新着Pick
572Picks
Pick に失敗しました

人気 Picker
年初に記事を載せていただいて光栄です。
インタビューで話さなかったことにも、大事なことがあります。
その中でもおそらく最も重要なのは、AIという道具や技術の前に、我々人間の問題解決の方法論に関する基本的な変化が起きているということです。そして、その方法論の変化を具現化する手段としてAI、データ、IoTを位置づけるべきだと考えます。
 20世紀の初めごろに、テーラーによる仕事の標準化を中心とした方法論の転換があり、それがフォードの大量生産やコンピュータによる業務システム化、さらには、トヨタ生産システムなどに発展していったわけです。
 これと同じように、AIという道具からスタートするのではなく、変化にいかにシステマティックに適応するかを革新する、問題解決の新しい方法論がまずあって、それを具現化するのがAIと考えるべきです。
 今年は、AIというマシンやプログラムからスタートする思考を、上記のように転換する年にしたいと考えてます。
どんな見解も評価も自由だとは思いますし、あんまりこんなことは書きたくないのですが、誰も書かないので。

正直に言って矢野氏の「AI」の話は個人的に殆ど「?」で、なぜ矢野氏が人工知能の伝道師的な役割を担っているのかがさっぱり理解できません。矢野さんはもっと他に持ち味があるように思いますし、AIを語らせるなら日本には他にもっと適当な方がたくさんおられるように思います。周囲の矢野さんの扱い方がおかしいのではとすら思います。個人的見解ですが。矢野さんはなにも悪くないと思います。念のため。

中身の個別の批評も書きたいは書きたいですが、ありすぎる(殆ど全てに違和感)のと、私は菅直人以外は個人批判しないポリシーなので、個人批判に受け取られたくないのでここでは控えます。
AIは多様な領域との融合可能性があるため、今後も非常に興味深いテーマになりますね。リクルートは東京学芸大と「AI時代に必要な力」について共同研究を昨秋から開始しています。その場に参加する約15名の教授たちの専門は、物理学、教育工学、環境生態学、声楽、グラフィックデザイン、日本語学、聴覚障害児童学、体育等多岐に亘っており、AIの今後について多種多様な意見が出ます。アート専門の先生からは、学生たちが物を制作する時にはデジタルなツールではなく、まだまだアナログな物を好む方が多いとの話もあり、AI含めたデジタルの可能性のようなものをどのように提示すれば良いのかという話で盛り上がりました。


記事の最後に、今年は本物と偽物のAIの見極めの年との記述があります。また、「AIは目的志向なので、目的をきちんと考えることが重要になります」との記載もあり、その通りと私自身も思います。

AI研究者の中国人たちと話していた際、次の様に言われたことを思い出しました。「日本でビッグデータやAIと言われていることの中には、ゴミのような情報を集めてそれに厳重に鍵をして、『ではこの集めたデータから何が言えるだろう?』と考える場面が多いように見える。中国や米国は、目的が先にあってその後にデータを収集している。」

今年は本物が問われる年になりそうです。
元旦から興味深い記事をありがとうございました。
データがあり、目的に基づいてそのデータ間の読み方・評価の仕方を設計すれば、その後のデータを処理・活用(活用はデータをもとにしたアクションも含む)してくれるものと、自分なりには理解している。そして、それらの要素となるデータ取り込む要素技術(音声・画像認識)、データ処理技術(DLなど)が進化し、昔に比べてはるかに構築しやすくなり、非構造化データでもかなりのことができるようになった。
一方で、人間とリスクリターンの感覚は異なり、人間で言うなら「合理的ではあるが、心理的抵抗があること」も薦めてくる(①)。それは②でコメントしたような人間と機械の考え方の違い(人間は抽象化する力・捨てる力が強く、少量の情報でも関連付けができるので効率が良い)ゆえ。ただ、機械については人間が設計したとはいえ、統計処理の全部ではなく、ブラックボックス化されている。特に捨てる力ゆえに捨象していたものに「宝」があってブラックボックスの挙動の違いに繋がっている(③)。
その観点で重要なのは二点だと思っており、そのブラックボックスのなかで抵抗を覚えるようなオススメを減らすこと。それには人間の慣れもあると思うし、評価・リスク関数の調整もあるだろう。
社会に広がる中では、目的を意識して活用すること、活用するリテラシーの向上の両方が重要(今は目的がないなかで万能論が出ていたりするのでバブルと思う、②)。リテラシーはAIが何が出来る・出来ないという部分と、それを実装する対象のリテラシー両方がないと、上手く社会実装できない。ただ、実装する対象のリテラシーは、自分で手を動かして考えるから身に付く部分が多く、自動化が進む中でそこが減らないかは心配なところ(④)。とはいえ、これまで電卓であったり様々な進化があったなかでも繰り返された議論かもしれず、新しい技術が出来れば新しい学び方もできるのかもしれない。
https://newspicks.com/news/1969540?ref=user_100438
https://newspicks.com/news/1977137?ref=user_100438
https://newspicks.com/news/1635205?ref=user_100438
https://newspicks.com/news/1738684?ref=user_100438
2017年よりは先の話ですが、AIが進歩するほど、正しい目標設定とは何かという問題がどんどん複雑になっていくと思います。

AIに感情のようなものをプログラムするという研究は、不合理に与えられた目標に対して自律的に機能を制御することがひとつの目的であると認識しています。昨年のNHKスペシャルのAI特集では、研究段階のものとして、他のロボットが作った積み木のタワーを壊しなさいと命令すると「仲間ががんばって作ったものだから嫌だ」と泣き出して命令を聞かないロボットが出ていました。

こういったAIのひとつの応用方法としては、犯罪などの目標に使われそうになったときの抑止かなと想像したりします。しかし犯罪であればまだわかりやすいですが、例えば政治や経営などひとつの目線からだけでは良し悪しを判断できない物事に対して、誰の目線でどう判断させるかはまさに人間側の設計の問題です。現実的には、最終的な判断は人間がやり続けなければいけないということのようにも思います。ただその場合も、これまで以上に対立する目標同士の戦いが浮き彫りになるように思います。・・・これも「妄想」かもしれませんが。
流石、参考になる。

『世の中では、機械学習のアルゴリズムやそれを使った分析をAIと呼ぶことが増えていますが、インテリジェントかつ自律的に外界の状況を掴みつつ、自ら判断し働きかけるものをAIと呼ぶ方が、意味付けが明確になると私は考えています。』

の上で、人間が目的、動作、制約、出荷条件を決め、それを上回ることはないと言い切っているところに特徴がありそう。

AIの議論はこの認識と定義のところでづれてると全く噛み合わないが、矢野さんのこのぐらいのところが、一番落としどころになりそう。
AI技術の活用を通して、データ整備で成熟した企業、未熟な企業の明暗が分かれる年に。「AI技術なんて使えねえ」という企業は、価値あるデータを持ってないという不都合な真実がブーメランで返ってくる。
データ蓄積あってこそのAI。何のためにAIを活用するのか、を明らかにしないと、どんなデータを収集する必要があるのか、そしてそれが自社に勝ち目がある(差別化できる)のか、をまず考えられないし、具体的な施策も浮かびません。

AIが魔法の杖として語られている限り、思考停止でこれ以上具体策に落としきれない会社が多いのではないでしょうか。

今年は他社に先んじた会社の実例が出てきて、少しずつ差が出てくる年になることを予想します。日本企業から多くの事例を聞くことになる一年を期待したいですね。
データ完結の世界ではGAFAに代表される米国IT企業に勝つ事は難しいけれど、データと物理世界がリンクする分野では日本企業も戦いようがあるという事かな。
やはり、AI・IoTは上田Jack様。

https://newspicks.com/user/130350
俄かエンジニアが蔓延するNewspicksで、敬服出来る稀少な人材です。
この連載について
プロピッカーとNewsPicks編集部のメンバーを中心に、NewsPicksに集ったプロフェッショナルが日々ウオッチしている専門分野の「2017年」を大胆に予測。ビジネス、テクノロジー、政治経済、世界情勢、そしてイノベーションなど、各カテゴリで2017年のトレンドになりそうなムーブメントや知っておきたいビジネスのヒントを指し示す。