野の定理を発見
2022年：核融合発電技術で、プラズマ状態を安定的
に維持するための磁気制御アルゴリズムを開発
2022年：碑文解析アルゴリズムIthacaを開発して
62％(専門家の倍以上)の解読制度を記録
2022年：AlphaCodeがプログラマーのコードコン
テストで人並みの成果
2022年：汎用エージェント「Gato」発表(600の
マルチタスク対応)→右図
https://www.deepmind.com/publications/a-generalist-agent

15. ディープラーニングのインパクト：DeepMind：AGIへ？
COPYRIGHT@ KOJI FUKUOKA
15
ジェイコブ・アンドレアス助教授：ロボットはまだ、
テキストから世界の仕組みに関する「常識的判断
（common sense）」を学ぶ必要がある
〇汎用人工知能の道筋見えた——ディープマインド「Gato」で勇み足
https://www.technologyreview.jp/s/276810/the-hype-around-deepminds-new-ai-
model-misses-whats-actually-cool-about-it/
共同開発者はAGIへの道程についてノーコメント
その他専門家からも否定的な声
例：Deep Learning否定派のAI研究者ゲイリー・
マーカス氏（ニューヨーク大学教授）「これは『知
性』とは程遠いものです」
https://twitter.com/NandoDF/status/1525397036325019649

16. AGIへの道：ヤン・ルカンの挑戦：脳への回帰
COPYRIGHT@ KOJI FUKUOKA
16
Meta所属 兼
ニューヨーク大学 ヤン・ルカン教授
〇深層学習の父、ヤン・ルカンが思い描く汎用人工知能への道筋
https://www.technologyreview.jp/s/279268/yann-lecun-has-a-bold-new-vision-for-the-future-of-ai/
常識的判断は多くの点において、次に何が起こるかを予測
する能力→知能の本質
予測モデル→世界モデル
予測する機能→コンフィギュレータ
上記２つは、脳のような大きな認知アーキテクチャの中で2
つの重要なサブシステムを担う。
それぞれのニューラル・ネットワークは脳の各部位と概ね
対応するとの仮説。
例：コンフィギュレーターと世界モデルは、前頭前皮質の
機能を再現するためのもの、動機づけモデルは扁桃体の特
定の機能に対応するもの

17. 参考：脳とAI手法の関連（仮説）
COPYRIGHT@ KOJI FUKUOKA
17
※超AI入門
※あたらしい脳科学と人工知能の教科書
ディープラーニング 実際の脳
誤差逆伝播法
(バックプロパゲー
ション)
必要 未確認
層 縦に深い
100層超も
大脳皮質：6層
小脳皮質：3層
正解(教師) 必要 大脳：不必要の
可能性高
小脳：必要
ニューロンの接続 隣の層のニューロン
と接続
RNNは時間報告
の接続も
近傍および遠方
と接続
ディープラーニングと実際の脳との比較

18. ジェフ・ホーキンス「1000の脳理論」
COPYRIGHT@ KOJI FUKUOKA
18
〇脳は世界をどう見ているのか？
新皮質の断片図 ジェフ・ホーキンスの仮説
1. 新皮質は世界の予測モデルを学習する（左図の単位）
2. 予測はニューロン内部で起こる（下左図）
3. 皮質カラムの秘密は座標系（下右図）

19. 国家間の趨勢：中国がアメリカを猛追。倫理面も。
COPYRIGHT@ KOJI FUKUOKA
19
〇2020年のAI研究ランキング：アメリカは中国をリードし続けられるのか？【後編】（米中覇権争いの行方）
https://ainow.ai/2021/02/25/252580/
AI監獄ウイグル
欧州のAI規則案について知っておきたいこと
https://japan.zdnet.com/article/35187577/
Clearview AIの顔認識データベース、米企業への販売を中止
https://japan.cnet.com/article/35187239/
現状はまだアメリカ（特にGAFAM系）がけん引し
ているが、中国が官民挙げての産業面・社会支配
手段の影響もあって、猛追している。
世界に起こるAI倫理／責任の波
• 欧州はAI規則案の草案をまとめ、今後法制化
の可能性も
• Clearviewが提供するAIの顔認識データベー
スへの各国の反対
中国政府と民間企業
がAI含む最新技術を
使って人民・民族を
監視していく様子を
記述

20. まとめ
 目的特化AI（弱いAI）は今後もDeepLeariningを中心に社会・産業に展開され、
都度淘汰されつつも大資本組織の道具に利用されていく可能性が高い。
 目的特化型AIではGAFAMが際立っているが、汎用AI（強いAI）についてはソフトウェ
ア単体よりは神経（脳）科学のアプローチが期待されている。
 一方でAIの性能が高まりすぎることで、倫理面での問題が取り上げられている。
COPYRIGHT@ KOJI FUKUOKA
20