今さら聞けないITエンジニアのための人工知能
5 likes1,583 views
ITシステムの開発を主にやっています。為安圭介です。 数年間、ITシステム開発のリーダという役割をいただいて、数十名のチーム運営を経験してきました。 今回、遅ればせながらAIに関する勉強を始めました。なんとなくわかった気になっていたAIについて、自分でまとめてみると驚くほど知らないことが多かったように感じます。 今さらですが、書店にあって立ち読みで済ませていた 「松尾 豊（著）@KADOKAWA『人工知能は人間を超えるか』」を購入し、その内容を自分の理解の範囲で簡単にまとめてみました。 これからAIについてビジネスを始めるITエンジニアの方々にも少しは理解できるものになっていると思います。 さて、このスライドをまとめるための時間は、最近アニメが復活したという噂を聞いてなんとなく読み直した「封神演義 ※崑崙山VS金鰲島～紂王が我に返るまで」＋「DQ11 セーニャを仲間にする（２）まで」でした。 十二仙でも歯が立たなかった無敵の聞仲と崑崙の教主、元始天尊の戦いは熱かった。その後の武成王と聞仲のやり取りから、太公望との原始的な戦い・・・ DQ11をやったことがある人なら、この『（２）』の意味もわかるでしょう。個人的には１の方が良かったのですが。デルカダール神殿をクリアしたのが８月だったのに、２ヶ月経った今もまだセーニャとは・・・
今さら聞けないITエンジニアのための人工知能
- 2. 目次 1 1. 人工知能を取り巻く状況 2. 人工知能とは何か 3. 人工知能の技術発展 4. 機械学習 5. ディープラーニング 6. 人工知能は人間を超えるか
- 3. はじめに 2
- 5. 4 わたしは 紹介 為安 圭介（ためやす けいすけ） 札幌市在住のITエンジニア 仕事 企業向けWebシステムやスマホAP開発 資格 認定スクラムマスターとかプロマネとか 著書 『強いチームを作るためのたった66の方法』『1200日の朝会で学んだたったひとつのこと』 『自分のことを朕と呼んだらチームが変わった』『ブレイブ・プロジェクトマネジメント』等多数 ・・・だと良いな https://www.facebook.com/keisuke.tameyasu 本スライドは、「松尾 豊（著）@KADOKAWA『人工知能は人間を超えるか』のまとめです！
- 6. 本題 5
- 7. 6
- 8. 7 今、第3次AIブームのビックウェーブが来ている 松尾 豊（著）@KADOKAWA『人工知能は人間を超えるか』をもとに加筆 ル ー ル に よ る A I 化 デ ー タ に よ る 学 習 A I ル ー ル 化 の コ ス ト に よ り 発 展 で き な い 時 代 ル ー ル を コ ン ピ ュ ー タ 自 ら が 創 り 出 せ る よ う に な り 、 大 き な 発 展 の 可 能 性
- 10. 9
- 12. 11 人工知能のレベル レベル1 レベル2 レベル3 レベル4 単純な制御プログラム 言われたことだけをやる e x ) 掃 除 機 、 エ ア コ ン 、 洗 濯 機 . . . 入力と出力の方法が洗練された古典的人工知能 ルールを理解して判断できる e x ) 初 期 の 将 棋 プ ロ グ ラ ム 、 ル ン バ 、 P a P e R o . . . 機械学習を取り入れた人工知能 ルールや知識を自ら学習してより良い判断ができる e x ) 検 索 エ ン ジ ン 、 A l p h a G o 、 商 品 レ コ メ ン ド . . . ディープラーニングを取り入れた人工知能 ルールを理解して判断できる e x ) 画 像 識 別 、 株 取 引 、 P e p p e r. . .
- 15. 14
- 16. 15 第１次AIブーム（1956〜1960年代） 探索・推論の時代 1947 1956 1969 アラン・チューニングによって 「人工知能」の概念が提唱される。 ダートマス会議 ジョン・マッカーシーにより初めて公式の場で 「人工知能（ArtificialIntelligence）」という言葉 が使われる。 フレーム問題 どのように例外に対応しながら、コンピュータに 判断させればよいか？古典的な人工知能では世の 中の情報の処理に限界があることが指摘される。 1956年、ダートマス・ワークショップに４人の人工知能研究者が集まり、人工知能 （Artificial Intelligence）という言葉が決まる。 その後、探索・推論の研究が進み、迷路、パズル、チェス、オセロなどにコンピュータが 挑戦できるように。だが、フレーム問題やニューラルネットワークの特定条件下における 限界が示されたことなどから、多くの研究が打ち切りとなり、ブームは終焉を迎える。
- 25. 24 ニューラルネットワーク （例）手書き文字認識 エムニスト （正解ラベルのついた 手書き文字データセット） 入力層ｘ 重み付け W1 隠れ層z 重み付け W2 出力層y 0の確率 0.05 1の確率 0.05 2の確率 0.05 3の確率 0.40 4の確率 0.05 5の確率 0.10 6の確率 0.05 7の確率 0.05 8の確率 0.15 9の確率 0.05 … … 3 ×784 ×10 28×28=784 ピクセルの画像 手書き文字を正しく認識できるようにするため、エムニストを使って訓練を行い、機械学習を行う。 画像をピクセル単位に分解してニューラルネットワークに読み込ませ、入力層から隠れ層を通って出力層に出力される。 正しい値が出て来るように学習させるためには、重み付けの値を調整する必要がある。 例えば「３」の画像を入力し、「８」と判定された場合には、W1、W2を変えて調整する。（誤差逆伝播法）
- 27. 26 機械学習における難問 特徴量設計 特徴量とは、機械学習の入力に使う変数のこと。 特徴量に何を選ぶかによって予測精度が大きく変化する。 文字認識 → ○ 画像の中心、大きさ... ✕ 色... 年収予測 → ○ 性別、年齢、職業... ✕ 身長、誕生日... 例） この判断はコンピュータにはできない。 機械学習の精度を上げるのは、「どんな特徴量を入れるか」に かかっているが、それは人間が頭と時間を使って考えるしかなかった。 これが「特徴量設計」における機械学習最大の難問であった。
- 30. 29 ディープに掘り下げる 入力層ｘ 隠れ層z 出力層y 入力層ｘ 隠れ層z × n 出力層y 機械学習 ディープラーニング
- 31. 30 機械学習とディープラーニングの違い 入力層ｘ 隠れ層z × n 出力層y 3層のニューラルネットワークでうまくいくなら 4層、5層とすれば精度は上がるはず！ 現実にはうまくいかず、精度が上がらない。 深い層だと誤差逆伝播が、下の方まで届かない。 なぜ？ 実際にやってみると・・・ ① 1層ずつ階層ごとに学習していく ② 自己符号化器（情報圧縮器）を使用する 解決策
- 35. ディープラーニングまとめ 現実世界の中から 「特徴表現を何にするか」 については、 すべて人間が決めてきた こ れ ま で 「どのようなデータをもとに 何を特徴表現すべきか」を コンピュータが自動的に獲得 することができる、という 可能性が示された デ ィ ー プ ラ ー ニ ン グ 登 場 以 降 簡単な特徴量をコンピュータが見つけ出し、それをもとに高次な特徴量を見つけ出す。 その特徴量を使って表される概念を習得し、その概念を使って知識を記述する。 人工知能最大のその難問に、１つの道が示された。
- 39. おわり SELF BUILDING 39 SpecialThanks To A.K Y.Y
- 40. 39 参考文献 • 松尾 豊（著）@KADOKAWA「人工知能は人間を超えるか」 • 文部科学省「超スマート社会の実現に向けた我が国の取組（Society 5.0）の方向性」 • Michael Copeland「ディープラーニング」 • 総務省「ICTの進化が雇用と働き方に及ぼす影響に関する調査研究」 • 藤崎竜@集英社「封神演義」１５巻 十絶陣の戦い・下 • 藤崎竜@集英社「封神演義」１６巻 死闘 • 藤崎竜@集英社「封神演義」１７巻 風の分岐 • 藤崎竜@集英社「封神演義」１８巻 太上老君を巡る冒険 • 藤崎竜@集英社「封神演義」１９巻 牧野の戦い