AI,人工知能について【その2】

  • ガイド ( How to )
  • ありがとう数:0

はじめに

人工知能について

第二弾です。

以下の内容でお送りします。

  1. 人工知能は論理的思考をするように作られるのか
  2. 車の自動運転は迷わないのか
  3. ディープラーニングと認知型人工知能と多変量解析の違い
  4. 現在の人工知能の能力は
  5. 人工知能について学びたい
その1はこちら→AI、人工知能について

STEP1人工知能は論理的思考をするように作られるのか

人工知能は基本的に論理的思考

人工知能は基本的に論理的思考をするように作られるのでしょうか?

コンピュータは基本構造が論理で成り立っています。
ですから、論理的思考をしているといえます。
ただし、現在のAIは、そのコンピュータの仕組みの上に、別の論理をもって構築されています。

私たちの体は、かなりの部分が物理法則、化学法則の元で、論理的に成り立っています。
でも、人間の行動って、恋愛とか嫉妬、ライバル心など、非論理的な行動をすることも多いですよね?

同様に、人工知能も、論理的なもので構築されていますけど、AIが学習していく過程は、必ずしも論理的なものに基づいてはいないといえるでしょうね。
論理的とはいえないと思える経験主義的に、「こうしたらうまくいった」という経験に学ぶ手法も採用していたと思います。

今のところは倫理的にしか作れないです。
非論理的であるということは、道理が通っていない、つまり辻褄の合わない考え方な訳で、何かしらの目的を持った計算をする際には着地点が見つからず計算が破綻してしまいます。

非論理的な人口知能を作ろうと思ったら、辻褄の合わない計算結果が導き出されても、その結果は正解となるわけです。でも、それは意図した”辻褄の合わない計算結果”なのか、意図していない”辻褄の合わない計算結果”なのか、判断つかないと思います。つまり、作ったはいいが完成しているのかどうかの判断ができない代物はわけです。

本当の人工知能は曖昧さを残す事なのです。Dwaveはアニーリング処理を行うことで有名ですが、これは「大方」という見方をする処理です。「だいたいこうだろう」「おおよそはこうだろう」という処理です。つまり論理思考ではなく統計思考なのです。論理思考を追求するといずれ計算は止まるのでむりです。同じ量子コンピューターでもゲート方式だと論理思考になるでしょうが、論理思考だと膨大なプログラム処理を必要とし、実現には程遠い。アニーリングであれば人間と同じで「感」が生まれると思います。

 人工知能がやっていることは具体的にどういうことかと言えば、たとえば、四角い枠の中に迷路をいくつも作るソフトがありますが、ああいう感じですね。

 人間では経験則や教育が邪魔をして、偏った考え方に陥りやすい問題を人工知能では全ての可能性を試して考えるので、しばしば人間の限界を超えることがあるというわけです。

 チェスや将棋で名人が勝てなくなるのも同じ理由で、人間が考えない手口を考えるので勝てなくなるというわけです。

 全ての可能性を考えて、その中から答えを割り出すという思考ルーチンを実行しているから人間よりも賢く感じるだけで、実際に思考しているかとなると別問題でしょうね。感情をシミュレーションしたりも出来るようですが、定量的に判断しているだけで、人間と同じ感情を持っているわけではないでしょうし、人間の判断を誤らせる能力が高いだけの知能にしかならないと思います。

STEP2自動車の自動運転は迷わないのか

車の自動運転は止まろうか行っちゃおうか悩まないの?

自動車の自動運転を実用化しようとした場合、
こういう場面は人工知能はどういう方向で処理するんでしょうか?

交差点を通過しようとした時、信号が黄色に変わった。
停止しようとすれば交差点に入る前に停止出来ない事も無い。
停止線の前で停止しようとすれば、少し急ブレーキになる。
弱・急ブレーキをかければ、乗っている人に負担がかかる。
弱・急ブレーキでも、乗っている人が高齢者だから、そのまま通過した方が良いかも。
でも、通過しても良いけど信号待ちしてたバイクとか見切り発車で青の前に飛び出してくるかもしれない。
あ、でも左右には信号待ちしてる車やバイクいないや。
いや、信号明けを見込んで走ってくる車やバイクいるかも。
そもそも、停止線てどこ?消えてるし。

と言う訳で、止まろうか行っちゃおうかには色んなことが絡んでくると思います。
人工知能でどういう振り分けをしていくのでしょうか?

まず車についたセンサーで、信号の位置とだいたいの距離、信号の色を確かめるでしょうね。信号の大きさは決まっていますから、その大きさでおおよその距離を計算することはできます。そして信号が変わるタイミングの時間も決まっています。確か4秒だったかな?

自動車の速度はわかりますから、そこから停止位置まで停止するのに何秒かかるかは即座に計算可能です。そして、ブレーキはどの程度までなら急ブレーキを踏んでも大丈夫かもコンピュータでデータがあるでしょう。
そしたら、それを鑑みて止まるか先に進むかを判断すればいいのです。自動運転なら最初から反対側の信号が変わっても間に合わないほどの速度で走ることはありません。制限速度は一応一般道では60キロなのですからね。最近は、標識を読み取ってドライバーに警告するものもあるそうですね。

今の安全アシスト装置は、そのデータを集めているという意味もありますよ。今はあくまでドライバーに警告を出すというレベルですよね。データが集まると、これは危ない、これは大丈夫というデータが積み上がるわけです。
データさえ積み上がってしまえばそんなに難しいことではないと思いますよ。

安全方向に判断します。 普通に止まれる距離なら止まる(車速と距離で判断します)、急ブレーキだと止まれる場合、後続車が追突する恐れがあるのでそのまま進行します。
横から見切り発車してくる車両が有れば、それを検知した時点でブレーキを掛けます。(ブレーキの強さは衝突しない最大の距離を保ちます)
その判断にはドイツ車だと1/100秒台、国産車で5/100~1/10秒らしいです。
自動運転ではドイツが大きく一歩リードしています。

基本は自車以外の物体は全て検出します。それぞれの相対速度と移動方向を演算して自車の制御を行います。なので、いかなる時も安全方向に制御出来るのです。
まぁ、そのソフト作るのは人間なので、結局事故を起こす原因はヒューマンエラーなんですけどね。
結局、避ける条件、停まる条件、加減速する条件等、莫大な条件設定用データを集めるのにあと4年はかかるそうです。

STEP3ディープラーニングと認知型人工知能と多変量解析の違い

【人工知能】ディープラーニングと認知型人工知能と多

【人工知能】ディープラーニングと認知型人工知能と多変量解析の違いを教えてください。

人間の脳の働きに例えると、ディープラーニングは成長期の子供が大人に教えられなくても自然に言葉の意味を覚えたり、おもちゃで遊んだりする過程に例えられます。
認知型は教育を受けた成人の脳の働きに相当し、膨大な学習データから対象を認識したり解析して応答する能力に優れますが、新しい知識やルールを自ら学習する能力は低いと考えられます。
多変量解析はパターンやルールを学習する過程での脳の働きと捉えられます。

STEP4現在の人工知能の能力は

現在の人工知能の能力

最先端の人工知能では裁判の判例を読みこなせるそうですが、これは学習機能によるそうで、現在アメリカではAIの判断をチェックする弁護士と裁判を闘う弁護士に二極化してしまっているそうです。
そこまでできるのなら日本語と英語の日常的な会話の通訳くらいかなり自然な感じで翻訳できそうです。ところがWebの無料翻訳ではいまでもとても不自然な翻訳になっています。

これは無料だからでしょうか?
それとも日常会話の翻訳は判例を読むよりも難しいのでしょうか?

今のところ人工知能は、判断基準に使うデータベースがどれだけ大きいか
で、有効性が違ってきています。逆に言えば、同じロジックでも対象とする
データベースが大きければ大きいほど自然な対応ができるわけで、日本の
Siriと欧米のSiriでの対応の違いは、その辺が原因です。

人工知能が変、というのは、対応するデータベースが十分に大きくないと
言うだけの話です。

ちなみに、Siriが結構自然に対応してくれる理由は、Appleのサーバーが
大量のデータを参照に行ってるだけでなく、やり取りの度にデータを収集
して、サーバが個別に対応を最適化してるからで、あれば別にiPhone側で
特段の処理をしてるわけじゃないですよ。

専門用語と、論理の曖昧さを許さない司法の文章ならば、誤訳するような原因(どちらの用法かわからない例えとか修辞法)が出てこないから、機械翻訳には向いていることでしょう。

日常会話も、そのくらい論理的なあいまいさがなく、誰が何をどうしたかを何も略さずに受け答えしてくれたら、機械翻訳のほうも文脈からの可能性をデータベースからひっぱっての翻訳なんてしなくて済むでしょう。

人間が翻訳する場合、人生経験に基づく推測を加えて翻訳結果を出します。これに到達するには、コンピュータではむりなので感情をもつ人工生命体のような新しい発想の装置が必要です

文脈から感情や情景を思い浮かべる必要があるんです。それを抜きにしてわざと翻訳すると人間でもWeb翻訳と同じような翻訳結果を出してしまいます。

つまり機械翻訳を完全にするには、機械にも怖かったとか、痛かったとか楽しかったとか、腹が立ったなどの経験をさせる必要があります。

「人間のそっくりさん」を作り出すのは、昔から可能だと言われてきました。(人間ではないですが)身近な例では、アイボなんかがその代表です。そういうのをエキスパート・システムと言います。

 問題は、アイボ達は自分の行為の(人間に癒しを与えるような行為の)意味を、意識し理解してるのだろうか?、という点です。それはアイボにきいてみるしかないんですけどね。でも進化した喋れるアイボは、「あなたのためにやっているし、その意味はわかっている」と、きっと事前にプログラムされたプログラムシークエンスに従って答えるでしょう。

 そこなんですよ。現在の一般的意見に従えば、我々も生化学的な有機コンピュータにしか過ぎないはずなのに、「自分の行為の意味を理解し、自覚している」し、「自分という意識を持てる」点です。謎ですよね?

STEP5人工知能について学びたい

人工知能について

人工知能の勉強方法について質問です。

社会人が人工知能について勉強するにはどうすればいいですか?
書籍で勉強するというのが一番に思いつくのですが、どのような書籍や情報を参考にしたらいいかw狩りません。
生活もあるので、学校に通うことも現在は考えていません。
すると、どうやって勉強したらいいかわからなくなりました。

社会人のおすすめの勉強法について回答お願いします。

興味のあるテーマの論文探して、その論文の参考文献から当たってみるとか。

Google Scholar
http://scholar.google.co.jp/
CiNii Articles - 日本の論文をさがす - 国立情報学研究所
http://ci.nii.ac.jp/
論文検索Qross / Article Search Qross
https://qross.atlas.jp/top

取り敢えずわかりやすのはこの本と思います。
http://www.amazon.co.jp/dp/B00UAAK07S/ref=dp-kindle-redirect?_encoding=UTF8&btkr=1

人工知能と言っても昔から研究されていて何度も挫折してブームがさりました。今のブームはコンピューターの能力が飛躍的に上がり、2045年にはコンピュータが人間の知能を追い抜くという2045年問題が話題になったのと、新たにディープラーニングと言うコンピューターが自ら学習して知能を発展させるアルゴリズムが開発されそれが誰にでも利用できる環境に整備されてきたと言う事によると思います。そのディープラーニングに関して一線の学者が一般の人にもわかりやすく書いた本で、入門書としては参考になると思います。

まとめ


このユーザなら私の疑問や悩みを解決してくれそうと思ったら、
質問への回答をリクエストすることができます。

特集


感謝でトクする時代へ!感謝経済に参加しよう!

ピックアップ

ページ先頭へ