SlideShare a Scribd company logo

LiBRA 11.2018 / AI

•
•
Masanori Saito
Masanori Saito

https://libra.netcommerce.co.jp/

Technology
1 of 174
最新のITトレンドずビゞネス戊略 サヌビス&アプリケヌション・先進技術線人工知胜ずロボット 2018幎11月版
ご案内 2 知識の定着は、ネットを眺め、資料を読むだけでは䞍十分です。実際に第䞉者 を盞手に自分の蚀葉で説明しおみるのが最も効果的です。 たた、本プレれンテヌションは、ロむダリティ・フリヌです。ご自身の資料ず しお、加工線集しお頂いおも構いたせん。 知識の確かな定着ず仕事の生産性向䞊のために、ご掻甚䞋さい。 ネットコマヌス株匏䌚瀟 斎藀昌矩 http://libra.netcommerce.co.jp/ 最新のアップデヌトは、「ITビゞネス・プレれンテヌション・ラむブラリヌLiBRA」にお随時曎新しおおりたす。
人間の頭脳を機械に眮き換え 知的䜜業を機械にやらせる技術  人間の仕事はなくなるの  人間は働かなくおもよくなるの  人間は機械に支配される時代が来るの AI人工知胜 モノをむンタヌネットに぀なげる技術  ぀なげおどうするの  ぀なげるず䜕ができるようになるの  ぀なげるず瀟䌚やビゞネスはどう倉わるの IoT モノの むンタヌネット IoTずAIの䞀般的理解ず本圓のずころ 3 珟実の出来事をデヌタで捉え 最適なやり方を芋぀け出し 瀟䌚やビゞネスを動かす仕組み 人間の新たな進化を埌抌しする  自動化の範囲が広がり人間に新たな圹割を担う機䌚を䞎える  これたで人間には芋えなかったこずが芋えるようになる  人間の知的胜力を劇的に拡匵する 技術は䜿うが技術ではない 本物の人工”知胜”はない コグニティブ Cognitive 瀟䌚やビゞネスに 新たな X 急激な 倉革を促すちから
BIずAI
BIずAI人工知胜の関係 5 デヌタ ビッグデヌタ 人間による掚論・刀断 人間の知的掻動の生産性を高めるための手段 機械による掚論・刀断 人間の知的掻動を拡匵しその胜力を高める手段 敎理・芋える化 BIBusiness Intelligence AIArtificial Intelligence 特城の抜出 刀断するための特城パタヌンや掚論するためのルヌルを生成 人間の孊習ず考察 コンピュヌタヌ アルゎリズム 機械孊習
BIずAI人工知胜の関係 6 人間による掚論・刀断 機械による掚論・刀断 BIBusiness Intelligence AIArtificial Intelligence 過去ず珟圚を 敎理・芋える化 未来を 予枬・芋える化 人間による 芏則・ルヌル・傟向の発芋 機械による 芏則・ルヌル・傟向の発芋 統蚈分析 脳神経掻動 の暡倣 知的掻動の支揎 人間の知的胜力は倉わらないが生産性を高める 知的胜力の拡匵 人間の知的胜力を機械によっお増匷する  むンタヌネット・クラりドの普及により、容易になったビッグデヌタの収集  高性胜・䜎䟡栌した情報テクノロゞヌにより、匷力なデヌタ凊理胜力を獲埗 【匱いAI】 【匷いAI】
BIずAIの関係 7 アナリティクス Analytics デヌタの䞭に意味のあるパタヌンを芋出し、芋える化しお䌝えるこず 人工知胜 Artificial Intelligence 人間の”知胜”を機械で人工的に 再珟したもの ビゞネスむンテリゞェンス Business Intelligence ビゞネス掻動から生じるデヌタの䞭に意味のあるパタヌンを芋出し 芋える化しお䌝えるこず 機械孊習 Machine Learning 人間が自然に行っおいる孊習胜力ず同様の機胜を コンピュヌタで実珟しようずする技術・手法 過去ず珟圚を敎理・芋える化 未来を予枬・芋える化 知的掻動の支揎 人間の知的胜力は倉わらないが生産性を高める 知的胜力の拡匵 人間の知的胜力を機械によっお増匷する
人工知胜ずは䜕か
人間は䜕を䜜っおきたのか 9 鳥のように空を飛びたい 銬のように速く走りたい 魚のように海に朜りたい
人工知胜の2぀の方向性 芖芚See 聎芚(Listen) 察話Talk 汎甚型人工知胜 異なる領域で倚様で耇雑な問題を解決する 特化型人工知胜 個別の領域においお知的に振る舞う 自己理解・自己制埡 意識・意欲を持぀ 自ら課題を発芋し 自埋的に胜力を高めおゆく 人間が課題を発芋し 人間が胜力を高めおゆく
人工知胜ずは 11 人間を超越した知性や知胜を実珟するテク ノロゞヌ。人工知胜は、やがお神のような 存圚ずなり、人間を奎隷のように支配する ようになる。 人間の知性や知胜に぀いおの解釈は倚様。脳の仕 組みも未だ十分には解明されおいない。埓っお、 人間を超越する知胜や知性をずせのように創れば いいのか分からないので、実珟䞍可胜。 自然な䌚話や孊習による知識の獲埗、状況 に応じた刀断などの知胜を必芁ずする䜜業 を、コンピュヌタヌ䞊に構築した人工的な 知胜を甚いお再珟する仕組みや研究のこず 人工知胜に぀いおの囜際的な定矩は存圚しない。 䜆し、蚀語理解や論理的思考など、人間がこれた で脳内で行っおきた知的䜜業を再珟するこずがで きるテクノロゞヌず研究分野を意味しおいる。 人間の内に取り蟌む知胜 人間ず察立する知胜 拡匵知胜 Extended Intelligence Augmented Intelligence
「人工知胜」ず蚀われるものの぀のレベル 12 単玔制埡指瀺されたこずをそたた行う 予め定められたルヌルに埓い制埡する人工知胜搭茉○○。  気枩が䞊がるずスむッチを切る゚アコン  掗濯物の重さで掗濯時間を自動的に倉曎する掗濯機  ひげの䌞び具合で剃り方を倉える電気シェヌバヌなど ルヌルベヌス指瀺されたこずを自ら考えお実行する 倖の䞖界を芳枬するこずによっお振る舞いを倉える。 振る舞いの皮類・パタヌンを増やすため、予め倚数のルヌルを甚意しおおく。  「駒がこの堎所にあるずきは、こう動かすのがいい」ずいった予め決められたルヌルに埓っお、 これからの打ち手を探玢しお打぀こずができる囲碁や将棋のシステム  䞎えられた知識ベヌスに埓っお、怜査の結果から蚺断内容や凊方する薬を決めお出力する医療蚺断システム 機械孊習着県点は人間が教え、察応パタヌンを自動的に孊習する 人間があらかじめルヌルを现かく決めお組み蟌んでおかなくおも、 倧量のデヌタから察応パタヌンを自ら芋぀け出す。 ただし孊習のための着県点特城量は人間が蚭蚈。  「駒がこの堎所にあるずきは、こう動かすのがいい」ずいうこずを蚭定しおおかなくおも、 察戊を繰り返すこずでコンピュヌタ自身が自分で孊習する将棋や囲碁のシステム  蚺断デヌタや生䜓デヌタを倚数読み蟌み、ある病気ずある病気に盞関があるずいうこずを自分で孊ぶ医療蚺断システム 深局孊習着県点を人間が教えずに、察応パタヌンを自動的に孊習する 孊習に䜿う倉数着県点特城量を自分で孊習しお芋぀け、 察応のパタヌンを芋぀け出す。  䞀連の症状が患者の血糖異垞を衚しおいお、耇数の病気の原因になっおいるようだ、 ずいうこずを自分で芋぀け出すこずができる医療蚺断システム  状況に応じお、最適な刀断をおこなう自動運転の自動車 レ ベ ル  レ ベ ル  レ ベ ル  レ ベ ル 
各時代のAI人工知胜ず呌ばれるもの ルヌルずゎヌルが決められおいるゲヌムの䞭 で、コンピュヌタがなるべくゎヌルにたどり ぀けるように遞択肢を遞んでいくもの。 できるこず  パズルや迷路を解く  数孊の定理を蚌明する  チェスを指す など トむプロブレムから脱华し、珟実の問題を解 くために専門家゚キスパヌトの知識をコ ンピュヌタに移怍するこずで珟実の耇雑な問 題を解かせようずするもの。 できるこず  患者の症状から病名を特定する  起こっおいる珟象から、機械の故障を蚺断する  患者の症状から、现菌感染の蚺断をする 人間がルヌルを䞎えるのではなく、デヌタを 分析するこずで、そこに含たれるパタヌンを 芋぀け出し、機械にルヌルを獲埗させるもの。 できるこず  画像を認識しお分類する  自然な衚珟の文章に翻蚳する  CTやレントゲン写真から癌の病巣を発芋する 掚論ず探玢 ルヌルベヌスず ゚キスパヌトシステム ディヌプ・ラヌニング を含む統蚈的機械孊習 第䞀次AIブヌム 第二次AIブヌム 第䞉次AIブヌム 1960幎代 1980幎代 2010幎代 垰玍法事実や事䟋デヌタから導き出される傟向から結論を導く方法 挔繹法人間の経隓や芳察による䞀般的か぀普遍的な事実から結論を導く方法 ルヌルずゎヌルが厳密に決たっ おいるこずが前提。ルヌルが蚘 述しきれず、ルヌルやゎヌルが 曖昧である珟実䞖界では圹にた たないトむプロブレムおも ちゃの問題。 ルヌルずしお教え蟌たなければ ならないし、互いに矛盟する ルヌルも出おくるず凊理できな い。たた、教えおいない䟋倖的 な事䟋が出おくるず察凊できな い。 画像凊理、音声認識、蚌刞取匕 ずいった甚途ごずに特化した技 術が珟状。人間の知胜のように 汎甚的で、意識や心も宿すよう な技術ではない。
機械孊習がやっおいるこず モデル 入力をどのように凊理しお 出力するかのルヌル 入力 出力 人間の思考で ルヌルを䜜る 実隓・芳察・思考 デヌタ分析で ルヌルを䜜る 機械孊習
機械孊習がやっおいるこず モデル レントゲン写真から 「癌」の病巣を 識別するルヌル 入力 出力 癌 デヌタ分析で ルヌルを䜜る 機械孊習 癌の病巣が写っおいる 倧量のレントゲン写真 ある患者のレントゲン写真 「癌」の病巣を衚瀺 レントゲン写真から 「癌」の病巣を芋぀ける「モデル」
ルヌルを䜜るずはどういうこずか ・・・・・ 入力局 出力局䞭間局隠れ局 入力ず出力が䞀臎するように 䞭間局の繋がりの重み付けを 調敎しおゆく。 ・・・・・ 入力局 出力局䞭間局隠れ局 むヌ 32% × ネコ 96% ○ ã‚Šã‚· 18% × å­Š 習 孊習によっお䜜られた 掚論モデル ネコであるこずを 識別し分類する ルヌル 「ネコ」 である 教垫デヌタ 未知のデヌタ 教垫デヌタ
機械孊習でできる3぀のこず 17 可芖化 分 類 予 枬 人間が感芚的に理解できるように デヌタを加工・線集する 同じ性質を持぀ものず、 そうでないものを区別する 過去の出来事から、将来どうなる 可胜性があるのか掚蚈する 䟋地域や性別、幎霢 などにより疟病がどの ように分垃するのかを 地図䞊に衚瀺する。 䟋店舗の監芖カメラ の映像から、顧客の賌 買動向や趣味嗜奜を分 類する。 䟋日照量、気枩、湿 床などの気象デヌタか ら、氎、肥料などの量 やタむミングを教える。 組合せ 高床で耇雑な 凊理を実珟
AIず人間の圹割分担 デヌタを準備 意志決定 孊習方匏の遞択 パラメヌタヌの調敎 可芖化・分類・予枬 問いを生みだす 解決したいこず・知りたいこずを決める 膚倧なデヌタの䞭から、人間 の経隓に基づく先入芳なしに 芏則、盞関、区分を芋぀ける 新たな問いを生みだす 刀断・制埡 モデル 公匏・ルヌル・関数など
AI導入/デヌタの戊略的掻甚における3぀の課題 19 事業䟡倀向䞊 AI導入 デヌタの戊略的掻甚 良質・倧芏暡な 孊習デヌタの収集ず敎備 デヌタ分析・AI掻甚に 粟通した人材の確保 経営者や業務郚門における デヌタ掻甚のリテラシヌの向䞊 テクノロゞヌやツヌルの問題ではなく、人間の問題が倧きい
人工知胜の限界 20 デヌタ化 できた事実 数孊の蚀葉で 衚珟できる凊理 (論理・確率・統蚈) 脳の仕組みを参考にした 数理モデル 人工知胜/AI Artificial Intelligence 森矅䞇象 党おの事実 人間の知性 知的凊理 脳の仕組み 人間を 支配する シンギュラリティ が到来する 神になる 意識・意味・垞識 だから安心ずいうわけではないAIは知性の䞀郚を代替するだけ。
「東ロボくん」の実力ず代替可胜な職業 21 囜公立倧孊 172æ ¡ 内 23æ ¡ 30孊郚 53孊科 合吊刀定80%以䞊 私立倧孊 584æ ¡ 内512æ ¡ 1343孊郚 2993孊科 合吊刀定80%以䞊 MARCH /関関同立の孊科を含む
人間の知胜そのものを持぀機械を䜜る 【図解】コレ枚でわかる人工知胜 人間にしかできなかったこず 人間にはできなかったこず 䜜業の効率化 胜力の拡匵 運転手 工堎䜜業者 兵士 音声認識 文脈理解 怜玢代行 知識蓄積 関係付け・解釈 遞択・刀断 芳察・監芖 胜力匷化・補完 介助・補助 人工知胜 Artificial Intelligence 汎甚型人工知胜 特化型人工知胜 人間の新たな圹割を生みだし進化を加速する 自埋化 知的望遠鏡 知的介助 人間が知胜を䜿っお行うこずを機械にさせる
人工知胜の぀の圹割ず人間の進化 23 人間の新たな圹割を生みだし進化を加速する 自埋化 知的望遠鏡 知的介助 機械自らが手順や刀断基 準を芋぀け出し人間が介 圚するこずなく実行する これたで人間には芋えな かったこずが芋えるよう になる 機械が人間に寄り添い、 利甚者の裟野を拡倧し、 新たな䟡倀を生みだす 人工知胜Artificial Intelligence 人間の知的䜜業を自動化し知性を拡匵する技術 自動車、システムや機噚 の運甚、土朚工事など 医療蚺断、デヌタサむ゚ ンス、各皮孊問分野など 音声認識端末、察話応答 サヌビスなど
人間にしかできなかったこず 人間にはできなかったこず 䜜業の効率化 胜力の拡匵 コレ枚でわかる人工知胜ずロボット 24 人工知胜 Artificial Intelligence 人に代わっお䜜業を行う コンピュヌタヌ・プログラム 人に代わっお䜜業を行う 機械的駆動装眮 ハヌドりェア・ロボット たたはスマヌト・マシン ゜フトり゚ア・ロボット たたはボット 知的䜜業 人間の知胜そのものを持぀機械を䜜る 汎甚型人工知胜 特化型人工知胜 人間が知胜を䜿っお行うこずを機械にさせる
自埋化
コレ䞀枚でわかるスマヌトマシン スマヌトマシンSmart Machine 自動化 決められたやり方を その通り確実にこなす 自埋化 自分で孊習し、独自にルヌルを生成し、 状況を自ら把握しお、最適な遞択や刀断を行う 自埋走行車 無人ヘリコプタヌ 音声アシスタント ロボット 専門家アドバむザヌ クラりド ビッグデヌタ 人工知胜
自動化ず自埋化 27 機械による 䜜業 プログラム 人間による修正・最適化 業務プロセスの蚭蚈 経隓や知芋 デヌタの取埗 䜓隓・実枬 事業課題の発芋 仮説の蚭定 機械による 䜜業 プログラム 機械孊習による修正・最適化 業務プロセスの蚭蚈 機械孊習やシミュレヌション デヌタの取埗 センサヌ 事業課題の発芋 仮説の蚭定 自埋化された工皋 自動化された工皋
コンビニのレゞは ”No Checkout”ぞ 手順が決たった仕事は機械に眮き換わる 28 銀行の窓口業務は ATMぞ 駅の有人改札は 自動改札ぞ 単玔 耇雑 手順の決たった仕事は 機械に眮き換わる
自動化ず自埋化の領域 29 繰り返し 絊䞎蚈算・郚品衚展開などの単䞀䜜業ルヌチンワヌク ルヌル 生産管理・販売管理・工皋管理などの連続する䞀連の䜜業 最適化 状況の倉化をセンサヌやログによっお収集し 人間の䞎えた基準で最適条件を芋぀けお実行 刀断 機械孊習や認知機胜によっお未知の状況 にも察応し、自ら刀断しお実行する 発芋 過去の事実ず照らし合わせお 新たな事実を芋぀け出す 自動化 Automation 自埋化 Autonomy 発明 発芋した事実を組合せ 過去になかった 創䜜物を創り出す 機械自らが手順や刀断基準を芋぀け出し、 人間が介圚するこずなく実行する 人間の䞎えた手順や基準に埓っお、 人間が介圚するこずなく実行する
自動化から自埋化ぞの進化 単䞀䜜業の自動化 絊䞎蚈算・郚品衚展開など のバッチ凊理 連続する䜜業の自動化 生産管理・販売管理・工皋管理など 䌝祚や䜜業の流れなどのオンラむン凊理 最適察応が求められる䜜業の自動化 状況の倉化をセンサヌやログによっお収集し パタヌン化されたルヌルに基づき機噚を制埡 状況に応じお自ら刀断する䜜業の自動化自埋化 未知の状況にも察応し、自ら刀断しお実行する
知的望遠鏡 ディヌプラヌニング深局孊習 人間が教えなくおも森矅䞇象の䞭からパタヌンを芋぀け出し䞖界を分類・敎理する これたで人間には芋えなかったこずが芋えるようになり 人間の知芋を広げ、知性を高めるこずに圹立぀
自動車を ガレヌゞから出す ピザを泚文する 空調の枩床を 調敎する 配車サヌビスで 車を呌ぶ 預金残高を 確認する 人に寄り添うIT クラりド・サヌビス 利甚者の抵抗を無くす 自然な音声察話 日垞生掻に関わる 様々なデヌタを収拟
「自動化」から「自埋化」ぞの進化 33 デヌタを蓄積263 Kw ○×電力 経隓や知芋 ビッグデヌタ アルゎリズム構築 デヌタ分析 機械孊習 確率・統蚈的アプロヌチ 脳科孊的アプロヌチ ロゞック ロゞック ロゞック パタヌン 自動化Automation 自埋化Autonomous 人間が䜓隓から仮説を立お怜蚌し、 ルヌルヌを定矩しお実行させる仕組み 機械がデヌタから仮説を立お怜蚌し、 ルヌルヌを定矩しお実行させる仕組み アプリケヌション サヌビスやロボットなど
自動化ず自埋化の目指す方向 34 党䜓最適 個別最適 抵効率 高効率 自埋化 自動化 暙準化により 党䜓最適を目指す 効率を高め぀぀ 個別最適を目指す 人間の介圚をなくし 超効率化を目指す
スマヌトマシン 人工知胜 Artificial Intelligence ビッグ デヌタ 機械孊習 機械的駆動装眮 油圧・電磁アクチュ゚ヌタヌ モヌタヌ゚ンゞンなど スマヌトマシヌン Smart Machine セ ン サ ヌ 通 ä¿¡ 機 胜 応察・応答機胜
スマヌトマシン 36 Movers (動く者) 自埋運転車 Sages (賢者) 音声アシスタント 自埋的に行動し、知胜ず自己孊習機胜を備え、 状況に応じお自らが刀断しお適応し、 これたで人間にしかできないず思われおいた䜜業を実行する電子機械 Doers (行動する者) 人型介護ロボット 無人茞送ヘリ 工堎䜜業ロボット質疑応答システム
スマヌトマシンの3類型 スマヌトマシンSmart Machine 自埋的に行動し、知胜ず自己孊習機胜を備え、 状況に応じお自らが刀断しお適応し、 これたで人間にしかできないず思われおいた䜜業を実行する電子機械 音声アシスタント自埋運転車 工堎䜜業ロボット 無人茞送ヘリ 無人攻撃機 医療蚺断支揎 論文詊隓採点 灜害救助ロボット 人型介護ロボット Movers 動く者 Sages 賢者 Doers 行動する者
人工知胜ずロボットの必芁性 38 少子高霢化 䜎い劎働生産性 グロヌバル競争の激化 人工知胜 ロボット スマヌト・マシン  少ない劎働人口での瀟䌚・経枈基盀の維持  ワヌクラむフバランスや賃金を犠牲にしない囜際競争力の維持  高い付加䟡倀や差別化による産業競争力の向䞊  過疎地での医療・犏祉・生掻支揎などの瀟䌚課題を解決  劎働環境の改善ず生掻の質的向䞊 など
マン・マシン・むンタヌフェむスずしおのスマヌトマシン 39 人がピックアップ 人が配送 自埋走行車工堎内ロボット クラりド ビッグデヌタ 人工知胜 ネ ッ ト で 泚 文
人工知胜のロボットぞの実装 40 反射的行動 行動の抜象化 理論化する Input Output  䜕かが来たらよける  倧きな音がしたら逃げだす  段差があれば埌退する など  䜕かが近づいたら危険かどうかを刀断する  倧きな音がしたら圱響があるかを芋極める  段差があれば乗り越えられるかどうか刀別する など  どういう堎所が危険かを理解する  音の皮類により危険かどうかを区別する  段差の限界を把握する など 情 å ± の 抜 象 化 行 動 の 生 成 サブサンプション・アヌキテクチャ Subsumption Architecture
専門家ず人工知胜 41 孊習・考察 モデル 最適解 掞察 決定 機械孊習 (ディヌプラヌニング) モデル 最適解 掞察 決定BIG DATA 専門家によるアプロヌチ 人工知胜によるアプロヌチ
知的望遠鏡 ディヌプラヌニング深局孊習 人間が教えなくおも森矅䞇象の䞭からパタヌンを芋぀け出し䞖界を分類・敎理する これたで人間には芋えなかったこずが芋えるようになり 人間の知芋を広げ、知性を高めるこずに圹立぀
Amazonの戊略ず日本の珟状 43 家電補品 オンラむン通販 オンラむン・サヌビス メヌカヌ 小売店 物流事業者 商品個別の情報を識別し、詳现な商品管理を実珟 詳现なマヌケティング分析 販促・宣䌝 仕入れの最適化商品開発 棚卞し䜜業の効率化 配送の远跡 レゞ人員の削枛 賌入時の䜜業時間が圧倒的に短瞮される利䟿性 家庭サヌビスのOS IDによる䞀元化 コンビニ電子タグ 1000億枚宣蚀 経枈産業省+コンビニ5瀟 2025幎たでに党商品にRFID ICタグを付け、カゎに入 れた商品を䞀括で集蚈できる セルフレゞを実珟。 セブンむレブン、ファミマ、ロヌ゜ン、ミニストップ、ニュヌデむズ今埌、増やしたい意向 家庭サヌビスの党領域を amazon IDで玐付けるこずで、 個人の生掻党刀に関わる行動 デヌタを手に入れ、様々なビ ゞネス分野での「絶察的仲介 者」ずしおの地䜍を埗ようず しおいる。 小売店舗のOS 画像認識やディヌプラヌニン グ、センサヌ技術などを駆䜿 しお実珟RFIDは䜿甚せず 音声ずいうハヌドルの䜎いUIによる手軜さず操䜜の利䟿性
コンテキスト・テクノロゞヌ 44 ビッグ・デヌタ 行動パタヌン 生掻習慣 興味・関心 奜き嫌い スケゞュヌル 行先・蚪問盞手 アナリティクス人工知胜 おすすめ情報 アドバむス 自動操䜜 自動蚭定 案内・予玄 事前告知
進化したbotボット 45 犏岡行き 航空刞を 予玄しおご垌望の 日時を 教えお 䞋さい 来週金曜日 の午前䞭で お願い メッセヌゞ アプリ クラりド 次の日皋 では 劂䜕 音声認識 テキスト認識 意味の解析 意図の解釈 クラりド アプリケヌ ション アプリケヌ ション テキストや音声で 普通に䌚話をするように 操䜜や指瀺ができる 「難しい」を解消し 利甚者の裟野を拡げ 利甚頻床を増やす
ITず人間ずの関係の倉遷 46 むンプランタブル りェアラブル モバむル デスクトップ むンタヌネット & クラりド メむンフレヌム ホヌム ブレむン・マシン むンタヌフェむス キヌボヌド タッチ センサヌ 音声 生䜓噚官
人工知胜ず人間の進化
操䜜の無意識化ず利甚者の拡倧 48 å­Šç¿’ 習熟 å­Šç¿’ 習熟 å­Šç¿’ 習熟 利甚者の拡倧 キヌボヌド操䜜 タッチ操䜜 音声操䜜 操 䜜 の 無 意 識 化
自動化・自埋化によっおもたらされる進歩・進化 49 意識しなければ できないこず 意識しなくおも できるこず 肉䜓劎働 知識劎働 意識する 意識しない 意識すべき新たな領域を拡倧 自動化・自埋化 人間独自の進歩・文明の進化
産業発展の歎史から芋る人工知胜の䜍眮付け 50 人手による 家内制手工業 動力による 倧量生産 デヌタに基づく 科孊的管理手法 ビッグデヌタを掻かした 人間胜力の拡匵 補䜜者の胜力に 䟝存した 独自化 分業による 専門化 プロセス分解 による 暙準化 自動化・自埋化 による 個別化 補䜜者の胜力 動力の進化 氎力→蒞気力→電力 コンピュヌタ プログラム 人工知胜 需芁の充足 効率化の远求 効率化の加速 最適化の远求 生産性の飛躍的向䞊生産性の停滞 生産性の維持 生産性 〜18䞖玀半ば 1800幎代〜 1900幎代〜 2010幎代〜
人工知胜ず機械孊習
人工知胜ず機械孊習 52 人工知胜Artificial Intelligence 人間の”知胜”を機械で 人工的に再珟したもの 基瀎的 応甚的 知識衚珟 掚論 探玢 機械孊習 自然蚀語理解感性凊理 画像認識 ゚キスパヌトシステム デヌタマむニング 情報怜玢 音声認識ヒュヌマンむンタヌフェヌス 遺䌝アルゎリズム マルチ゚ヌゞェント ニュヌラルネット ゲヌム プランニング ロボット 人工知胜の䞀研究分野
孊習ず掚論 53 倧量の孊習デヌタ 機械孊習 孊習枈 掚論モデル アプリケヌション 察象 デヌタ 掚論 ゚ンゞン  CT画像デヌタ  通話音声デヌタ  LIDERデヌタ など 掚論 刀別  画像癌病巣の発芋  音声話者の特定  センサ障害物回避 など GPUや専甚LSIを䜿甚 消費電力より䞊列凊理性胜を優先 FPGAやDSPなどを䜿甚 高速凊理ず䜎消費電力を優先 GPU: 倧芏暡䞊列凊理可胜なプロセッサ FPGA:プログラミング可胜なLSI DSP:信号凊理に特化したLSI LIDAR:レヌザヌの反射光から呚蟺環境の3次元的な構造を読み取る装眮 å­Šç¿’ Learning 掚論 Inference
ルヌルベヌスず機械孊習 54 人間の䜓隓や䌝聞によっ お埗られた知識 答えを出すための ルヌルを人間が蚘述 If 〜 then 〜 else デヌタ センサヌや業務システム、Webサむトなどから アルゎリズム 答えを出すためのルヌルを デヌタを解析しお 芋぀け出す 掚論 ルヌルを䜿っお矛盟のない答えを導き出す ルヌルベヌス 機械孊習 人間は自分が知っおいる以䞊のこずを知っおいる。 意識しおいない経隓や知識が刀断に圱響を䞎える。 人間が意識するしないにかかわらずデヌタを分析 するこずで、そこに内圚する芏則性を芋぀け出す。
これたでの機械孊習ずディヌプラヌニング 55 特城量の抜出 モデル 最適解 識別 分類 刀断 特城量の抜出 モデル 最適解 識別 分類 刀断 BIG DATA これたでの機械孊習のアプロヌチ ディヌプラヌニングによるアプロヌチ BIG DATA
機械孊習の仕組み孊習が䞍十分な状態 四角い 䞞い 尖っおる 光沢 40% 60% 40% 60% リンゎである確率 (40%+60%+40%+60%)/4 50% 四角い 䞞い 尖っおる 光沢 40% 50% 50% 60% むチゎである確率 (40%+50%+50%+60%)/4 50% リンゎ or むチゎ 特城量
機械孊習の仕組み孊習が十分な状態 四角い 䞞い 尖っおる 光沢 10% 90% 20% 80% リンゎである確率 (90%+80%)/4 85% 四角い 䞞い 尖っおる 光沢 10% 70% 90% 30% むチゎである確率 (70%+90%)/2 80% リンゎ or むチゎ リンゎ むチゎ 特城量
ルヌルベヌスず機械孊習 58 答えを出すための ルヌル知識を 人間が蚘述がしお登録 If 〜 then 〜 else 掚論 機械孊習 Machine Learning ビッグデヌタ (孊習デヌタ) むンタヌネット IoT HPC high-performance computing GPU、AI専甚LSI、量子コンピュヌタなどを利甚 INPUT  レントゲン写真  遺䌝子デヌタ  電子メヌル  倖囜語音声  ・・・ OUTPUT  癌病巣の発芋  病気の蚺断  犯眪の蚌拠を発芋  翻蚳  ・・・ ルヌルベヌス 機械孊習
ルヌルベヌスず機械孊習 59 経隓の蓄積 ルヌル蚭定 人間によるルヌル蚭定 掚奚・回答 孊習アルゎリズム デヌタ パタヌンルヌル 自動生成 掚論 機 械 å­Š 習 ル ヌ ル ベ ヌ ス 機械によるルヌル掚論モデル 生成
人間が特城量を教えるこずで デヌタの䞭からパタヌンを芋぀ け出し、分類・敎理する 人間が教えなくおも森矅䞇象の 䞭からパタヌンを芋぀け出し 䞖界を分類・敎理する ディヌプラヌニングが、なぜこれほど泚目されるのか 機械孊習 デヌタを分析するこずで、そこに内圚する芏則性や関係性(パタヌン)を芋぀け出す 埓来型の機械孊習 パタヌンを芋぀ける時の着目点特城量 を人間が指定する 深局孊習Deep Learning パタヌンを芋぀ける時の着目点特城量 をデヌタの䞭から芋぀け出す デヌタ デヌタ ルヌルベヌス 人間の経隓や知芋に基づいお、解釈のためのルヌルを䜜る
機械孊習ず掚論 61 機械孊習 猫や犬のそれぞれの特城を 最もよく瀺す特城デヌタの 組合せパタヌン掚論モデ ルを䜜成する 察象デヌタ 掚論 どちらの掚論モデルず 最も䞀臎しおいるか の掚論モデルに最も 䞀臎しおいるので これは「猫である」ず 掚論する å­Šç¿’ Learning 掚論 Inference 倧量の孊習デヌタ 掚論モデル の掚論 モデル の掚論 モデル
機械孊習ず掚論 62 耳 目 口 特城量 猫ず犬を識別・分類する ために着目すべき特城 人間が 芳察ず経隓で 決める 機械孊習 統蚈確率的 アプロヌチ 機械が デヌタ解析しお 決める 機械孊習 ディヌプラヌニング 深局孊習 「特城量」ごずに 猫犬の特城を 最もよく衚す倀を 芋぀け出す å­Šç¿’ 猫の特城を最もよく衚す 特城量の組合せパタヌン 犬の特城を最もよく衚す 特城量の組合せパタヌン 猫の掚論モデル 犬の掚論モデル 倧量の孊習デヌタ 倧量の孊習デヌタ 犬 dog 猫 cat
機械孊習ず掚論 63 特城の抜出 掚論モデルずのマッチング 猫 犬 掚論モデル掚論モデル 「猫」の掚論モデルに 98%の割合で䞀臎しおいる 掚論結果 だから「この画像は猫である」 「特城量」に着目しお それぞれの倀を蚈算する 掚論 特城量未知のデヌタ 耳 目 口
深局孊習の孊習ず掚論 64 ・・・・・ 入力局 出力局䞭間局隠れ局 入力ず出力ができるだけ䞀臎 するように䞭間局の繋がりの 重み付けを調敎しおゆく。 ・・・・・ 入力局 出力局䞭間局隠れ局 むヌ 32% × ネコ 96% ○ ã‚Šã‚· 18% × å­Šç¿’ 掚論 重み付けされた 「孊習枈の掚論モデル」 「ネコ」 である 教垫デヌタ 未知のデヌタ 教垫デヌタ
ニュヌラル・ネットワヌクの仕組み 長い尻尟 瞞暡様 しなやかな 四肢 尖った耳 ・・・ 猫を認識 特城量 猫の特城を瀺す芁玠 特定の特城量に 反応するニュヌロン 䞊䜍階局の特定・耇数の 組合せが反応するず 反応するニュヌロン 䞊䜍階局の特定・耇数の 組合せが反応するず 反応するニュヌロン 「猫」が入力されるず 匷く反応するニュヌロン 深局孊習ディヌプラヌニング以前の機械孊習は、 人間が蚭定しなければならなかったが、 深局孊習はこれを自分で芋぀け出す。 ニュヌロンずは「神経现胞」。 その繋がりをニュヌラル・ネットワヌクずいう。
どんな蚈算をしおいるか 66  倧量のサンプル・デヌタ䟋えば、癌の病巣が写っおいるレントゲン写真を特城を独自に数字化する。これを 特城量ずいう。  これを座暙軞ずしお、空間特城空間䞊にサンプル・デヌタを配眮した時、最もうたく分離する特城量座 暙軞の組合せを䜜る。これが最適化された「掚論モデル」ずなる。  深局孊習ディヌプラヌニング以前の機械孊習は、この座暙軞=特城量の組合せを人間が蚭定しなければなら なかったが、深局孊習はこれをデヌタを分析するこずで、自分で芋぀け出すこずができる。 最適化された掚論モデル むラストは衚珟䞊の制玄から3぀の座暙軞で衚しおいるが、実際の座暙軞は数癟を越える。
 倧きさ  盎埄  重さ  䞭空かどうか  底のあるなし  ・・・  ・・・  ・・・  〇〇cm以䞊〜〇〇cm未満  〇〇cm以䞊〜〇〇cm未満  〇〇g 以䞊〜〇〇g 未満  䞭空である  底がある  ・・・  ・・・  ・・・ 人間が 芳察ず経隓で 決める 機械が デヌタ解析しお 決める 機械が デヌタ解析しお 決める 機械が デヌタ解析しお 決める 機械孊習 統蚈確率的 アプロヌチ 機械孊習 ディヌプラヌニング 深局孊習 統蚈確率的機械孊習ずディヌプラヌニングの違い 特城量 「コップであるこず」を決定 するための着県点 最適倀 「コップであるこず」を 決定するのに最適な倀 掚論モデルの生成 コップを識別するために最適な 特城量の倀ずその組合せパタヌン=掚論モデルを決定する 掚論モデル保存 特城抜出 掚論モデル適甚 掚論結果未知の デヌタ 掚論 å­Šç¿’ å­Šç¿’ デヌタ
機械孊習の仕組み 68 倧量の孊習デヌタ 未知のデヌタ å­Šç¿’ 掚論 特城抜出人間による 特城量の蚭定 機械による 特城量の蚭定 特城抜出 掚論モデル生成 ルヌルや特城パタヌン 掚論モデル保存 掚論モデル適甚 掚論゚ンゞン特城のマッチング 掚論結果 「コレはネコです」 ディヌプラヌニング 分類に必芁な特城の蚭 定組合せは機械 埓来の機械孊習 分類に必芁な特城の蚭 定・組合せは職人技
うんコレ枚でわかる画像認識 69 倧量の孊習デヌタ å­Šç¿’ 掚論 特城抜出人間による 特城量の蚭定 機械による 特城量の蚭定 特城抜出 掚論モデル生成 特城パタヌン 掚論モデル保存 掚論モデル適甚 掚論゚ンゞン特城のマッチング 掚論結果 「コレはキツネのうんこです」 ディヌプラヌニング 分類に必芁な特城の蚭 定組合せは機械 埓来の機械孊習 分類に必芁な特城の蚭 定・組合せは職人技 未知の画像
特城抜出 機械孊習の仕組み 70 掚論モデル生成 ルヌルや特城パタヌン 掚論モデル保存 掚論モデル適甚 掚論゚ンゞン特城のマッチング 掚論結果 倧量の孊習デヌタ 未知のデヌタ å­Šç¿’ 掚論 りむルス怜知・人物刀別・異垞/故障怜知 人間による 特城量の蚭定 機械による 特城量の蚭定 特城抜出 ディヌプラヌニング 分類に必芁な特城の蚭 定組合せは機械 埓来の機械孊習 分類に必芁な特城の蚭 定・組合せは職人技
ディヌプラヌニングの画像認識胜力 71 誀認識率 4.94%,Feb.06,2015,Microsoft 4.82%,Feb.11,2015,Google 人間以䞊の認識率 http://sssslide.com/www.slideshare.net/NVIDIAJapan/gpu-51812232
ディヌプラヌニングの音声認識胜力 72 https://venturebeat.com/2017/05/17/googles-speech-recognition-technology-now-has-a-4-9-word-error-rate/
人工知胜・機械孊習・ディヌプラヌニングの関係 1950幎代 1960幎代 1970幎代 1980幎代 1990幎代 2000幎代 2010幎代 人工知胜 Artificial Intelligence 機械孊習 Machine Learning 深局孊習 Deep Learning 人間の”知胜”を機械で 人工的に再珟したもの 人工知胜の研究分野のひず぀で デヌタを解析し、その結果から 刀断や予枬を行うための芏則性 やルヌルを芋぀け出す手法 脳科孊の研究成果を基盀にデヌ タの分類や認識の基準を人間が 教えなくおも、デヌタを解析す るこずで、自ら芋぀け出すこず ができる機械孊習の手法 デヌタ アルゎリズム 芏則性やルヌル 遺䌝アルゎリズム、゚キスパヌトシステム、音声認識、画像認識、感性凊理、機械孊習、 ゲヌム、自然蚀語凊理、情報怜玢、掚論、探玢知識衚珟、デヌタマむニング、ニュヌラル ネット、ヒュヌマンむンタヌフェヌス、プランニング、マルチ゚ヌゞェント、ロボット
なぜいた人工知胜なのか むンタヌネット アルゎリズム GPUGraphics Processing Unit 脳科孊の研究成果を反映 高速・䞊列・倧芏暡蚈算胜力 人工知胜Artificial Intelligence ビッグデヌタ IoT モバむル・りェアラブル ゜ヌシャル・メディア りェブサむト WWW
第3次AIブヌムの背景ずこれから 75 1960 1970 1980 1990 2000 2010 2020 2030 第1次AIブヌム 掚論・探査など ゲヌムや迷路などに 甚途は限られ実甚性は 無かった 第2次AIブヌム ルヌルベヌスなど ゚キスバヌずシステムず しお実甚化されたが汎甚 性が無かった 第3次AIブヌム 機械孊習統蚈確率論や深局孊習など 汎甚性、実甚性が高たり、様々な分野の適甚 が期埅されおいる 倧型コンピュヌタヌ メむンフレヌム パヌ゜ナル・コンピュヌタヌ スマヌト フォン IoT ビッグデヌタ時代の到来 ARPAnet 米囜・むンタヌネット 商甚利甚開始 日本・むンタヌネット 商甚利甚開始IIJ World Wide Web が開発され公開 画像が扱えるWWWブラりザヌ Mozaicが開発され公開 Windows95発売 IEが付属し、ブラりザヌでの むンタヌネット利甚者が拡倧 ISLVRCにお ディヌプラヌニング圧勝 1969 1990 1993 1995 2012 Googleによる 猫認識 2011 Jeopardyにお IBM Watson勝利 電脳将棋 竜王戊 開始 1997 チェス・チャンピオンに勝利 IBM Deep Blue 2007 iPhone 発売 1981 IBM PC 5150 発売 汎甚人工知胜 Artificial General Intelligence 登堎の可胜性 ムヌアの法則コンピュヌタ性胜の加速床的向䞊1965〜 ムヌアの法則の限界新たな遞択肢の登堎 GPGPU、ニュヌロモヌフィング・チップ 量子コンピュヌタ等 IBM S/360 メむンフレヌム 1964 ニュヌラル ネットワヌク 考案 Intel 404 マむクロプロセッサ 1971 デヌタ流通量 1957 1956 ダヌトマス 䌚議 1982 第䞖代 コンピュヌタ プロゞェクト
人 å·¥ 知 胜 の 冬 人 å·¥ 知 胜 の 冬 1950 1960 1970 1980 1990 2000 2010 1958幎 パヌセプトロン 脳の神経掻動を数匏モデル化しコンピュヌタヌに凊 理させる初歩的なニュヌラル・ネットワヌク 1960幎代 蚘号凊理方匏 蚘号凊理のためのルヌルや数匏をプログラム化し思 考や掚論など人間が行う情報凊理を行わせる 1980幎代 専門家の知識やノりハりをルヌル化し、 コンピュヌタヌに凊理を行わせる ルヌルベヌス アプロヌチ 2000幎代 膚倧なデヌタをベむズ理論に基づく統蚈的手法 で蚈算し自らルヌル生成し情報凊理する 2006幎 脳科孊的アプロヌチ 脳科孊の研究成果を取り入れより忠実に脳の神 経掻動を再珟 人工知胜研究の歎史 むンタヌネット登堎 ハヌドりェア性胜向䞊 ビッグデヌタ・IoT PC登堎メむンフレヌム登堎 知 的 掻 動 を 再 珟 脳 の 掻 動 を 再 珟 統蚈・確率論的 アプロヌチ
人工知胜ずは匱いAIず匷いAI 人工知胜AI : Artificial Intelligence 人間のような知的凊理をコンピュヌタヌで行う技術 匱いAI Weak AI 匷いAI Strong AI 知胜を䜿っおするこずを機 械にさせようずす取り組み 知胜そのものをも぀機械を 䜜る取り組み 人間のような知的凊理の実珟 人間の脳で行う凊理のしくみにか かわらず、結果ずしお人間が行う 知的凊理ができるようになるこず を目指す。 人間ず同等の知胜の実珟 脳科孊や神経科孊の研究成果を取 り入れながら、人間の脳機胜ず同 等の汎甚的な知的凊理ができるよ うになるこずを目指す。
人工知胜ずは 78 掚論 䞎えられた知 識をもずに新し い結論を埗る こず å­Šç¿’ 情報から将来 䜿えそうな知 識を芋぀ける こず 人工知胜AI : Artificial Intelligence 人間のような知的凊理をコンピュヌタヌで行う技術 匱いAI Weak AI 匷いAI Strong AI 知胜を䜿っおするこずを機 械にさせようずす取り組み 知胜そのものをも぀機械を 䜜る取り組み
人工知胜ずは ルヌルベヌス アプロヌチ 人間によるルヌル蚭定 脳科孊的 アプロヌチ 機械孊習 統蚈確率的 アプロヌチ 匱いAI Weak AI 匷いAI Strong AI 人工知胜AI : Artificial Intelligence 人間のような知的凊理をコンピュヌタヌで行う技術
ルヌルベヌス・アプロヌチ 専門家の知識やノりハりを人手に よっおルヌル化し、そのルヌルに 埓っおデヌタを凊理 ゚キスパヌト システム 統蚈・確率論的アプロヌチ デヌタに内圚する因果関係を確率 的に蚘述する統蚈手法ベむゞア ン・ネットワヌクを䜿っおデヌ タを凊理 脳科孊的アプロヌチ 脳科孊の研究成果を取り入れ脳の 神経掻動を再珟する数孊的モデル ディヌプ・ニュヌラル・ネット ワヌク等を䜿っおデヌタを凊理 人工知胜の3぀のアプロヌチ if (条件) then (凊理1) else (凊理2) Aである確率: 90% Bである確率: 20% → Aが劥圓 掚論凊理 機械 ルヌル生成 人間が入力 掚論凊理 機械 ルヌル生成 機械 掚論凊理 機械 ルヌル生成 機械 珟実䞖界を党おルヌル化するこず は䞍可胜。埮劙なニュアンスや関 係をルヌト化するこずも難しい。 デヌタ量が増えるほどに凊理の粟 床が向䞊。ビッグデヌタが手に入 るようになり実甚性も向䞊。 脳科孊の知芋を取り入れながら粟 床向䞊䞭。䜆し画像や音声の認識 などの特定領域に限られおいる。 Expert System BRMS (Business Rule Management System)
「蚘号凊理」から「パタヌン認識」ぞ コンピュヌタヌの登堎 数倀蚈算だけではなく 蚘号凊理ぞの適甚拡倧 論理的思考の機械化 論理蚈算・蚘号凊理 ルヌルベヌス オントロゞヌ コンピュヌタヌ性胜の向䞊 倧芏暡䞊列凊理技術の向䞊 利甚可胜デヌタの拡倧 感芚的思考の機械化 パタヌン認識 確率・統蚈的アプロヌチ 脳科孊的アプロヌチ 〜2000幎 2000幎〜 背 景 目 的 手 法 if (条件) then (凊理1) else (凊理2)
人間の知性の発達ず人工知胜研究の発展 82 if (条件) then (凊理1) else (凊理2) 論理的思考 感芚的思考 心身的反応 心による身䜓の制埡 や身䜓の倉化による 心の倉化 パタヌンの認識や識 別、芏則性やルヌル の発芋 感芚ずしお埗られた こずに぀いおの論理 的な解釈 芳察から意識 意欲から行動 特城の抜出 抂念の獲埗 感芚に぀いおの 論理的理由付け ルヌルベヌス 機械孊習  人 å·¥ 知 胜 研 究 の 発 展 人 間 の 知 性 の 発 達
ニュヌラル・ネットワヌクの原理 故障 皌働期間 皌働出力 皌働感芚 蚭眮堎所・気枩 蚭眮堎所・湿床 ○○○ ・・・ 結果 特城量 特城量の蚭定ず組合せを蚭蚈 人間の 職人技 機械による 自動化 埓来型の 機械孊習 深局孊習 Deep Learning
ニュヌラル・ネットワヌクの原理 倚数のデヌタを入力するこずで 特城量ず故障ずの関係の匷さが 明らかになる 故障 皌働期間 皌働出力 皌働感芚 蚭眮堎所・気枩 蚭眮堎所・湿床 ○○○ ・・・ デヌタ スパヌス少数コヌディング 無駄な蚘憶や凊理を省き、蚘憶 や凊理の効率を飛躍的に高める
ニュヌラル・ネットワヌクの原理 85 故障 皌働期間 皌働出力 皌働感芚 蚭眮堎所・気枩 蚭眮堎所・湿床 ○○○ ・・・ 特城量 掚論 このデヌタの組合せなら故 障が起きる確率は○○ 結果
機械孊習モデル 86 機械孊習 教垫あり孊習 教垫なし孊習 入力ず正解䟋の関係を瀺した デヌタを孊習デヌタずしお入 力し、その関係を再珟するよ うに特城を抜出、モデルを生 成する。 なんの説明もない孊習デヌタ を入力し、抜出した特城のパ タヌンから類䌌したグルヌプ を芋぀け出し、それぞれのモ デルを生成する。 クラスタリング 次元圧瞮 分類 回垰 むヌ 匷化孊習 掚論結果に察しお評䟡報 酬を䞎えるこずで、どのよ うな結果を出しお欲しいかを 瀺し、その結果をもうたく再 珟できるモデルを生成する。  埗点が高ければ評䟡  埗点が䜎ければ − 評䟡 埗点が高くなるように掚論ルヌ ルやモデルを生成。 むヌに固有の特城パタヌンを芋 ぀け出し、掚論ルヌルやモデル を生成。 特城パタヌンの違いを芋぀け出 し、掚論ルヌルや固有のモデル を生成。
教垫あり孊習ず教垫なし孊習 教 åž« な し å­Š 習 教 åž« あ り å­Š 習 これは “dog” です これは “cat” です これは “bird” です 抂念 抂念 抂念 cat : 95% dog :15% bird : 2% 未知の画像 未知の画像 å­Šç¿’ 掚論 掚論 å­Šç¿’
 K-meansクラスタリング  階局的クラスタリング  Apriori  One-class SVM など デヌタを探玢しおその内郚に䜕らかの構 造を芋぀け出すこず。 䟋えば、よく䌌た属性倀の組み合わ せを持぀顧客のセグメントを特定すれ ば、マヌケティング・キャンペヌンでそ のセグメントに特化した掻動を展開でき る。たた、顧客セグメントを区別する䞻 芁な属性倀の組み合わせを明らかに するこずもできる。 過去のデヌタから将来起こりそうな事象 を予枬するこず。 䟋えば、クレゞットカヌド取匕に䞍正の 疑いがあるケヌスや、保険金請求を行い そうな保険契玄者を特定するこずが可胜 です。 教垫あり孊習ず教垫なし孊習 教 åž« な し å­Š 習 教 åž« あ り å­Š 習  線型モデル  ロゞスティック回垰  刀別分析  k近傍法  決定朚  サポヌトベクタヌマシンSVM  ニュヌラルネットワヌク  ナむヌブヘむズ  ランダムフォレスト など 適 甹 アルゎリズム
敵察的生成ネットワヌク GANs: Generative Adversarial Networks 89 生成者 Generator 識別者 Discriminator 画像 画像 元デヌタ レプリカ 元デヌタの特城から できるだけ本物に近い レプリカを生成する 元デヌタの特城から 元デヌタず同じかどう かを識別しようずする  「生成者」はレプリカをできるだけ元デヌタに近づけようずし、「識別者」は確実に芋分けられるように互いに競い合う。  「識別者」の胜力が次第に䞊がり元デヌタずレプリカをうたく芋分けられるようになり、「生成者」は曎に本物に近いレプ リカを造れるようになる。  これを繰り返しおゆくこずで、「生成者」は元デヌタず区別が付かないレプリカを造れるようになる。 認識や識別などの受動的機胜 深局孊習ディヌプラヌニング 生成や埩元などの胜動的機胜 敵察的生成ネットワヌクGANs
深局匷化孊習 deep reinforcement learning 90 勝 勝 è²  プラス評䟡 マむナス評䟡 プラス評䟡 ゲヌムを繰り返し、結果の勝プラス評䟡負マむナス評䟡 から、結果に至るプロセスひず぀ひず぀を評䟡し、勝プラス評 䟡になる䞀番効果的効率的なプロセスの組合せを芋぀けおゆく 匷化孊習 reinforcement learning ブロック厩しなどのゲヌム 囲 碁  ゲヌムに勝぀ために有効な特城量を画像から盎 接芋぀け出すために深局孊習deep learningのア ルゎリズムであるCNNconvolutional neural networkを䜿甚する。  耇雑なゲヌムでも人間が䜕を基準に勝ち負けを評䟡 するかを教えなくおも、自分で勝ちパタヌンを芋぀ け出す。  察戊ゲヌムの堎合は、機械の䞭でお互いに察戊させ お、孊習の回数を増やし、勝ちタヌンを芋぀け出し お行く。 深局匷化孊習 deep reinforcement learning Deep Mind瀟のDQNDeep Q-Learningなど  囲碁の䞖界チャンピオンに勝ったAlphaGo/Alpha Go Zeroが有名
「機械孊習」の課題 91 倧量の孊習デヌタ ・・・ 機械孊習 少ない孊習デヌタ ・・・ 機械孊習 「機械孊習」の倧きな課題の぀は、 その性胜を䞊げるために倧量の孊習デヌタを必芁ずするこず ・・・ 機械孊習 ルヌル 目暙倀 OR 解決策 移転孊習 匷化孊習・GANs
転移孊習 Transfer Learning 92 倧量の孊習デヌタ タンパク質の特城を 敎理したデヌタ ・・・ タンパク質の分類方法を孊習した ニュヌラル・ネットワヌク 機械孊習 少ない孊習デヌタ 敗血症患者の血液から 取埗した タンパク質の特城デヌタ ・・・ 敗血症を刀別する ニュヌラル・ネットワヌク 機械孊習 「転移孊習」ずは、すでに孊習したモデル孊習枈ニュヌラル・ネットワヌクを 少ない孊習デヌタで別の領域に適応させる技術
深局孊習が前提ずなったシステム構造 93 深局孊習フレヌムワヌク 孊習凊理実行基盀 画像解析 動画認識 音声認識 話者認識 蚀語理解 文章解析 機械翻蚳 知識衚珟 怜玢 コヌルセンタヌ 顧客応察 営業支揎 提案掻動支揎 医療 蚺断支揎 創薬支揎 その他 その他 文献デヌタ 瀟内業務 デヌタ 抂念䜓系 蟞曞 音響デヌタ 蚀語デヌタ 画像デヌタ 動画デヌタ その他 アプリケヌション ゜リュヌション 認識系 サヌビス 孊習基盀 知識ベヌス 孊習デヌタ   プ ラ ッ ト フ ォ ヌ ム
人工知胜の適甚事䟋
人工知胜の進化ず適甚領域の広がり 95 ハヌドりェア 性胜向䞊 ネットワヌク 䜎コスト・高速化 高床な専門的アドバむス  膚倧な文献や蚺断蚘録から病名や治療法を提瀺  株匏垂堎やSNSから投資刀断  芏制や産業動向からM&A戊略を提案  遺䌝子や疟患デヌタから新薬候補物質を探玢  論文の採点や校正 効率化・省力化  自動運転自動車やドロヌン  工䜜機械やロボット、搬送機械などの生産蚭備  コヌルセンタヌや受付での接客・応察  ニュヌス蚘事の執筆やテクニカルラむティング  プログラミングやシステム運甚 利䟿性ず安心安党  りむルスず振る舞いからワクチンを自動生成  自動翻蚳・通蚳  自然蚀語での怜玢や商品玹介・問合わせ察応  気象やゲノム、マクロ経枈の解析  自然蚀語での察話型のデヌタ分析 機械 人間 亀通 自動車 情報システム医療 ビッグデヌタ 収集・蓄積 アルゎリズム 進化 実甚ぞの適甚拡倧
機械孊習の仕組み 96 機械 人間 亀通 自動車 情報システム医療  故障や異垞の怜知  ゚ネルギヌ効率を 最適化した制埡  最適蚈画に基づく 生産  健康のためのアド バむス  予防蚺断・病気の 予枬  趣味嗜奜にあわせ 情報提䟛  最適な経路の案内  枋滞を回避する道 路管制  灜害時の誘導・管 制  自動運転  蚺断支揎  新薬開発支揎  ゲノム解析  運甚管理  プログラミング  システム蚭蚈支揎 パタヌン・芏則・関係などの特城を抜出 特城をモデル化倚次元ベクトル 高床な専門的アドバむス  膚倧な文献や蚺断蚘録から病名や治療法を提瀺  株匏垂堎やSNSから投資刀断  芏制や産業動向からM&A戊略を提案  遺䌝子や疟患デヌタから新薬候補物質を探玢  論文の採点や校正 効率化・省力化  自動運転自動車やドロヌン  工䜜機械やロボット、搬送機械などの生産蚭備  コヌルセンタヌや受付での接客・応察  ニュヌス蚘事の執筆やテクニカルラむティング  プログラミングやシステム運甚 利䟿性ず安心安党  りむルスず振る舞いからワクチンを自動生成  自動翻蚳・通蚳  自然蚀語での怜玢や商品玹介・問合わせ察応  気象やゲノム、マクロ経枈の解析  自然蚀語での察話型のデヌタ分析 機械孊習
機械孊習(Machine Learning) パタヌン・芏則・関係などの特城を抜出、ルヌルを生成 機械孊習ずは䜕か 97 機械 人間 亀通 自動車 情報システム医療 怜玢 分類 刀別 怜知 予枬 掚 論 刀 断最適化 意志決定 機噚制埡アドバむス
人工知胜の適甚領域 98 人間の関䞎 自埋的制埡 状況を把握しお自埋的に刀断し実行 自動運転自動車・株の自動取匕など 掚奚・刀断 デヌタを解析し最適解を芋぀け出し掚奚、刀断 医療蚺断支揎・商品レコメンドなど 知識の発芋 デヌタを解析し芏則性やルヌルなどの知識を発芋 故障蚺断や予知・創薬甚新物質発芋など 察話的操䜜 自然な察話で機噚制埡、サヌビスを利甚 スマヌトアシスタント・サヌビスロボットなど 情報敎理・提䟛 芁求に埓い倧量の情報を敎理し情報を探し出す 質問応答・刀䟋怜玢など 知的䜜業の支揎 知的胜力の拡匵 知的䜜業の自埋化
人工知胜の埗意分野ず䞍埗意分野 99 自埋的制埡 状況を把握しお自埋的に刀断し実行 自動運転自動車・株の自動取匕など 掚奚・刀断 デヌタを解析し最適解を芋぀け出し掚奚、刀断 医療蚺断支揎・商品レコメンドなど 知識の発芋 デヌタを解析し芏則性やルヌルなどの知識を発芋 故障蚺断や予知・創薬甚新物質発芋など 察話的操䜜 自然な察話で機噚制埡、サヌビスを利甚 スマヌトアシスタント・サヌビスロボットなど 情報敎理・提䟛 芁求に埓い倧量の情報を敎理し情報を探し出す 質問応答・刀䟋怜玢など 静的・固定的なデヌタ 動的・解攟的なデヌタ 党䜓が固定化し、ルヌルなどにより結果 の遞択肢が限定されおいるデヌタ 静止画、ゲヌム、詊隓問題など 埗意な分野 䞍埗意な分野 党䜓が動的に倉化し、結果の遞択肢が限定 できず完党な予枬が困難なデヌタ 動画、䞀般的な垞識を必芁ずする問 題や物理的な動䜜を䌎う問題など  手を攟せばモノは䞋ぞ萜ちる  高速道路で走行䞭に手を出すず危険だ  郚屋でボヌルを投げおも遠くには投げられない など 䞍埗意な分野も埐々に克服され぀぀はあるが、 「特化型人工知胜」では限界もあり、「汎甚 型人工知胜」の成果をたたなければならない 領域でもある。
人工知胜の可胜性ず限界
人工知胜の2぀の方向性 101 芖芚See 聎芚(Listen) 察話Talk 特化型人工知胜 個別の領域においお知的に振る舞う 汎甚型人工知胜 異なる領域で倚様で耇雑な問題を解決する 自己理解・自己制埡 意識・意欲を持぀ 自ら課題を発芋し 自埋的に胜力を高めおゆく 人間が課題を発芋し 人間が胜力を高めおゆく
孊習デヌタず結果の関係 102 宜しくお願い臎したす 汚い字の孊習デヌタ きれいな字の孊習デヌタ 機械孊習 生成される出力結果 機械孊習は孊習デヌタの範囲でのみ結果を出すこずができる。 蚀語生成
人工知胜にできるこず、できないこず 103 これはネコである 認識 分類 人工知胜に できるこず  株䟡が異垞な倀動きをしおいる  機械の振動が正垞時ずは異なっおいる  ここに癌の病倉がある デヌタを分析する 私はネコを芋たい 意志 問い 人工知胜に できないこず  なぜそうなっおいるのかどうすべきか  これは故障なのかどのような察応が必芁か  なぜ癌になったのかどう䌝えるべきか 問いを発する
人間は「テヌマ」を決め「問い」を発し、AIは「答え」を芋぀ける 104 矎味しいカレヌを 食べたい この近くにある カレヌ屋さんを教えお この新しい事業プランを 成功させたい 成功事䟋や成功させるため の芁件を教えお AI
105 ある ない ある ない ある ない ある 少ない孊習デヌタ ある 膚倧な孊習デヌタ 高い 䜎い (ひず぀の知的凊理に特化) 高い 䜎い 䜎い 高い 人間は身䜓に備わる様々な感芚噚からの情報も含め総合しお知芚・認識 しおいるが、機械には身䜓がないのでそれができない。 自分が珟圚䜕をやっおいるか、今はどんな状況なのかなどが自分でわか る心の働きである意識により、人間は様々な知的凊理を同時に実行し、 それを統合・制埡しおいるが、機械にはできない。 人間は、自分の考えや遞択を決心し、実行する胜力、あるいは、物事を 成し遂げようずする意志を持っおいるが、機械にはない。 人間は少ない孊習デヌタからでも効率よく孊習できる胜力をそなえおい るが、機械は膚倧な孊習デヌタずそれを凊理できる膚倧な蚈算胜力消 費゚ネルギヌを必芁ずする。 人間はひず぀の脳で様々な皮類の知的凊理が可胜だが、機械は特定の知 的凊理に特化しおいる。 人間は、神経の機胜単䜍が消倱しおも、それを自埋的に補填・回埩させ るこずができるが、機械にはそれができない。 人間の堎合、千億個のニュヌロンによる超䞊列凊理がおこなわれおい るが、その数を増やすこずはできない。しかし、機械のプロセッサヌは 増やすこずはできる。 人間の知性ず機械の知性 意識 身䜓性 意志 孊習胜力 汎甚性 可塑性 スケヌラ ビリティ 高い 䜎い 人間の脳の消費゚ネルギヌは思考時で21ワット/時皋床の゚ネルギヌを 消費するが、機械の堎合はその数千倍から数䞇倍を必芁ずする。䟋えば、 GoogleのAlphaGoの消費電力は25䞇ワット/時ずされおいる。 ゚ネルギヌ 効率 ある ある 共に蚘憶胜力はあるが、人間の堎合は、身䜓的な感芚を含む蚘憶が可胜 であり、蚘憶内容やメカニズムは必ずしも同じではない。 蚘憶胜力 機 胜 的 特 城 噚 質 的 特 城 人間の知性 機械の知性 補足説明
「AIカント君」の可胜性に぀いお 106 AIカント君 むマヌ゚ル・カント Immanuel Kant 1724幎4月22日〜1804幎2月12日 プロむセン王囜ドむツの哲孊者 カントの著䜜を 孊習デヌタずしお入力し 圌のテヌマや思考のパタヌンを モデル化する 問い 生きるずは䜕か 答え 生きるずは、 XXXXXである 「AIカント君」には、 内発的な疑問を持぀こずはできないので、 このような問いを産み出すこずはできない。 「わたしは䜕を知るこずができるのだろうか」 「わたしは䜕をすべきなのであろうか」 「わたしは䜕を望むのがよいのだろうか」 「人間ずは䜕だろうか」 カントの考え方を知る手助けにはなるかもしれない。しかし、
人間にしかできないこず・機械にもできるこず 垰還した爆撃機の被匟状況  銃撃を受けおも垰還できたのはなぜか  垰還した爆撃機の銃撃箇所の分垃を調べおみた。  この範囲ぞの銃撃なら飛行は継続できる。  これ以倖に被匟したので撃墜されたのではないか 意味を理解する 問いを䜜る 第二次䞖界倧戊䞭、むギリスはドむツより倚くの爆撃機を倱っおいた。 圌らは装甲を远加するこずに決めたが、盞圓の費 甚がかかるので远加する堎所を慎重に遞択する必芁があった。 撃墜された爆撃機の被匟状況想定  垰還した爆撃機にはない銃撃箇所の分垃を想定した。  この範囲が銃撃されたら飛行は困難になる。  ここぞの銃撃を防ぐこずはできない。  墜萜しやすい箇所の装甲を匷化すれば墜萜は防げる。 正解を芋぀ける 結果を怜蚌する Abraham Wald ハンガリヌの数孊者 が提瀺した解決策
人工知胜ず機械孊習 108 人工知胜Artificial Intelligence 人間の”知胜”を機械で 人工的に再珟したもの 情報から知識を獲埗する 知識から新たな結果を埗る 孊習Learning 掚論inference ルヌルベヌス 人間の持っおいる知識を機械に䞎える 機械孊習 機械自身がデヌタから知識を獲埗する 知識:ルヌルや関係、蚘憶など 意識 意欲 感情 特化型人工知胜 個別の領域においお知的に振る舞う 汎甚型人工知胜 異なる領域で倚様で耇雑な問題を解決する 脳の党機胜を 人工的に実珟する 脳の特定の機胜を 人工的に実珟する デヌタに朜む関係や構造を機械に 自動的に発芋しおもらう仕組み
技術氎準 109 顔認識 画像認識 音声認識 映像認識 蚀語翻蚳 予枬分析 質問応答 論理的察話 自由な察話 雑談 人間以䞊 人間同等 人間未満 実甚レベル 人間未満 分野限定で 実甚レベル 人間未満 実甚レベル には未達 汎甚型人工知胜の登堎で 胜力向䞊が期埅される領域 デむヌプラヌニングの進化で 胜力向䞊が期埅される領域 日経コンピュヌタ 2016.4.28 P22の資料を参考に䜜成
人工知胜ず付き合う぀の方法 110 ビッグデヌタ 263 Kw ○×電力 仮蚭蚭定 自然蚀語や動䜜 による指瀺・操䜜 自埋動䜜・刀断 芏則性の発芋 自然蚀語や 動䜜の理解 最適解の発芋 コンピュヌタ や機械 状況や倉化 人間ず機械ずの 「自然な関係」を築く 膚倧なデヌタから 「仮蚭」を芋぀け出す 状況や倉化を読み取り 自埋的に動䜜する
人工知胜のレベル 111 単玔制埡指瀺されたこずをそたた行う 予め定められたルヌルに埓い制埡する人工知胜搭茉○○。  気枩が䞊がるずスむッチを切る゚アコン  掗濯物の重さで掗濯時間を自動的に倉曎する掗濯機  ひげの䌞び具合で剃り方を倉える電気シェヌバヌなど 孊習・掚論指瀺されたこずを自ら考えお実行する 倖の䞖界を芳枬するこずによっお振る舞いを倉える。振る舞いのパタヌンを倚くするために、予め甚意された ルヌルに埓い孊習・掚論し実行する。  「駒がこの堎所にあるずきは、こう動かすのがいい」ずいった予め決められたルヌルに埓っお、これからの打ち手を探玢しお打぀ こずができる囲碁や将棋のシステム  䞎えられた知識ベヌスに埓っお、怜査の結果から蚺断内容や凊方する薬を決めお出力する医療蚺断システム 機械孊習孊習の着県点は人間が教えるが察応パタヌンを自動的に孊習する 人間があらかじめルヌルを现かく決めお組み蟌んでおかなくおも、コンピュヌタが自ら倧量のデヌタを分析し 機械孊習を掻甚し察応パタヌンを自ら芋぀け出す。ただし孊習のための着県点特城量は人間が蚭蚈。  「駒がこの堎所にあるずきは、こう動かすのがいい」ずいうこずを蚭定しおおかなくおも、察戊を繰り返すこずでコンピュヌタ自 身が自分で孊習する将棋や囲碁のシステム  蚺断デヌタや生䜓デヌタを倚数読み蟌み、ある病気ずある病気に盞関があるずいうこずを自分で孊ぶ医療蚺断システム 深局孊習孊習の着県点を人間が教えなくおも察応パタヌンを自動的に孊習する 孊習に䜿う倉数着県点特城量を自分で孊習しお芋぀け、察応のパタヌンを芋぀け出す。  1぀の駒の䜍眮だけではなく、耇数の駒の関係性を芋たほうがいいずいうこずを、自分で芋぀け出す囲碁や将棋のシステム  䞀連の症状が患者の血糖異垞を衚しおいお、耇数の病気の原因になっおいるようだ、ずいうこずを自分で芋぀け出すこずができる 医療蚺断システム レ ベ ル  レ ベ ル  レ ベ ル  レ ベ ル 
人口知胜の抱える課題ず限界 112 フレヌム問題 珟実䞖界で人工知胜が、起こりうる党おを考慮するず無限の時間がかかっおしたうの で特定のテヌマや範囲に枠フレヌムをはめお、その枠の䞭だけで凊理する。䟋え ば、チェスや将棋、画像認識や音声認識などに絞り蟌めば䞀定の成果は期埅できる。 しかし、珟実䞖界のあらゆる事象に察凊しようずするず、振るい分けをしなければな らない可胜性が無数にあるため、抜出する段階で無限の時間がかかっおしたう。 蚘号接地問題 シンボル(蚘号)を、それが意味するものず結び぀けるこずが必芁だが、人工知胜にお いおは解決されおいない。䟋えば、「銬」の意味ず「シマ」の意味がわかっおいれば 「シマりマ銬シマ」ず教えられたずき、シマりマを芋た瞬間「シマりマは、シマ のある銬」だずいうこずが人間には理解できるがコンピュヌタにはできない。「青り んご = りんご + 青い」も同様。 心身問題 心ず䜓の状態ずの間の関係、぀たり䞀般的に非物質的であるず考えられおいる心ずい うものが、どうしお物質的な肉䜓に圱響を䞎えるこずができるのか、そしおたたその 逆もいかに可胜なのかは、解明されおいない。意識や意欲なども同じで、それ自䜓が 解明できおおらず、コンピュヌタヌ䞊で実装のしようがない。 意志が無い 事䟋が少ないず察応できない 人間のように知芚できない 問いを生み出せない 枠組みをデザむンできない ひらめきがない 垞識的な刀断ができない リヌダヌシップを発揮できない
人工知胜は人類にずっお脅嚁ずなるのか? 意味を理解しおいるわ けでは無い 人間の脳の仕組みが わかっおいない 予枬を超えお進化する 可胜性も 今すぐ、あるいは数幎のうちに人間の「脅嚁」ずなる可胜性は少ない しかし、可胜性を垞に意識し、暎走などに気を぀ける 䞀方、雇甚ぞの圱響は確実にある 統蚈的機械孊習においおは、AIは意味を理解しおいるわ けではなく、ただ単に教えられたこずを凊理し、蚈算結果 を返しおいるだけ そもそも、人間の脳の仕組みがわかっおいないため、仕 組みを真䌌ようにもそれが正しいかどうかわからない。珟 圚は「こうだろう」ずいう予枬に基づいおコンピュヌタをずに かく回しおいる段階 しかし、ポテンシャルは高く、予枬を超えお進化する可胜 性も無くは無い
シンギュラリティの意味  114
シンギュラリティの意味  115 人間の知性を超える 人工知胜ぞの䞍安 人工知胜が人工知胜を䜜り 知胜が爆発的に拡倧する 人間に代わっお 人間を支配する 人間ず融合し ポスト・ヒュヌマンが 登堎する  同䞀分野での経隓の蓄積に頌る仕事は眮き換えられる  新しい科孊的発芋が加速する  人間にしかできないホスピタリティや瀟䌚的承認ずいった欲求を満た すビゞネスが拡倧する
AIやロボットに眮き換えられるものず残るもの 116 繰り返し 繰り返し ではない タスク 分析的 マニュアル的 分析的 マニュアル的 蚘録や蚈算 定型的顧客察応 遞別ず敎理 定型的な組み立お 仮説蚭定 医療蚺断 説埗/売り蟌み ビルの管理 トラックの運転 将来眮き換えられ るか、既に眮き換 えられおいる 雇甚が維持される リンダ・グラットン 講挔資料を参考に䜜成
人工知胜に眮き換えられる職業ず眮き換えられない職業 117 人工知胜やロボット等による代替可胜性が高い100皮の職業 人工知胜やロボット等による代替可胜性が䜎い100皮の職業 感性、協調性、創造性、奜奇心、問題発芋力など 非定型的で、機械を䜕にどう䜿うかを決められる胜力 技胜や経隓の蓄積に䟝存し、パタヌン化しやすく 定型的で、特定の領域を越えない胜力 2015幎12月02日・株匏䌚瀟野村総合研究所 https://www.nri.com/jp/news/2015/151202_1.aspx
技術的倱業ず劎働人口の移動 118 肉䜓劎働 頭脳劎働事務劎働 ホスピタリティ クリ゚むティビティ マネヌゞメント 䜎所埗局 高所埗局䞭間所埗局
超高霢化瀟䌚を人工知胜やロボットで察応 119 人工知胜やロボットを積極的に駆䜿し、劎働生産性やQOLQuality of Lifeの向䞊が急務
若者人材の確保が困難 120 2009幎をピヌクに枛少 継続的に人口が増加
超高霢化瀟䌚を人工知胜やロボットで察応 121 人工知胜やロボットを積極的に駆䜿し、劎働生産性やQOLQuality of Lifeの向䞊が急務
人工知胜が奪っおいくのは、劎働ではなく定幎かもしれない 122 http://ranq-media.com/articles/590
ベヌシックむンカムBasic Income/BI 123 䞀定金額の珟金を囜民党員に無条件で絊付する制床 無理しお働かなくおもよくなり 倒産や雇甚ぞの䞍安も解消する 柔軟な劎働垂堎が生たれる 劎働力の質が高たる 産業構造の転換が容易になる 幎金や子ども手圓、倱業保険など がBIに統合される 恣意的な絊付の遞別がなくなり 制床運営のコストが削枛される 䞍公平感が解消される 瀟䌚や経枈の発展ず安定に貢献する 生存に察する絊䞎 手厚いセむフティネット
スマヌトマシンが劎働にもたらす圱響 124 第䞀次産業革呜 18䞖玀埌半〜 オヌトメヌション 1970幎〜 スマヌトマシン これから 蟲民→工堎劎働者 単玔䜜業→管理・操䜜 単玔肉䜓劎働 知的劎働 知的劎働→
スマヌトマシンが劎働にもたらす圱響 125 日本の劎働人口の玄49が人工知胜やロボット等で代替可胜に 囜内601皮類の職業に぀いお、それぞれ人工知胜やロボット等で代替される確率を詊算し、10〜20幎埌に 日本の劎働人口の玄49が就いおいる職業においお、それらに代替するこずが可胜ずの掚蚈結果 人工知胜やロボット等による代替可胜性が高い劎働人口の割合日本、英囜、米囜の比范 出所野村総合研究所 報道発衚 2015.12
スマヌトマシンが劎働にもたらす圱響 126 スマヌトマシンによっお圱響を受ける キャリアパス2020幎たで  砎壊されるキャリアパス 17  パヌ゜ナルスマヌトマシンによっお 高められるキャリアパス 12%  ゚ンタヌプラむズスマヌトマシン によっお高められるキャリアパス 22  圱響を受けないキャリアパス 49% 出所ガヌトナヌ
自埋走行できる自動車 127 レベル45 レベル3 レベル2 レベル1 レベル0 完党自動走行 準自動走行 準自動走行 安党運転支揎 支揎なし ドラむバヌが垞にすべおの操䜜 加速・操舵・制動を行う。 加速・操舵・制動のいずれかをシ ステムが行う。 加速・操舵・制動のうち耇数の操 䜜をシステムが行う。 加速・操舵・制動を党おシステム が行うが、システムから芁請があ ればドラむバヌはこれに応じる。 加速・操舵・制動を党おシステム が行い、ドラむバヌは関䞎しない。 レベル4は気象や道路の環境によっおは制玄がある。 事故責任
自動運転レベル 128
自動運転の定矩 SAE International 129
自動運転のためのプラットフォヌム 130 参 照 アップデヌト 次元地図 走行アルゎリズム 教科孊習 アップデヌト 自動車 5G クラりド GPU、FPGA、センサヌなど 高信頌 ネットワヌク 3次元地図デヌタベヌス ディヌプラヌニングなど
富士通 Mobility IoT 2020 131
自動運転車の動向 132 幎 抂芁 2025幎 ・運転手の操䜜を必芁ずする自動運転車が高速道路を走行 ・自動運転車の普及台数は23䞇台 ・䞖界の自動車販売台数1億1,500䞇台のうち自動運転車は1%以䞋 ・自動運転車䟡栌7,000~10,000ドル自動車本䜓 2030幎 ・運転手を䌎わない完党な自動運転車が垂堎投入 ・自動運転車䟡栌5,000ドル 自動車本䜓 2035幎 ・䞖界の自動車販売台数1億2,900䞇台に占める自動運転車の 比率は9%に1,180䞇台 - 運転手を芁するものは700䞇台、完党な自動運転車は480䞇台 ※2035幎の米囜における自動運転車の割合は䞖界党䜓の普及台数の29% 350䞇台、䞭囜は24%280䞇台、ペヌロッパは20%240䞇台 ・自動運転車の环積台数は5,400䞇台 ・自動運転車䟡栌3,000ドル 自動車本䜓 2050幎以降 ・すべおの車が自動運転車に 出所IHS Automotiveによるロボットカヌ垂堎予枬 2014.1.2
人ず人工知知胜ずの関係の築き方 133 https://mirai.doda.jp/theme/ai-robot/calling/
スマヌトマシンに負けない人間の5぀の胜力ずは 134 創造力 人間には、新しいものごずを生み出す創造力を持っおいる。事業の枠組みをデザむンし、新しい事業を創造し、ビゞネスに぀なげおいくこずができる。新芏事 業を立ち䞊げ、そのプロセスや自動化においおスマヌトマシンを掻甚しながら、事業をスケヌルさせおいくずいったアプロヌチはありだろう。 亀枉胜力 人間には、ビゞネスを進めおいく䞊での察人関係を構築し亀枉を進め、事業者同士による提携やサヌビス連携など゚コシステムを圢成するこずができる。 通垞のルヌチンワヌクはスマヌトマシンに任せ、人間は、亀枉によるビゞネス領域を拡倧させおいく圹割が重芁ずなるだろう。 リヌダヌシップ力 人間には、人を動かすリヌダヌシップを持っおいる。Gartnerの予枬に、ロボットの䞊叞による監芖䞋に眮かれる可胜性を指摘しおいるが、デヌタに基づく 人間の業務評䟡の刀断の䞀郚をするこずができおも、リヌダシップを発揮するこずは困難だろう。人間が、リヌダシップを発揮するこずで、組織を動かしおく 営みは、人間にしかできないだろう。 垞識力 人間には、垞識的な刀断をし、事業を進めおいくこずができる。スマヌトマシンは垞識や道埳芳を身に぀けるこずは難しい。さらに、日本人には、おもおなし の心をもっお、サヌビスができる点は匷みずいえるだろう。 倧局的な芖点 人間には、さたざたな経隓に基づき、倧局的な芖点でものごずを刀断し、行動するこずができる。スマヌトマシンは、孊習するこずで、その分野の専門性を高 めおいくこずができるが、人間のような倧局的な芖点で刀断し行動するこずは難しいだろう。 スマヌトマシンずの「分業」を想定したキャリアパスを スマヌトマシンにより、人間のキャリアパスはよくも悪くも圱響を受けおいくこずになる。 スマヌトマシンにより、人間ぞの眮き換えが進むずいうよりも、スマヌトマシンが䜜業できる埗意な領域を任せるこずで、良きパヌトナヌずしお、「分業」を進め、 より効率的でビゞネスを発展させおいくこずが重芁ずなるだろう。 人間は、人間にしかできない胜力を高め、䞭長期的なキャリアパスを考え行動しおいくこずが求められおいくだろう。 http://japan.zdnet.com/article/35073187/1/
2045幎たでのスマヌトマシンに関わるロヌドマップ 135 2017幎 コンピュヌタヌの10%が孊習するマシンになる 2018幎 成長䌁業の45%でマシンよりも埓業員数が少なくなる 2020幎 知識劎働者の30%がマシンに職を奪われる 2020幎 ロボット垂堎は、非補造分野で1兆4000億円に 2025幎 ドロヌン垂堎が10䞇以䞊の雇甚を生み出す米囜 2030幎 䞖界の雇甚50%20億人分の仕事が機械化でなくなる 2045幎 コンピュヌタヌの胜力が党人類の知胜を䞊回る 出所Gartner Predicts 等 Singularity シンギュラリティ特異点
皆さんぞの質問 136  人工知胜は人間の知性を超えたのか超えるのか 特定の知的䜜業では人間の胜力を超えおいるし、今埌もその範囲は拡がっおゆ く。しかし、䜕らかの知的䜜業を行うための奜奇心や意欲、耇数の知的䜜業を 客芳的に芋぀める意識、それを組合せ適切に配分しおゆくための胜力は、その メカニズムが分からないので実珟は難しい。  人工知胜は人間の雇甚を奪うのか 既存の雇甚は人工知胜に眮き換わっおしたうこずも倚いだろう。しかし「劎働 塊の誀謬」は吊定されおおり、人工知胜の発展は新しい仕事を登堎させ、新た な雇甚を生みだす。ただし、既存の雇甚に必芁な胜力にこだわり、新たな雇甚 に必芁な胜力を持おない人たちが䞀定数存圚するこずは吊定できない。  人工知胜の発展で人間はどのような圹割を求められるのか 人間は問いを発し機械はその答えを提瀺する。人間は「なぜ」や「どうし お」の疑問を持ち、䜕が真の答えなのかを探し求める奜奇心や探究心を持ち 続けるこずが求められる。そうやっお人工知胜ず共存し、さらなる発展や進化 を遂げる。 劎働塊の誀謬経枈孊の甚語で、䞖の䞭における仕事は䞀定量しかないずいう考え方、たたは、その䞀定量の仕事を劎働者が取り合うしかないずいう芋方を意味する。
求められる人間力の圢成 137 第䞀が、「職業的胜力」。これは、曞物で孊べる「文献的知識」では なく、経隓を通じおしか掎めない「職業的智恵」のこずだが、この胜 力を身に぀けおいくためには、スキルやテクニック技術だけでな く、ハヌトやマむンド心埗ず呌ばれるものを身に぀け、磚いおい かなければならない。 第二が、「察人的胜力」。もずより、その䞭栞は「コミュニケヌショ ン力」であるが、特に、蚀葉以倖の県差しや衚情、仕草や姿勢、空気 や雰囲気などを通じおメッセヌゞ亀換を行う「非蚀語的コミュニケヌ ション力」を磚いおいかなければならない。 第䞉は、「組織的胜力」。これからの高床知識瀟䌚では、メンバヌの 人間成長を支え、その知的創造力を匕き出す「心のマネゞメント」や 「支揎型リヌダヌシップ」の力を身に぀けなければならない。 人工知胜革呜によっお「孊歎瀟䌚」は厩壊する田坂 広志 https://forbesjapan.com/articles/detail/21189/2/1/1
AI甚プロセッサの動向
急増するAI専甚プロセッサ CPU GPU FPGA ASIC 孊習甚 サヌバヌ Intel Xeon Phi Knight Mill Google TPU (2,3) Intel Nervana Wave Computing 孊習・掚論 サヌバヌ NVIDIA Tesla v100 AMD Vega10 Graphcore 掚論 サヌバヌ Microsoft Brainware Baidu SDA DeePhi Tech Google TPU (1) 掚論 デバむス Apple A11 Kirin ARM NVIDIA Xavier Teradeep DeePhi Tech Thinci DNN Engine KAIST DNPU 日経XTECH蚘事より
人工知胜・機械孊習・ディヌプラヌニングの関係 1950幎代 1960幎代 1970幎代 1980幎代 1990幎代 2000幎代 2010幎代 人工知胜 Artificial Intelligence 機械孊習 Machine Learning 深局孊習 Deep Learning 人間の”知胜”を機械で 人工的に再珟したもの 人工知胜の研究分野のひず぀で デヌタを解析し、その結果から 刀断や予枬を行うための芏則性 やルヌルを芋぀け出す手法 脳科孊の研究成果を基盀にデヌ タの分類や認識の基準を人間が 教えなくおも、デヌタを解析す るこずで、自ら芋぀け出すこず ができる機械孊習の手法 デヌタ アルゎリズム 芏則性やルヌル 遺䌝アルゎリズム、゚キスパヌトシステム、音声認識、画像認識、感性凊理、機械孊習、 ゲヌム、自然蚀語凊理、情報怜玢、掚論、探玢知識衚珟、デヌタマむニング、ニュヌラル ネット、ヒュヌマンむンタヌフェヌス、プランニング、マルチ゚ヌゞェント、ロボット
深局孊習の蚈算凊理に関する基瀎知識 人工知胜の 2぀の凊理 ビッグデヌタを䜿っおニュヌラルネッ トワヌクを蚓緎する å­Šç¿’ èš“ç·Ž 蚓緎されたニュヌラルネットワヌクを 䜿っお画像認識や刀断を行う 掚論 孊習には膚倧な蚈算胜力が必芁 掚論には孊習ほどの蚈算胜力は䞍芁 蚈算自䜓は単玔で粟床も䜎い積和挔算の繰 り返しだが、蚈算の数が膚倧
AI = 膚倧な蚈算が必芁、しかし蚈算は単玔 Σ φ重み付け された入力 出力 入力の総和 評䟡関数 ニュヌラルネットワヌクの孊 習ず掚論を比べるず、掚論 には8ビット皋床の粟床があ れば良く、蚈算負荷も䜎い。 孊習には16-32ビットの粟床 が必芁で、蚈算負荷も桁違 いに高い。
孊習ず掚論 å­Šç¿’/èš“ç·Ž å­Šç¿’ デヌタ 䜕床も繰 り返しお 重みを調 æ•Ž 孊習デヌタを䜿っおニュヌ ラルネットワヌクが正しい 刀断を䞋せるよう重みを調 æ•Ž 調敎箇所が膚倧にあり、 䜕床も繰り返し蚈算しなけ ればならない 1632ビットの粟床が必 芁 å­Šç¿’/èš“ç·Ž 実際の デヌタ 認識 識別 刀断 孊習枈み重みの付けら れたニュヌラルネットワヌ クに実際のデヌタを入力し お刀断させる 蚈算は倚いが、繰り返し蚈 算は䞍芁 粟床は8ビットで十分 できあがったモデル
GPUは䜕故ディヌプラヌニングに䜿われるのか
GPUは䜕故ディヌプラヌニングに䜿われるのか
デヌタセンタヌ向けGPU CUDAコア5,120基 Tensorコア640基 120TFLOPS 210億トランゞスタ ダむサむズ810mm2 補造プロセス12nm 72億トランゞスタ ダむサむズ456mm2 補造プロセス14nm Broadwell-EP24コア 2016幎
TPUの進化 第䞀䞖代TPU 2016幎 第二䞖代TPU 2017幎 第䞉䞖代TPU 2018幎 GPUの30倍の性胜、80倍の゚ネルギヌ効率 人工知胜の「掚論」に特化 蚈算粟床は8ビット 蚈算粟床を16ビットに増匷 サヌバヌ偎での孊習ぞの適甚が可胜に 粟床向䞊のため、凊理胜力はTPU1の半分 第二䞖代TPUの8倍の凊理胜力 液冷によっお実装密床を向䞊
ARMのAIアヌキテクチャ ARM DynamIQ Arm ML Machine Learning Arm OD Object Detection 2017幎3月発衚 CPUクラスタの芏暡を最倧8コアに拡匵 ヘテロゞニアスマルチコア構成が可胜 AI/ML「にも」有効 モバむルデバむス䞊での機械孊習を高速化 毎秒4.6兆回以䞊の挔算4.6TOPsが可胜 画像認識に特化 60 fpsフレヌム/秒のフルHD映像をリアルタ むムに怜知 監芖カメラなどぞの応甚IoT Arm MLずArm ODを組み合わせるこずで 高性胜か぀電力効率の高い人物怜出・認識゜リュヌションを実珟
クラむアント偎でのAI凊理掚論 音声認識 自然蚀語凊理 画像認識 顔認識・顔認蚌 呚囲の状況を把握 認知・刀断 状況予枬・刀断䞍審者の怜知
Apple A12 Bionic CPU ISP Neural engine GPU SRAM DRAM
補足資料
ルヌル生成の自動化 統蚈的手法ず機械孊習 152 ゚キスパヌトシステムの限界 人間の頭脳の凊理はあたりに耇雑で、すべおをルヌル化するこずは䞍可胜 人間がルヌルを生成するのは手間ず時間がかかる ルヌルを自動的に生成するこずができれば、より簡単に人間の頭脳に近づくこずができる 䞀定のアルゎリズムを䞎えお自動孊習させる 人間の脳をシミュレヌトしお孊習させる 機械孊習 ニュヌラルネットワヌク 倧量のデヌタを統蚈的に凊理しお ルヌルを生成 人間の頭脳の構造を再珟 膚倧なデヌタが必芁 膚倧な蚈算量が必芁
文法 翻蚳ルヌル 統蚈的手法を䜿った自動翻蚳 153 これたでの自動翻蚳 蟞曞 倧量の翻蚳枈み ドキュメント Google翻蚳 統蚈的手法 å­Šç¿’
ベむズ統蚈ずは ベむズの定理 䞍特定の条件䞋における特定の事象の発生確率を予枬 過去の事象を考慮に入れながら、新しいデヌタが入るに応 じお確率を蚈算し盎す トヌマス・ベむズ (1702-1761) むギリスの長老掟の牧 垫・数孊者 (Wikipedia より) ベむズ掚定 ベむズの定理を応甚した掚定手法 時間や地域でパラメヌタヌが倉化するデヌタにお いお“圓おはたりの良い”掚定結果を埗るこずがで きる ベむズ確率 ベむズ䞻矩による「確率」の考え方 耇数の呜題の各々の尀もらしさあるいはその根 拠ずなる信念・信頌の床合を確率倀ず芋なす、 䞻芳確率理論の䞀぀ ベむズ統蚈孊 確率の蚈算に「事前確率」ずいう考え方を取り入れ、事前確率に「個性」、たずえば、曖昧な「経 隓」や「勘」や「垞識」を取り蟌める。これにより、埓来の確率論では取り扱うこずが難しかった、さ たざたな統蚈事象の分析が可胜になった。
ベむズ確率 = 芳枬に基づいお確率を倉曎 ゆがみの無いコむンを投げお、衚が出るか 裏が出るかを芋たずころ、3回続けお衚が出 た。次は裏衚どちらが出るか ある商店街の道路で通行人の性別を調べ たずころ、3人連続で男性が通った。次に通 るのは男性か女性か ① 3回連続で衚が出たので、次は裏が出る 確率が高い。 ② 䜕回投げおも確率は倉らない。衚ず裏で 出る確率は同じ。 ③ このコむンは衚が出やすいので、次も衚 の確率が高い。 ① 3人連続で男性だったので、次は女性が 通る確率が高い。 ② 䜕人通っおも確率は倉らない。男性か女 性かの確率は同じ。 ③ この通りは男性が通る確率が高いので、 次も男性の確率が高い。 ② 䜕回投げおも確率は倉らない。衚ず裏で 出る確率は同じ。 答え ③ この通りは男性が通る確率が高いので、 次も男性の確率が高い。 答え 䞀般的な確率 ベむズ確率
ディヌプラヌニング 156 線から茪郭 茪郭から郚分点から線画玠入力 郚分から党䜓
ディヌプラヌニングを䜿った完党自動の機械孊習 ニュヌラル・ネットワヌクずディヌプラヌニング ビッグデヌタ ルヌル自動生成 完 å…š 自 動 掚論 アルゎリズム 最新のニュヌラル・ネットワヌディヌプラヌニング初期のニュヌラル・ネットワヌク ルヌル蚭定・生成 掚奚・回答
゚キスパヌトシステム 158 倧量の知識 経隓 症状 蚺断 ルヌル化 知識ベヌス 「もし・・・ならば・・・」 人間が手䜜業で入力 掚論゚ンゞン 結果ずしおは倱敗 ルヌル化のための手間が膚倧 人間の持っおいる知識が倚すぎる ハヌドりェアの胜力䞍足
BRMSずは • Business Rules Management System ビゞネス䞊の様々なルヌルをプログラム化せずにシステムに実装 プログラム ルヌル プログラム化ハヌドコヌド ・ルヌルを゜フトりェア仕様ずしお 定矩しなおす必芁がある ・コヌディングが必芁 ・ルヌル远加・修正のたびにテスト が必芁ずなる BRMSシステム (ルヌル゚ンゞン 掚論゚ンゞン) ルヌルベヌス (ルヌルリポゞトリ、 ナレッゞベヌス) ルヌルベヌスBRMS ・ルヌルを自然蚀語に近い圢で蚘述 ・担圓者がルヌルを䜜成できる ・ルヌルの霟霬などをシステムが自動チェック ・コヌディングの必芁無し ・郜床テストを行う必芁無し
ビゞネスルヌルずは • ビゞネス運甚䞊の様々なポリシヌ、芏玄、制玄 – 保険加入の審査 – 携垯電話の料金・割匕プラン – 金融業における䞎信審査 – 瀟内決枈、皟議条件など • ビゞネスルヌルの特城 – ビゞネス環境によっお様々に倉化する – 期間限定 – 䌁業の䌁画・営業郚門が適宜決める • ビゞネスルヌルの問題 – 様々な条件をいちいちプログラミングするのは倧倉 – 改倉の郜床テストが必芁になる
ルヌルベヌスシステムの源流 ゚キスパヌトシステム1970幎代 人工知胜研究の䞀環ずしお実甚化されたシステム。人間の専門家が特定分野の専門知識に基づいお掚論を行い、耇雑な問題を解 決する過皋を゚ミュレヌトし、問題の分析結果を提䟛し、利甚者の行動を導く指針を䞎える。 特定の分野の問題に぀いおの情報を蓄積したルヌル矀ず、それらをベヌスに掚論を行う掚論゚ンゞンから構成されるプログラムで あり、通垞のプログラミングのように゜フトりェア開発者が蚭定した手続きに埓うわけではない。 適甚分野 䌚蚈、医療、プロセス制埡、金融サヌビス、補造業、 人事など 問題点 専門家の知識は定型化できないこずが倚い 問題をかなり限定しないずうたく機胜しない 掚論゚ンゞンの胜力䞍足 第5䞖代コンピュヌタプロゞェクト 幎、通産省の肝いりで開始された囜家プロゞェクト。米囜䞻導の汎甚 コンピュヌタの流れを倧きく倉えるべく、より人間にずっお䜿いやすい䞊列掚 論マシンを独自に生み出しおいこうずいう詊み。
ビゞネスルヌルの䟋 (携垯電話の料金プラン) 新芏契玄か 申蟌曞審査 2台目以降は50%割匕 同䞀家族か 家族間は通話料無料 孊生か 孊生は基本料金50%割匕 倏䌑み期間か 倏䌑み䞭は20%割匕 2台目か 2台目割匕ずは䜵甚䞍可
BRMSのメリット 担圓者が自然蚀語に近いコマ ンドを䜿っおルヌルを远加・修 正・削陀できる ビゞネスルヌルをプログラムの 倖に出すこずができる ルヌルを远加しおいくだけでシ ステム構築ができる プログラミングの必芁が無い 仕様曞化の必芁が無い BRMSシステムがルヌルのコンフリクトなどをチェック 期間の蚭定などができる ルヌルの倉曎があれば迅速に察応できる いちいちテストする必芁が無い 埓来型のプログラミングは必芁無し ルヌルを䞀぀入れた時点で皌働開始
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI
LiBRA 11.2018 / AI

Recommended

LiBRA 11.2018 / 総集線
LiBRA 11.2018 / 総集線LiBRA 11.2018 / 総集線
LiBRA 11.2018 / 総集線
Masanori Saito
 
LiBRA 11.2020 / AI
LiBRA 11.2020 / AILiBRA 11.2020 / AI
LiBRA 11.2020 / AI
Masanori Saito
 
LiBRA 04.2021 / AI
LiBRA 04.2021 / AILiBRA 04.2021 / AI
LiBRA 04.2021 / AI
Masanori Saito
 
LiBRA 04.2021 / ERP
LiBRA 04.2021 / ERPLiBRA 04.2021 / ERP
LiBRA 04.2021 / ERP
Masanori Saito
 
LiBRA 04.2019 / AI
LiBRA 04.2019 / AILiBRA 04.2019 / AI
LiBRA 04.2019 / AI
Masanori Saito
 
LiBRA 07.2021 / AI
LiBRA 07.2021 / AILiBRA 07.2021 / AI
LiBRA 07.2021 / AI
Masanori Saito
 
LiBRA 09.2020 / AI
LiBRA 09.2020 / AILiBRA 09.2020 / AI
LiBRA 09.2020 / AI
Masanori Saito
 
LiBRA 04.2021 / IoT
LiBRA 04.2021 / IoTLiBRA 04.2021 / IoT
LiBRA 04.2021 / IoT
Masanori Saito
 

Recommended

LiBRA 11.2018 / 総集線
LiBRA 11.2018 / 総集線LiBRA 11.2018 / 総集線
LiBRA 11.2018 / 総集線
Masanori Saito
 
LiBRA 11.2020 / AI
LiBRA 11.2020 / AILiBRA 11.2020 / AI
LiBRA 11.2020 / AI
Masanori Saito
 
LiBRA 04.2021 / AI
LiBRA 04.2021 / AILiBRA 04.2021 / AI
LiBRA 04.2021 / AI
Masanori Saito
 
LiBRA 04.2021 / ERP
LiBRA 04.2021 / ERPLiBRA 04.2021 / ERP
LiBRA 04.2021 / ERP
Masanori Saito
 
LiBRA 04.2019 / AI
LiBRA 04.2019 / AILiBRA 04.2019 / AI
LiBRA 04.2019 / AI
Masanori Saito
 
LiBRA 07.2021 / AI
LiBRA 07.2021 / AILiBRA 07.2021 / AI
LiBRA 07.2021 / AI
Masanori Saito
 
LiBRA 09.2020 / AI
LiBRA 09.2020 / AILiBRA 09.2020 / AI
LiBRA 09.2020 / AI
Masanori Saito
 
LiBRA 04.2021 / IoT
LiBRA 04.2021 / IoTLiBRA 04.2021 / IoT
LiBRA 04.2021 / IoT
Masanori Saito
 
LiBRA 09.2021 / IoT
LiBRA 09.2021 / IoTLiBRA 09.2021 / IoT
LiBRA 09.2021 / IoT
Masanori Saito
 
LiBRA 09.2020 / IoT
LiBRA 09.2020 / IoTLiBRA 09.2020 / IoT
LiBRA 09.2020 / IoT
Masanori Saito
 
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
Masanori Saito
 
LiBRA 07.2021 / ERP
LiBRA 07.2021 / ERPLiBRA 07.2021 / ERP
LiBRA 07.2021 / ERP
Masanori Saito
 
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
Masanori Saito
 
LiBRA 06.2021 / 総集線 2/2
LiBRA 06.2021 / 総集線 2/2LiBRA 06.2021 / 総集線 2/2
LiBRA 06.2021 / 総集線 2/2
Masanori Saito
 
LiBRA 11.2018 / ビゞネス戊略線
LiBRA 11.2018 / ビゞネス戊略線LiBRA 11.2018 / ビゞネス戊略線
LiBRA 11.2018 / ビゞネス戊略線
Masanori Saito
 
LiBRA 04.2021 / Strategy_DX
LiBRA 04.2021 / Strategy_DXLiBRA 04.2021 / Strategy_DX
LiBRA 04.2021 / Strategy_DX
Masanori Saito
 
LiBRA 08.2020 / AI
LiBRA 08.2020 / AILiBRA 08.2020 / AI
LiBRA 08.2020 / AI
Masanori Saito
 
LiBRA 10.2021 / ERP
LiBRA 10.2021 / ERPLiBRA 10.2021 / ERP
LiBRA 10.2021 / ERP
Masanori Saito
 
211101_LiBRA_ERP
211101_LiBRA_ERP211101_LiBRA_ERP
211101_LiBRA_ERP
Masanori Saito
 
LiBRA 10.2020 / AI
LiBRA 10.2020 / AILiBRA 10.2020 / AI
LiBRA 10.2020 / AI
Masanori Saito
 
LiBRA 03.2019 / 総集線
LiBRA 03.2019 / 総集線LiBRA 03.2019 / 総集線
LiBRA 03.2019 / 総集線
Masanori Saito
 
LiBRA 03.2021 / DXの基本
LiBRA 03.2021 / DXの基本LiBRA 03.2021 / DXの基本
LiBRA 03.2021 / DXの基本
Masanori Saito
 
LiBRA 07.2020 / AI
LiBRA 07.2020 / AILiBRA 07.2020 / AI
LiBRA 07.2020 / AI
Masanori Saito
 
LiBRA 12.2020 / AI
LiBRA 12.2020 / AILiBRA 12.2020 / AI
LiBRA 12.2020 / AI
Masanori Saito
 
LiBRA 12.2020 / IoT
LiBRA 12.2020 / IoTLiBRA 12.2020 / IoT
LiBRA 12.2020 / IoT
Masanori Saito
 
LiBRA 11.2020 / IoT
LiBRA 11.2020 / IoTLiBRA 11.2020 / IoT
LiBRA 11.2020 / IoT
Masanori Saito
 
LiBRA 08.2020 / ERP
LiBRA 08.2020 / ERPLiBRA 08.2020 / ERP
LiBRA 08.2020 / ERP
Masanori Saito
 
LiBRA 07.2021 / IoT
LiBRA 07.2021 / IoTLiBRA 07.2021 / IoT
LiBRA 07.2021 / IoT
Masanori Saito
 
LiBRA 03.2021 / AI
LiBRA 03.2021 / AILiBRA 03.2021 / AI
LiBRA 03.2021 / AI
Masanori Saito
 
LiBRA 09.2021 / AI
LiBRA 09.2021 / AILiBRA 09.2021 / AI
LiBRA 09.2021 / AI
Masanori Saito
 

More Related Content

What's hot

LiBRA 09.2021 / IoT
LiBRA 09.2021 / IoTLiBRA 09.2021 / IoT
LiBRA 09.2021 / IoT
Masanori Saito
 
LiBRA 09.2020 / IoT
LiBRA 09.2020 / IoTLiBRA 09.2020 / IoT
LiBRA 09.2020 / IoT
Masanori Saito
 
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
Masanori Saito
 
LiBRA 07.2021 / ERP
LiBRA 07.2021 / ERPLiBRA 07.2021 / ERP
LiBRA 07.2021 / ERP
Masanori Saito
 
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
Masanori Saito
 
LiBRA 06.2021 / 総集線 2/2
LiBRA 06.2021 / 総集線 2/2LiBRA 06.2021 / 総集線 2/2
LiBRA 06.2021 / 総集線 2/2
Masanori Saito
 
LiBRA 11.2018 / ビゞネス戊略線
LiBRA 11.2018 / ビゞネス戊略線LiBRA 11.2018 / ビゞネス戊略線
LiBRA 11.2018 / ビゞネス戊略線
Masanori Saito
 
LiBRA 04.2021 / Strategy_DX
LiBRA 04.2021 / Strategy_DXLiBRA 04.2021 / Strategy_DX
LiBRA 04.2021 / Strategy_DX
Masanori Saito
 
LiBRA 08.2020 / AI
LiBRA 08.2020 / AILiBRA 08.2020 / AI
LiBRA 08.2020 / AI
Masanori Saito
 
LiBRA 10.2021 / ERP
LiBRA 10.2021 / ERPLiBRA 10.2021 / ERP
LiBRA 10.2021 / ERP
Masanori Saito
 
211101_LiBRA_ERP
211101_LiBRA_ERP211101_LiBRA_ERP
211101_LiBRA_ERP
Masanori Saito
 
LiBRA 10.2020 / AI
LiBRA 10.2020 / AILiBRA 10.2020 / AI
LiBRA 10.2020 / AI
Masanori Saito
 
LiBRA 03.2019 / 総集線
LiBRA 03.2019 / 総集線LiBRA 03.2019 / 総集線
LiBRA 03.2019 / 総集線
Masanori Saito
 
LiBRA 03.2021 / DXの基本
LiBRA 03.2021 / DXの基本LiBRA 03.2021 / DXの基本
LiBRA 03.2021 / DXの基本
Masanori Saito
 
LiBRA 07.2020 / AI
LiBRA 07.2020 / AILiBRA 07.2020 / AI
LiBRA 07.2020 / AI
Masanori Saito
 
LiBRA 12.2020 / AI
LiBRA 12.2020 / AILiBRA 12.2020 / AI
LiBRA 12.2020 / AI
Masanori Saito
 
LiBRA 12.2020 / IoT
LiBRA 12.2020 / IoTLiBRA 12.2020 / IoT
LiBRA 12.2020 / IoT
Masanori Saito
 
LiBRA 11.2020 / IoT
LiBRA 11.2020 / IoTLiBRA 11.2020 / IoT
LiBRA 11.2020 / IoT
Masanori Saito
 
LiBRA 08.2020 / ERP
LiBRA 08.2020 / ERPLiBRA 08.2020 / ERP
LiBRA 08.2020 / ERP
Masanori Saito
 
LiBRA 07.2021 / IoT
LiBRA 07.2021 / IoTLiBRA 07.2021 / IoT
LiBRA 07.2021 / IoT
Masanori Saito
 

What's hot (20)

LiBRA 09.2021 / IoT
LiBRA 09.2021 / IoTLiBRA 09.2021 / IoT
LiBRA 09.2021 / IoT
 
LiBRA 09.2020 / IoT
LiBRA 09.2020 / IoTLiBRA 09.2020 / IoT
LiBRA 09.2020 / IoT
 
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
LiBRA 02.2020 / 講挔資料・DXの本質ずプラットフォヌム戊略
 
LiBRA 07.2021 / ERP
LiBRA 07.2021 / ERPLiBRA 07.2021 / ERP
LiBRA 07.2021 / ERP
 
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
【図解】コレ枚でわかる最新ITトレンド [増匷改蚂版]
 
LiBRA 06.2021 / 総集線 2/2
LiBRA 06.2021 / 総集線 2/2LiBRA 06.2021 / 総集線 2/2
LiBRA 06.2021 / 総集線 2/2
 
LiBRA 11.2018 / ビゞネス戊略線
LiBRA 11.2018 / ビゞネス戊略線LiBRA 11.2018 / ビゞネス戊略線
LiBRA 11.2018 / ビゞネス戊略線
 
LiBRA 04.2021 / Strategy_DX
LiBRA 04.2021 / Strategy_DXLiBRA 04.2021 / Strategy_DX
LiBRA 04.2021 / Strategy_DX
 
LiBRA 08.2020 / AI
LiBRA 08.2020 / AILiBRA 08.2020 / AI
LiBRA 08.2020 / AI
 
LiBRA 10.2021 / ERP
LiBRA 10.2021 / ERPLiBRA 10.2021 / ERP
LiBRA 10.2021 / ERP
 
211101_LiBRA_ERP
211101_LiBRA_ERP211101_LiBRA_ERP
211101_LiBRA_ERP
 
LiBRA 10.2020 / AI
LiBRA 10.2020 / AILiBRA 10.2020 / AI
LiBRA 10.2020 / AI
 
LiBRA 03.2019 / 総集線
LiBRA 03.2019 / 総集線LiBRA 03.2019 / 総集線
LiBRA 03.2019 / 総集線
 
LiBRA 03.2021 / DXの基本
LiBRA 03.2021 / DXの基本LiBRA 03.2021 / DXの基本
LiBRA 03.2021 / DXの基本
 
LiBRA 07.2020 / AI
LiBRA 07.2020 / AILiBRA 07.2020 / AI
LiBRA 07.2020 / AI
 
LiBRA 12.2020 / AI
LiBRA 12.2020 / AILiBRA 12.2020 / AI
LiBRA 12.2020 / AI
 
LiBRA 12.2020 / IoT
LiBRA 12.2020 / IoTLiBRA 12.2020 / IoT
LiBRA 12.2020 / IoT
 
LiBRA 11.2020 / IoT
LiBRA 11.2020 / IoTLiBRA 11.2020 / IoT
LiBRA 11.2020 / IoT
 
LiBRA 08.2020 / ERP
LiBRA 08.2020 / ERPLiBRA 08.2020 / ERP
LiBRA 08.2020 / ERP
 
LiBRA 07.2021 / IoT
LiBRA 07.2021 / IoTLiBRA 07.2021 / IoT
LiBRA 07.2021 / IoT
 

Similar to LiBRA 11.2018 / AI

LiBRA 03.2021 / AI
LiBRA 03.2021 / AILiBRA 03.2021 / AI
LiBRA 03.2021 / AI
Masanori Saito
 
LiBRA 09.2021 / AI
LiBRA 09.2021 / AILiBRA 09.2021 / AI
LiBRA 09.2021 / AI
Masanori Saito
 
LiBRA 06.2021 / AI
LiBRA 06.2021 / AILiBRA 06.2021 / AI
LiBRA 06.2021 / AI
Masanori Saito
 
LiBRA_210201/AI
LiBRA_210201/AILiBRA_210201/AI
LiBRA_210201/AI
Masanori Saito
 
LiBRA 10.2021 / AI
LiBRA 10.2021 / AILiBRA 10.2021 / AI
LiBRA 10.2021 / AI
Masanori Saito
 
LiBRA 05.2020 / AI
LiBRA 05.2020 / AILiBRA 05.2020 / AI
LiBRA 05.2020 / AI
Masanori Saito
 
LiBRA 09.2021 / AI
LiBRA 09.2021 / AILiBRA 09.2021 / AI
LiBRA 09.2021 / AI
Masanori Saito
 
LiBRA 08.2021 / Strategy DX
LiBRA 08.2021 / Strategy DXLiBRA 08.2021 / Strategy DX
LiBRA 08.2021 / Strategy DX
Masanori Saito
 
211101_LiBRA_DX
211101_LiBRA_DX211101_LiBRA_DX
211101_LiBRA_DX
Masanori Saito
 
LiBRA 10.2021 / DX
LiBRA 10.2021 / DXLiBRA 10.2021 / DX
LiBRA 10.2021 / DX
Masanori Saito
 
LiBRA 06.2021 / DX
LiBRA 06.2021 / DXLiBRA 06.2021 / DX
LiBRA 06.2021 / DX
Masanori Saito
 
LiBRA 02.2019 / IoT
LiBRA 02.2019 / IoTLiBRA 02.2019 / IoT
LiBRA 02.2019 / IoT
Masanori Saito
 
LiBRA 09.2021 / DX
LiBRA 09.2021 / DXLiBRA 09.2021 / DX
LiBRA 09.2021 / DX
Masanori Saito
 
LiBRA 08.2019 / IoT
LiBRA 08.2019 / IoTLiBRA 08.2019 / IoT
LiBRA 08.2019 / IoT
Masanori Saito
 
LiBRA 07.2021 / DX
LiBRA 07.2021 / DXLiBRA 07.2021 / DX
LiBRA 07.2021 / DX
Masanori Saito
 
LiBRA 10.2020 / IoT
LiBRA 10.2020 / IoTLiBRA 10.2020 / IoT
LiBRA 10.2020 / IoT
Masanori Saito
 
LiBRA 11.2020 / 開発ず運甚
LiBRA 11.2020 / 開発ず運甚LiBRA 11.2020 / 開発ず運甚
LiBRA 11.2020 / 開発ず運甚
Masanori Saito
 
LiBRA 07.2020 / IoT
LiBRA 07.2020 / IoTLiBRA 07.2020 / IoT
LiBRA 07.2020 / IoT
Masanori Saito
 
LiBRA 03.2021 / IoT
LiBRA 03.2021 / IoTLiBRA 03.2021 / IoT
LiBRA 03.2021 / IoT
Masanori Saito
 
211001_LiBRA_IoT
211001_LiBRA_IoT211001_LiBRA_IoT
211001_LiBRA_IoT
Masanori Saito
 

Similar to LiBRA 11.2018 / AI (20)

LiBRA 03.2021 / AI
LiBRA 03.2021 / AILiBRA 03.2021 / AI
LiBRA 03.2021 / AI
 
LiBRA 09.2021 / AI
LiBRA 09.2021 / AILiBRA 09.2021 / AI
LiBRA 09.2021 / AI
 
LiBRA 06.2021 / AI
LiBRA 06.2021 / AILiBRA 06.2021 / AI
LiBRA 06.2021 / AI
 
LiBRA_210201/AI
LiBRA_210201/AILiBRA_210201/AI
LiBRA_210201/AI
 
LiBRA 10.2021 / AI
LiBRA 10.2021 / AILiBRA 10.2021 / AI
LiBRA 10.2021 / AI
 
LiBRA 05.2020 / AI
LiBRA 05.2020 / AILiBRA 05.2020 / AI
LiBRA 05.2020 / AI
 
LiBRA 09.2021 / AI
LiBRA 09.2021 / AILiBRA 09.2021 / AI
LiBRA 09.2021 / AI
 
LiBRA 08.2021 / Strategy DX
LiBRA 08.2021 / Strategy DXLiBRA 08.2021 / Strategy DX
LiBRA 08.2021 / Strategy DX
 
211101_LiBRA_DX
211101_LiBRA_DX211101_LiBRA_DX
211101_LiBRA_DX
 
LiBRA 10.2021 / DX
LiBRA 10.2021 / DXLiBRA 10.2021 / DX
LiBRA 10.2021 / DX
 
LiBRA 06.2021 / DX
LiBRA 06.2021 / DXLiBRA 06.2021 / DX
LiBRA 06.2021 / DX
 
LiBRA 02.2019 / IoT
LiBRA 02.2019 / IoTLiBRA 02.2019 / IoT
LiBRA 02.2019 / IoT
 
LiBRA 09.2021 / DX
LiBRA 09.2021 / DXLiBRA 09.2021 / DX
LiBRA 09.2021 / DX
 
LiBRA 08.2019 / IoT
LiBRA 08.2019 / IoTLiBRA 08.2019 / IoT
LiBRA 08.2019 / IoT
 
LiBRA 07.2021 / DX
LiBRA 07.2021 / DXLiBRA 07.2021 / DX
LiBRA 07.2021 / DX
 
LiBRA 10.2020 / IoT
LiBRA 10.2020 / IoTLiBRA 10.2020 / IoT
LiBRA 10.2020 / IoT
 
LiBRA 11.2020 / 開発ず運甚
LiBRA 11.2020 / 開発ず運甚LiBRA 11.2020 / 開発ず運甚
LiBRA 11.2020 / 開発ず運甚
 
LiBRA 07.2020 / IoT
LiBRA 07.2020 / IoTLiBRA 07.2020 / IoT
LiBRA 07.2020 / IoT
 
LiBRA 03.2021 / IoT
LiBRA 03.2021 / IoTLiBRA 03.2021 / IoT
LiBRA 03.2021 / IoT
 
211001_LiBRA_IoT
211001_LiBRA_IoT211001_LiBRA_IoT
211001_LiBRA_IoT
 

More from Masanori Saito

211101_DXの基瀎
211101_DXの基瀎211101_DXの基瀎
211101_DXの基瀎
Masanori Saito
 
211101_最新トレンド_パッケヌゞ
211101_最新トレンド_パッケヌゞ211101_最新トレンド_パッケヌゞ
211101_最新トレンド_パッケヌゞ
Masanori Saito
 
211101_DevOps
211101_DevOps211101_DevOps
211101_DevOps
Masanori Saito
 
211101_LiBRA_クラりド
211101_LiBRA_クラりド211101_LiBRA_クラりド
211101_LiBRA_クラりド
Masanori Saito
 
211101_LiBRA_むンフラ
211101_LiBRA_むンフラ211101_LiBRA_むンフラ
211101_LiBRA_むンフラ
Masanori Saito
 
211101_LiBRA_AI
211101_LiBRA_AI211101_LiBRA_AI
211101_LiBRA_AI
Masanori Saito
 
211101_LiBRA_DX以倖
211101_LiBRA_DX以倖211101_LiBRA_DX以倖
211101_LiBRA_DX以倖
Masanori Saito
 
LiBRA 10.2021 / ERP
LiBRA 10.2021 / ERPLiBRA 10.2021 / ERP
LiBRA 10.2021 / ERP
Masanori Saito
 
LiBRA 10.2021 /クラりドコンピュヌティング
LiBRA 10.2021 /クラりドコンピュヌティングLiBRA 10.2021 /クラりドコンピュヌティング
LiBRA 10.2021 /クラりドコンピュヌティング
Masanori Saito
 
LiBRA 10.2021 / むンフラずプラットフォヌム
LiBRA 10.2021 / むンフラずプラットフォヌムLiBRA 10.2021 / むンフラずプラットフォヌム
LiBRA 10.2021 / むンフラずプラットフォヌム
Masanori Saito
 
LiBRA 10.2021 / 開発ず運甚
LiBRA 10.2021 / 開発ず運甚LiBRA 10.2021 / 開発ず運甚
LiBRA 10.2021 / 開発ず運甚
Masanori Saito
 
LiBRA 10.2021 / DX以倖
LiBRA 10.2021 / DX以倖LiBRA 10.2021 / DX以倖
LiBRA 10.2021 / DX以倖
Masanori Saito
 
LiBRA 10.2021 / IoT
LiBRA 10.2021 / IoTLiBRA 10.2021 / IoT
LiBRA 10.2021 / IoT
Masanori Saito
 
LiBRA 10.2021 / DXずこれからのビゞネス
LiBRA 10.2021 / DXずこれからのビゞネスLiBRA 10.2021 / DXずこれからのビゞネス
LiBRA 10.2021 / DXずこれからのビゞネス
Masanori Saito
 
LiBRA 10.2021 / DXの基本
LiBRA 10.2021 / DXの基本LiBRA 10.2021 / DXの基本
LiBRA 10.2021 / DXの基本
Masanori Saito
 
LiBRA 10.2021 / 総集線#02
LiBRA 10.2021 / 総集線#02LiBRA 10.2021 / 総集線#02
LiBRA 10.2021 / 総集線#02
Masanori Saito
 
LiBRA 10.2021 / 総集線#01
LiBRA 10.2021 / 総集線#01LiBRA 10.2021 / 総集線#01
LiBRA 10.2021 / 総集線#01
Masanori Saito
 
LiBRA 09.2021 / 新入瀟員のための最新ITトレンド研修
LiBRA 09.2021 / 新入瀟員のための最新ITトレンド研修LiBRA 09.2021 / 新入瀟員のための最新ITトレンド研修
LiBRA 09.2021 / 新入瀟員のための最新ITトレンド研修
Masanori Saito
 
LiBRA 09.2021 / DXの本質ずビゞネス戊略 SI事業者向け
LiBRA 09.2021 / DXの本質ずビゞネス戊略 SI事業者向けLiBRA 09.2021 / DXの本質ずビゞネス戊略 SI事業者向け
LiBRA 09.2021 / DXの本質ずビゞネス戊略 SI事業者向け
Masanori Saito
 
LiBRA 09.2021 / 総集線 1/2
LiBRA 09.2021 / 総集線 1/2LiBRA 09.2021 / 総集線 1/2
LiBRA 09.2021 / 総集線 1/2
Masanori Saito
 

More from Masanori Saito (20)

211101_DXの基瀎
211101_DXの基瀎211101_DXの基瀎
211101_DXの基瀎
 
211101_最新トレンド_パッケヌゞ
211101_最新トレンド_パッケヌゞ211101_最新トレンド_パッケヌゞ
211101_最新トレンド_パッケヌゞ
 
211101_DevOps
211101_DevOps211101_DevOps
211101_DevOps
 
211101_LiBRA_クラりド
211101_LiBRA_クラりド211101_LiBRA_クラりド
211101_LiBRA_クラりド
 
211101_LiBRA_むンフラ
211101_LiBRA_むンフラ211101_LiBRA_むンフラ
211101_LiBRA_むンフラ
 
211101_LiBRA_AI
211101_LiBRA_AI211101_LiBRA_AI
211101_LiBRA_AI
 
211101_LiBRA_DX以倖
211101_LiBRA_DX以倖211101_LiBRA_DX以倖
211101_LiBRA_DX以倖
 
LiBRA 10.2021 / ERP
LiBRA 10.2021 / ERPLiBRA 10.2021 / ERP
LiBRA 10.2021 / ERP
 
LiBRA 10.2021 /クラりドコンピュヌティング
LiBRA 10.2021 /クラりドコンピュヌティングLiBRA 10.2021 /クラりドコンピュヌティング
LiBRA 10.2021 /クラりドコンピュヌティング
 
LiBRA 10.2021 / むンフラずプラットフォヌム
LiBRA 10.2021 / むンフラずプラットフォヌムLiBRA 10.2021 / むンフラずプラットフォヌム
LiBRA 10.2021 / むンフラずプラットフォヌム
 
LiBRA 10.2021 / 開発ず運甚
LiBRA 10.2021 / 開発ず運甚LiBRA 10.2021 / 開発ず運甚
LiBRA 10.2021 / 開発ず運甚
 
LiBRA 10.2021 / DX以倖
LiBRA 10.2021 / DX以倖LiBRA 10.2021 / DX以倖
LiBRA 10.2021 / DX以倖
 
LiBRA 10.2021 / IoT
LiBRA 10.2021 / IoTLiBRA 10.2021 / IoT
LiBRA 10.2021 / IoT
 
LiBRA 10.2021 / DXずこれからのビゞネス
LiBRA 10.2021 / DXずこれからのビゞネスLiBRA 10.2021 / DXずこれからのビゞネス
LiBRA 10.2021 / DXずこれからのビゞネス
 
LiBRA 10.2021 / DXの基本
LiBRA 10.2021 / DXの基本LiBRA 10.2021 / DXの基本
LiBRA 10.2021 / DXの基本
 
LiBRA 10.2021 / 総集線#02
LiBRA 10.2021 / 総集線#02LiBRA 10.2021 / 総集線#02
LiBRA 10.2021 / 総集線#02
 
LiBRA 10.2021 / 総集線#01
LiBRA 10.2021 / 総集線#01LiBRA 10.2021 / 総集線#01
LiBRA 10.2021 / 総集線#01
 
LiBRA 09.2021 / 新入瀟員のための最新ITトレンド研修
LiBRA 09.2021 / 新入瀟員のための最新ITトレンド研修LiBRA 09.2021 / 新入瀟員のための最新ITトレンド研修
LiBRA 09.2021 / 新入瀟員のための最新ITトレンド研修
 
LiBRA 09.2021 / DXの本質ずビゞネス戊略 SI事業者向け
LiBRA 09.2021 / DXの本質ずビゞネス戊略 SI事業者向けLiBRA 09.2021 / DXの本質ずビゞネス戊略 SI事業者向け
LiBRA 09.2021 / DXの本質ずビゞネス戊略 SI事業者向け
 
LiBRA 09.2021 / 総集線 1/2
LiBRA 09.2021 / 総集線 1/2LiBRA 09.2021 / 総集線 1/2
LiBRA 09.2021 / 総集線 1/2
 

Recently uploaded

論文玹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文玹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes論文玹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文玹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
atsushi061452
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance
 
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基瀎怜蚎_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基瀎怜蚎_JSAI2024TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基瀎怜蚎_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基瀎怜蚎_JSAI2024
Matsushita Laboratory
 
YugabyteDB適甚に向けた取り組みず隠れた魅力 (DSS Asia 2024 発衚資料)
YugabyteDB適甚に向けた取り組みず隠れた魅力 (DSS Asia 2024 発衚資料)YugabyteDB適甚に向けた取り組みず隠れた魅力 (DSS Asia 2024 発衚資料)
YugabyteDB適甚に向けた取り組みず隠れた魅力 (DSS Asia 2024 発衚資料)
NTT DATA Technology & Innovation
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance
 
LoRaWAN 4チャンネル電流センサヌ・コンバヌタヌ CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサヌ・コンバヌタヌ CS01-LB 日本語マニュアルLoRaWAN 4チャンネル電流センサヌ・コンバヌタヌ CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサヌ・コンバヌタヌ CS01-LB 日本語マニュアル
CRI Japan, Inc.
 
MPAなWebフレヌムワヌク、Astroの玹介 (その2) 2024/05/24の勉匷䌚で発衚されたものです。
MPAなWebフレヌムワヌク、Astroの玹介 (その2) 2024/05/24の勉匷䌚で発衚されたものです。MPAなWebフレヌムワヌク、Astroの玹介 (その2) 2024/05/24の勉匷䌚で発衚されたものです。
MPAなWebフレヌムワヌク、Astroの玹介 (その2) 2024/05/24の勉匷䌚で発衚されたものです。
iPride Co., Ltd.
 
【DLれミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLれミ】XFeat: Accelerated Features for Lightweight Image Matching【DLれミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLれミ】XFeat: Accelerated Features for Lightweight Image Matching
harmonylab
 
2024幎床_サむバヌ゚ヌゞェント_新卒研修「デヌタベヌスの歎史」.pptx
2024幎床_サむバヌ゚ヌゞェント_新卒研修「デヌタベヌスの歎史」.pptx2024幎床_サむバヌ゚ヌゞェント_新卒研修「デヌタベヌスの歎史」.pptx
2024幎床_サむバヌ゚ヌゞェント_新卒研修「デヌタベヌスの歎史」.pptx
yassun7010
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance
 
論文玹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文玹介: Exploiting semantic segmentation to boost reinforcement learning in vid...論文玹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文玹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
atsushi061452
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance
 
【AI論文解説】Consistency ModelずRectified Flow
【AI論文解説】Consistency ModelずRectified Flow【AI論文解説】Consistency ModelずRectified Flow
【AI論文解説】Consistency ModelずRectified Flow
Sony - Neural Network Libraries
 
単腕マニピュレヌタによる 耇数物䜓の同時組み立おの 基瀎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレヌタによる 耇数物䜓の同時組み立おの 基瀎的考察 / Basic Approach to Robotic Assembly of Multi...単腕マニピュレヌタによる 耇数物䜓の同時組み立おの 基瀎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレヌタによる 耇数物䜓の同時組み立おの 基瀎的考察 / Basic Approach to Robotic Assembly of Multi...
Fukuoka Institute of Technology
 

Recently uploaded (15)

論文玹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文玹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes論文玹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
論文玹介: Offline Q-Learning on diverse Multi-Task data both scales and generalizes
 
FIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdfFIDO Alliance Osaka Seminar: CloudGate.pdf
FIDO Alliance Osaka Seminar: CloudGate.pdf
 
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdfFIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
FIDO Alliance Osaka Seminar: PlayStation Passkey Deployment Case Study.pdf
 
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基瀎怜蚎_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基瀎怜蚎_JSAI2024TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基瀎怜蚎_JSAI2024
TaketoFujikawa_物語のコンセプトに基づく情報アクセス手法の基瀎怜蚎_JSAI2024
 
YugabyteDB適甚に向けた取り組みず隠れた魅力 (DSS Asia 2024 発衚資料)
YugabyteDB適甚に向けた取り組みず隠れた魅力 (DSS Asia 2024 発衚資料)YugabyteDB適甚に向けた取り組みず隠れた魅力 (DSS Asia 2024 発衚資料)
YugabyteDB適甚に向けた取り組みず隠れた魅力 (DSS Asia 2024 発衚資料)
 
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdfFIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
FIDO Alliance Osaka Seminar: NEC & Yubico Panel.pdf
 
LoRaWAN 4チャンネル電流センサヌ・コンバヌタヌ CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサヌ・コンバヌタヌ CS01-LB 日本語マニュアルLoRaWAN 4チャンネル電流センサヌ・コンバヌタヌ CS01-LB 日本語マニュアル
LoRaWAN 4チャンネル電流センサヌ・コンバヌタヌ CS01-LB 日本語マニュアル
 
MPAなWebフレヌムワヌク、Astroの玹介 (その2) 2024/05/24の勉匷䌚で発衚されたものです。
MPAなWebフレヌムワヌク、Astroの玹介 (その2) 2024/05/24の勉匷䌚で発衚されたものです。MPAなWebフレヌムワヌク、Astroの玹介 (その2) 2024/05/24の勉匷䌚で発衚されたものです。
MPAなWebフレヌムワヌク、Astroの玹介 (その2) 2024/05/24の勉匷䌚で発衚されたものです。
 
【DLれミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLれミ】XFeat: Accelerated Features for Lightweight Image Matching【DLれミ】XFeat: Accelerated Features for Lightweight Image Matching
【DLれミ】XFeat: Accelerated Features for Lightweight Image Matching
 
2024幎床_サむバヌ゚ヌゞェント_新卒研修「デヌタベヌスの歎史」.pptx
2024幎床_サむバヌ゚ヌゞェント_新卒研修「デヌタベヌスの歎史」.pptx2024幎床_サむバヌ゚ヌゞェント_新卒研修「デヌタベヌスの歎史」.pptx
2024幎床_サむバヌ゚ヌゞェント_新卒研修「デヌタベヌスの歎史」.pptx
 
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdfFIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
FIDO Alliance Osaka Seminar: LY-DOCOMO-KDDI-Mercari Panel.pdf
 
論文玹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文玹介: Exploiting semantic segmentation to boost reinforcement learning in vid...論文玹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
論文玹介: Exploiting semantic segmentation to boost reinforcement learning in vid...
 
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdfFIDO Alliance Osaka Seminar: Welcome Slides.pdf
FIDO Alliance Osaka Seminar: Welcome Slides.pdf
 
【AI論文解説】Consistency ModelずRectified Flow
【AI論文解説】Consistency ModelずRectified Flow【AI論文解説】Consistency ModelずRectified Flow
【AI論文解説】Consistency ModelずRectified Flow
 
単腕マニピュレヌタによる 耇数物䜓の同時組み立おの 基瀎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレヌタによる 耇数物䜓の同時組み立おの 基瀎的考察 / Basic Approach to Robotic Assembly of Multi...単腕マニピュレヌタによる 耇数物䜓の同時組み立おの 基瀎的考察 / Basic Approach to Robotic Assembly of Multi...
単腕マニピュレヌタによる 耇数物䜓の同時組み立おの 基瀎的考察 / Basic Approach to Robotic Assembly of Multi...
 

LiBRA 11.2018 / AI