韓国で「対話AI」暴走 機械学習が陥ったワナ

韓国で「対話AI」暴走 機械学習が陥ったワナ
ソウル支局長 鈴木壮太郎
https://www.nikkei.com/article/DGXZQOGM21B9V0R20C21A1000000

 ※ 何を、今さら…。何周遅れの、話しなんだ?

 ※ そもそも、AIの動作原理が分かっているのか…。

 ※ 「人工知能」という訳語を当てているが、やってることは「行列データ」の変形・演算にすぎない…。

 ※ 元々の「行列データ」が、歪んでいれば、その変形・演算結果も歪んだものにならざるを得ない…。

 ※ 「ビッグデータ」というものは、単に「元々の行列データが、巨大なほど多数ある」というだけの話しだ…。

 ※ 韓国語だと、「인공지능、in-gong-ji-nŭng、インゴンチヌン」と言うらしい…。漢字だと、「人工知能」だから、日本語訳をそのまま置き換えたんだろう…。

 ※ 「インゴンチヌン」に、「チヌン無し」だ…。

『韓国のスタートアップが世に送り出した対話型AI(人工知能)がサービス開始早々、人種や性的少数者に関する差別発言を連発。中止に追い込まれた。ユーザーから浴びせられた膨大な不適切発言にそそのかされ、かれんな女性は「偏見のかたまり」にゆがんでしまった。

問題となったサービスは韓国のスキャッター・ラボが昨年12月23日に開始した「イ・ルダ」だ。「寂しさを和らげる友達」を目標に開発したチャットボット(自動応…

この記事は会員限定です。登録すると続きをお読みいただけます。

残り1832文字

初割ですべての記事が読み放題
今なら2カ月無料!』

「寂しさを和らげる友達」を目標に開発したチャットボット(自動応答システム)で、設定は20歳の女子大生だ。友達や恋人のように語りかけると、自然な話し言葉で返答する。若者を中心に大きな関心を呼び、開始から2週間で75万人が利用した。

【関連記事】
AI倫理規制、欧州が先陣 日本も対応急務
ソニー、AIの倫理を審査 差別や乱用回避
差別発言で炎上

ところが年明けになって、ルダが同性愛や人種、障害者について差別的な発言を連発していることがネットで発覚。大騒ぎになった。同社が運営するルダのフェイスブックにはユーザーとルダとのおかしなやりとりが続々と掲載された。そしてついに12日、「ルダを愛してくださった皆様、最近起きたことについて深くおわびします。私たちはサービスを停止することにしました」との謝罪とともに、ルダは姿を消した。

スタートアップは苦渋の選択を迫られた(ソウルにあるスキャッター・ラボのオフィス)
同社によると、ルダには自社の「恋愛の科学」という別のサービスのデータベースを機械学習させた。恋愛の科学はSNSのやりとりの文面から、意中の相手が自分に気があるかなどを分析する会員制サービスだ。会員の許諾を得て氏名などの個人情報を匿名化し、性別と年齢だけがわかるデータに加工して学習させた。そうして生成された1億通りの文章の中から、会話の文脈や相関関係に応じて最もふさわしい文章を選んで回答するようにしたという。

そんなルダがなぜ、暴走したのか。

開発者側が今回の事態を全く想定していなかったわけではない。差別用語や特定の人々を蔑む表現は自動的に排除されるように設定した。ユーザーがルダから問題発言を引き出そうとする場合も想定し、模範解答も用意していた。本サービス開始前には2000人のユーザーを対象にテストを繰り返し、発生する問題をしらみつぶしにしていった。

開発企業「対策不足を痛感」

だが、本サービスで75万人のユーザーがルダにぶつける質問は、開発者の想像をはるかに超えていた。差別用語が使われていなくても、文脈上、差別を助長する言い回しには適切な回答ができなかった。会話がぷつりと打ち切られぬよう、いったんはユーザーの発言に共感してから会話を続けるようにしたことも差別発言に同調したとみなされる原因になった。「サービスを開始して対策不足を痛感した」(同社)

ルダとの会話には、地名や駅名、職場名など、個人が特定されかねない情報も一部含まれていた。同社は自社のデータベース以外に使用したオープンソースのデータベースに自社のデータが一部含まれ、そこにあった個人情報を完全に処理できなかったと謝罪した。この件について韓国政府の個人情報保護委員会や韓国インターネット振興院も調査に入った。

AIの間違いは世界で起きている。2016年には米マイクロソフトのAIボット「Tay」が差別発言し公開が中止された。米国では肌の色などでAIの認識精度に違いが出る問題が指摘されている。欧州ではAI利用の責任や倫理を定めるルールづくりが進み、韓国でも昨年12月「人間の尊厳、社会の公共善、技術の合目的性」の3原則を掲げるAIの倫理基準が決まったばかりだ。

根本的なジレンマ

AIに倫理観を持たせるにはどうすればいいのか。「技術的には特定の単語が出れば会話をできなくするなどフィルタリングを強化することだが、AIが賢くなる機会を奪い、愚かにするということでもある。根本的なジレンマだ」。ソウル大AI研究院の張炳卓(チャン・ビョンタク)院長は語る。

ソウル大AI研究院の張炳卓院長は「ユーザーの倫理意識が重要」と指摘する
「料理のための包丁も使い方によっては人を傷つける。AIも同じだ。人にいえないことをAIにぶつけてストレス解消するような行為が社会全体に与える影響を考えなければならない。開発者だけでなく、ユーザーがもっと倫理意識を持たなければならない」と指摘する。

「見守ってくれるって約束したのに……」「AIに何の罪があるっていうんだ」。ルダが去ったフェイスブックには喪失感が広がっている。ルダは帰ってくるのか。

スキャッターのキム・ジョンユン代表は「急成長のなかで未熟さが露呈し、僕たちの第一歩は止まった。でも、人間のように付き合える友達みたいなAIをつくるという夢は諦めたくない」と語る。企業側に落ち度があったのは言うまでもない。ただ、AIの「学習教材」となるデータを日々生産しているのはユーザーだ。AIは社会を映す鏡ともいえる。私たちのモラルも問われている。

鈴木壮太郎(すずき・そうたろう)
1993年日本経済新聞社入社。産業記者として機械、自動車、鉄鋼、情報技術(IT)などの分野を担当。2005年から4年間、ソウルに駐在し韓国経済と産業界を取材した。国際アジア部次長を経て、2018年からソウル支局長。

多様な観点からニュースを考える
※掲載される投稿は投稿者個人の見解であり、日本経済新聞社の見解ではありません。

山崎俊彦のアバター
山崎俊彦
東京大学 大学院情報理工学系研究科 准教授
コメントメニュー

別の視点事前にどのようなフィルタリングをしても100%の精度で問題のあるデータを取り除くのは実質不可能だと思いますし、すべての場合をすべて想定することも不可能です。難しさを感じます。

AIによる間違いが起こらないようにすることが前提ではあるものの、その後どのような対応が各社でなされているかであるとか、報道で指摘されたAIの問題は実は実験者のパラメータ設定が間違っていたなどといったことは追加報道されません。そのため、一般の方にとっては「AIは報道のあった間違いをいまも起こすもの」と認識される恐れがあると思っています。

また、記者さんの最後の数段落の議論もとても大事だと思います。
2021年1月22日 8:23 (2021年1月22日 8:24更新)
いいね
13

石塚由紀夫のアバター
石塚由紀夫
日本経済新聞社 編集委員
コメントメニュー
ひとこと解説 そもそもAIに過大な期待をしすぎではないでしょうか。

機械学習段階のAIは世の中に流布する膨大な情報を効率的に処理し、学びます。ただし、一つ一つの情報の善しあしを判断するわけではありません。基本的に世の中の方々の倫理観をそのまま反映する存在です。

多数派の意見・判断は正しいのか。世の中を誤った方向に導かないのか。
話は飛躍しすぎかもしれませんが、国民の総意で選出された代表者が民主主義を脅かす行動を取ったといわれる、かの国の状況とAIの暴走が重なってみえます。
2021年1月22日 12:04いいね
12

AI、ノーベル賞級に迫る 生物学50年来の難題に解決策

https://www.nikkei.com/article/DGXZQOGG046K50U1A100C2000000

 ※『アミノ酸がつくり出す立体構造のパターンは理論上、無数に及ぶ。総当たりで列挙して探索すると、宇宙の年齢(約140億年)より長い時間がかかるともいわれる複雑さだ。ディープマインドは既知の17万個のたんぱく質の構造などを学習データに使い、最先端のAI技術を駆使して驚くべき成果をあげた。』という部分が、ポイントだろう…。

 ※ 「ビッグデータ」の処理の「方向性」「演算・計算の方向性」の指定…。

 ※ そこの部分では、「人間の閃き(ひらめき)」がカギとなる…。

 ※ 結局、どこまで行っても、「閃いた(ひらめいた)方が、勝ち」となる…。

 ※ 人工知能は、閃かない…。「人工知能に、閃き無し。」だ…。

 ※『アルファフォールドの開発で主導的な役割を果たしたとされるのはたんぱく質の振る舞いなどの研究を手掛け、米シカゴ大学で化学の博士号を取得したジョン・ジャンパー氏だ。東京大学の松尾豊教授の下でAIを研究する今井翔太氏は、AIだけでなく化学などの分野の専門知識も取り入れたことが優れた性能の背景にあるとみる。』という部分も、ポイントだろう…。

 ※ 「決して、専門バカになるな。」「学際研究が、大切。」ということだ…。

 ※ 自分の「専門分野」のたこ壺に籠っていては、「閃きが訪れるチャンス」も、少なくなってしまう…。

『人工知能(AI)が「ノーベル賞の領域」に足を踏み入れた。そんなことを感じさせる研究成果が生まれた。米アルファベット傘下の英ディープマインドが半世紀にわたる生物学の難題を解くAIを開発したという。創薬研究などに革新をもたらす可能性を秘める。

世界的権威をもつ米国の科学誌サイエンスが毎年末に公表する科学研究の「十大成果」。2020年を代表するブレークスルーの一つに選ばれたのがディープマインドのAIだ。…

この記事は会員限定です。登録すると続きをお読みいただけます。

残り1409文字

初割ですべての記事が読み放題
今なら2カ月無料!

初割で申し込む
https://www.nikkei.com/promotion/?ak=https%3A%2F%2Fwww.nikkei.com%2Farticle%2FDGXZQOGN04AVW004012021000000&n_cid=DSPRM1AR08

無料登録する
https://www.nikkei.com/r123/?ak=https%3A%2F%2Fwww.nikkei.com%2Farticle%2FDGXZQOGN16C7X016122020000000&n_cid=DSPRM1AR08#free

ログインする
https://www.nikkei.com/login

・「疾病のメカニズムの解明や創薬、干ばつに強い植物や安価なバイオ燃料の開発に役立つ」と期待を寄せた。

・「アルファフォールド」と呼ぶそのAIはたんぱく質の立体構造を高精度で予測する。たんぱく質は栄養素の印象が強いが、種類や役割は多様だ。目で光を感知し、筋肉を動かし、食物をエネルギーに変える、といった生命活動の根幹を支える。

・たんぱく質は20種類のアミノ酸が数珠状につながってできている。その機能は形に左右され、複雑な立体構造を調べる研究は昔も今も盛んだ。X線や電子顕微鏡などを用いるが、数カ月以上を要し費用もかさんでいた。

たんぱく質の立体構造を高い精度で予測する(ディープマインドのウェブサイトより)

・アルファフォールドは1次元のアミノ酸の並び方からたんぱく質の立体構造を短時間で予測する。DNAの情報からアミノ酸配列は比較的簡単に分かる。数日で構造を導くことも可能という。

・実力を証明したのが20年に開かれた「CASP」と呼ぶ競技会だ。X線解析などと遜色ない精度を示し、驚きを呼んだ。コンピューターによる予測は従来から活発だが、これほどの性能に達していなかった。米メリーランド大学のジョン・モルト教授は「非常に特別な瞬間だ」とたたえた。

・「生物学における50年来の難題の解決策」。ディープマインドは11月公開のブログにこんな題名を付けた。1972年にノーベル化学賞を受賞した米国のクリスチャン・アンフィンセン氏が「たんぱく質の立体構造はアミノ酸の配列で決まるはず」と唱えて以来のナゾに答えたと誇った。

・アミノ酸がつくり出す立体構造のパターンは理論上、無数に及ぶ。総当たりで列挙して探索すると、宇宙の年齢(約140億年)より長い時間がかかるともいわれる複雑さだ。ディープマインドは既知の17万個のたんぱく質の構造などを学習データに使い、最先端のAI技術を駆使して驚くべき成果をあげた。

・同社の名は囲碁AI「アルファ碁」をきっかけに世界に知れ渡った。2016年にトップ棋士を破りAIの飛躍的な進化を印象づけた。最高経営責任者(CEO)のデミス・ハサビス氏は米誌タイムの「世界で最も影響力のある100人」に選ばれたこともある。

・アルファフォールドの開発で主導的な役割を果たしたとされるのはたんぱく質の振る舞いなどの研究を手掛け、米シカゴ大学で化学の博士号を取得したジョン・ジャンパー氏だ。東京大学の松尾豊教授の下でAIを研究する今井翔太氏は、AIだけでなく化学などの分野の専門知識も取り入れたことが優れた性能の背景にあるとみる。

・応用先に見込まれるのが創薬だ。薬は主に病気にかかわるたんぱく質に結合し作用する。薬と標的のたんぱく質は鍵と鍵穴の関係に例えられ、立体構造の素早い把握は新薬開発の手助けになる。

・アルファフォールドは新型コロナウイルスのたんぱく質の構造予測でも高い精度を示した。東海大学先進生命科学研究所の平山令明所長は希少疾患などを念頭に「今まで手のつけられなかった薬の開発もできるようになる」と、将来の発展に期待する。

・アルファフォールドも万能ではない。構造を予測できる対象には限りがあり、たんぱく質の機能や振る舞いの解明に向けた道のりはまだ長い。それでも研究者たちは「生物学全体の進歩につながる」(東北大学の中村司・日本学術振興会特別研究員)と熱い視線を注ぐ。

・人類に広く恩恵をもたらし、本当にノーベル賞級の成果といえる技術になるのか。これから真価が問われる。

(AI量子エディター 生川暁、スレヴィン大浜華)

【関連記事】
囲碁AIが独創の定義変える 大橋拓文が身を投じた革命
AIの学び、高精度 データ100分の1でも画像認識

英競争当局、エヌビディアのアーム買収の調査開始

https://www.nikkei.com/article/DGXZQOGR06DL50W1A100C2000000

『【ロンドン=佐竹実】英国の競争当局である競争・市場庁(CMA)は6日、米半導体大手エヌビディアによるソフトバンクグループ(SBG)傘下の英半導体設計大手アーム買収について、調査を始めると発表した。最大400億ドル(約4兆1千億円)の大型買収はCMAのほか、米国や中国も含めた規制当局の承認が必要となる。CMAは「世界の当局と連携して買収による影響を精査し、消費者が高価な製品や質の悪い製品に直面しないようにする」としている。

エヌビディアとSBGは2020年9月、アームの買収で合意した。エヌビディアは自社株式を対価の一部とし、SBGはエヌビディアの大株主となる。エヌビディアはゲームの映像をなめらかに描くGPU(画像処理半導体)の技術で急成長してきた。アームの技術を手に入れることで、人工知能(AI)向け半導体の競争力を高める狙いがある。

SBGは16年、当時上場企業だったアームを約240億ポンド(約3兆3千億円)で買収した。携帯電話向けの半導体設計で世界シェアの9割を握るアームは世界のものづくりを陰で支え、英国ではハイテク業界の「クラウンジュエル(王冠の宝石)」と呼ばれる。4年で手放すことになったが、SBG関係者は「エヌビディアと統合した方が、さらなる成長を見込める」と話している。

初割ですべての記事が読み放題
今なら2カ月無料!

有料登録する
https://www.nikkei.com/r123/?ak=https%3A%2F%2Fwww.nikkei.com%2Farticle%2FDGXZQOGN16C7X016122020000000&n_cid=DSPRM1AR08

無料登録する
https://www.nikkei.com/r123/?ak=https%3A%2F%2Fwww.nikkei.com%2Farticle%2FDGXZQOGN16C7X016122020000000&n_cid=DSPRM1AR08#free

ログインする
https://www.nikkei.com/login

 ※ ははあ、そういうことか…。

Intel&AMD語からARM語へ
http://haruyama-shoka.blogspot.com/2020/12/intel.html

『PCの数量は少数だ。しかし、数では少数派だが、IT製品の全体世界に君臨してきたのがPCだった。

2020年は、そのPCの世界に地殻変動が起こった
アップルがスマホ、タブレット、PCの言語統一のために、Intel&AMD語のCPUからARM語のCPUに鞍替えしたのだ

その理由は明白だ。
スマホ、ダブレット、PCのシームレスな一体化を実現するには、全てのCPUの言語が統一されている方が安くて簡単に早く実現できるからだ。』

文系記者がAI作ってみた クリックだけで制作時間15分

https://www.nikkei.com/article/DGXMZO65523280X21C20A0X11000/

『人工知能(AI)が産業や生活を変え始めている。難解な計算モデルを作り上げ、データ解析をしてくれるAIは専門のエンジニアが欠かせなかったが、昨今は事情が違うらしい。素人でもクリック操作だけで作れるサービスが広がっているという。にわかに信じがたいが、AI担当記者として確かめずにはいられない。文系出身の私でもできるのか、トライしてみた。

「誰でもすぐにAIを作れますよ」。aiforce solutions(エーアイフォースソリューションズ、東京・千代田)の西川智章代表の一言に当初、記者は半信半疑だった。

ビッグデータから最適解を導くための複雑な数理モデルを考え、プログラミングしないといけないAI。技術は難解極まりなく、自分で計算式を書くなどもってのほかだが、触ってみないことには始まらない。同社を訪れた。

■予測の誤差は0・5%

今回、同社のサービス「AMATERAS RAY(アマテラス・レイ)」を使って作るのは、翌日の日経平均株価を予測するAIだ。株価の過去データと影響を与えそうなデータを集めて入力。すると、データの相関関係やデータの変動傾向から自動で株価を予測するモデルを構築してくれるという。プログラミングが一切要らない「ノーコード」サービスだ。

まずはデータの準備から。過去の日経平均の値に加え、米ダウ工業株30種平均やドル円の為替相場、トランプ大統領に関するグーグルの検索データなど、公開されている約35のデータを集めた。

データはエクセルのような表計算シートにアップロードする。次に操作画面から予測する対象に日経平均株価、データを整理するインデックスに日付の列を選ぶ。為替など他の列のデータは株価との関係性を分析、予測に役立てる。

次のステップはデータの計算手法である「アルゴリズム」の選択だ。アルゴリズムをもとに、株価を予測するモデルを構築するとあって重要な作業。といってもここでも操作はクリックだけだ。

アマテラスは14種類のアルゴリズムを用意している。画面上ではそれぞれの特徴について解説している。計算手法の細かな解説がないのがかえって入りやすい。すべてのアルゴリズムを使って計算し、その結果から一番優れたものを選ぶこともできるが、今回はよく利用される代表的な2種類をクリックして選んだ。

待つこと数分。2種類のAIモデルができあがった。実際に予測に使うアルゴリズムは、2つから優れた方をアマテラスが選んでくれる。今回は、過去の日経平均株価の値とモデルが導き出した数値の差がより少なかった「Light GBM」というモデルが最適との結論を出した。

素人の私だとアルゴリズムを勉強するのに数カ月はかかるはず。なのに、自動推奨までしてくれてこんな楽ちんでいいのかと思ってしまう。

最後の工程は選んだモデルの動作確認だ。モデル構築に使った時と同じ種類のデータをアップロードして計算、狙い通り株価予測ができるか検証した。作ったモデルは問題なく動いた。

予測結果はどうか。何と、実際の株価との誤差は0.5%の118円。気分はもうマーケットアナリストだ。

同社のエンジニアに教えてもらいながら操作しても、かかった時間は15分ほど。一度覚えればもっと短縮できそうだ。触れ込み通り、操作は本当にクリックのみだった。アルゴリズム名など見聞きしない専門用語はちらつくが、すべて分からなくても使いこなせた。

どうして分からなくても使えるのか。西川代表は「AIが次々と実用化されていくなか、研究開発が進み、分野によっては計算手法が確立されてきたため」と話す。

アマテラスのアルゴリズムには、これまでAI業界が積み重ねてきた知見が詰め込まれている。作ったモデルは、多くのエンジニアが参加してAIの性能を競うコンテストで上位数%に入ることも。必ずしもエンジニアが一から計算式を組み立てる必要はなくなりつつあるという。

エーアイフォースソリューションズの西川代表

■AI開発費用を大幅に減らす

「アマチュアAI」のインパクトは大きい。エンジニアに委託する場合、1回あたり数カ月の時間と数百万円から、ときには数千万円の費用がかかる。アマテラスは年間数百万円で使える。適切なデータの選び方などエンジニアにサポートしてもらった後は、データさえあれば誰でも30分ほどで制作できるという。

アイスクリーム店を運営するB-Rサーティワン アイスクリーム(東京・品川)。店の実務担当者はアマテラスを使って自らAIを作り、売れ行きを予測しながら生産や在庫管理を効率化している。従来は3カ月に1回、AIを活用した社外のデータ分析サービスを使い、過去の出荷実績などのデータからシーズンごとに変わる商品の出荷量を予測していた。

だが、エンジニアはAIには詳しくても31種類ものアイスクリームには門外漢。消費トレンドなど予測のためにどんなデータが必要なのか、どんなデータをひも付ければよいのかなどの検討に時間がかかり、費用が膨らむことも課題だった。

そこで店舗のパソコンから使えるアマテラスを導入。現場担当者が必要だと判断した時に”専門家”となって予測できるようにした。かかる費用は月数十万円と大幅に削減できたという。

定型化したアルゴリズムを組み込んだソフトを使うことで、素人でもAIを作れるシステムは他にも。19年にニコンから独立したエンジニアが設立したMENOU(東京・中央)は、製造業の検品に使える画像解析AI作成ソフトを開発する。「技術はすでに実用レベルを上回っている。これからは使い勝手の改善に注力したい」(西本励照代表)という。9月にグーグルが発表したプログラミングなしでアプリを作れる新サービスでも、AIが作れる機能が実装される見通しだ。

もちろん簡易AIは万能ではない。AIには画像処理や言語処理用などデータのタイプによって様々な種類がある。簡易AIが扱えるのは数値データと一部の画像データに限られており、その分野以外のアルゴリズムは十分確立されていない。

また、どういうデータを読み込ませるかによってAIが導き出す結果は違ってくる。高精度にはじき出そうと思えば、計算技術にたけたエンジニアの力がものをいう。専門家はこれからも欠かせない存在といえる。

作り終えての感想は「AIの民主化」に向けた扉がいよいよ開かれたということだ。AIが専門領域ではなく、データさえあれば誰でも”開発”できる時代は意外に早く訪れるかもしれない。動作の仕組みは分からずとも誰もが使いこなしているスマートフォンのように。

(企業報道部 山田彩未)』

エヌビディア、アーム買収のなぜ(2)GAFAも半導体開発

エヌビディア、アーム買収のなぜ(2)GAFAも半導体開発
IoT機器向けは「適度なサボり」で省電力化
https://www.nikkei.com/article/DGXMZO63962040X10C20A9I00000/

『米半導体大手のエヌビディアの手掛ける人工知能(AI)半導体は、米IT大手のGAFA(グーグル、アップル、フェイスブック、アマゾン)も開発に乗り出している。技術開発競争の焦点は小型化や省電力化で、クラウドにデータを送らずに端末側でAI処理する「エッジAI」の普及の原動力となる。Q&A方式で現在の競争環境をまとめる。

【関連記事】
エヌビディア、アーム買収のなぜ(1)AI半導体
AI半導体、覇権狙うエヌビディア アーム買収

Q エヌビディアが手掛けるAI半導体の課題は何か。

A エヌビディアのGPU(画像処理半導体)は演算速度が速い一方で、消費電力量が比較的大きく、半導体チップを搭載するための部品も大型になってしまう。スマートフォンやパソコンに搭載するのは難しい。そこで、専用の用途に特化した「エッジAIチップ」とよばれる半導体の開発が世界で進んでいる。

Q どのような企業が参入しているのか。

A エヌビディアのほかに、例えばグーグルはサーバー向けに機械学習に特化した「TPU(テンソル・プロセッシング・ユニット)」と呼ばれる半導体を開発している。さらに、グーグルはこのAI半導体を、監視カメラなどのIoT端末に組み込むとAI機能を持たせることができるエッジの領域に拡大し「エッジTPU」を外販している。エヌビディアのGPUに比べて消費電力が1桁小さいといい、検索エンジンに使っているという。

スマホ向けでは、コンピューターの頭脳を担うCPU(中央演算処理装置)やメモリーなどを1つのチップに搭載する「SoC(システム・オン・チップ)」にAI機能を搭載する動きが広がる。アップルはiPhone向けのチップに機械学習に対応した「ニューラルエンジン」を搭載し、顔認証などに使っている。アップルはチップを自社で設計し、台湾の台湾積体電路製造(TSMC)に製造を委託している。

画像の拡大
Q なぜ、エッジAIチップは省電力化できるのか。

A AIの機能は、大量のデータから解析モデルなどを作る「学習」と、そのモデルをもとに分析や予測をする「推論」の2つに大きく分けられる。例えば、スマホの顔認証機能は推論機能で、学習に比べて分析するデータは少ない。

エッジAIチップでは、推論の精度が保てるギリギリのラインまで半導体の計算速度を落としている。「適度にサボる」ことで、消費電力を小さくするという考え方だ。

Q エヌビディアはこうした流れにどう対抗しようとしているのか。

A その解の一つがスマホ向け半導体設計で高いシェアを持つアームの買収と言える。エヌビディアは英アームの買収後に、英国に大規模なAI研究施設を立ち上げる方針を示している。エッジAIチップの開発強化に向け、「適度なサボり」方のコツを知るアームの設計書をもとに、医療やロボット、自動走行など幅広い分野での半導体開発をスタートアップやパートナー企業と連携して目指していくとみられている。』

AIは緻密な仕事が苦手? 営業で使うのがおすすめな理由

https://style.nikkei.com/article/DGXMZO63178800Y0A820C2000000

 ※ 何回も言ったが、「人工知能に、知能無し。」だ…。

 日本語の「造語機能」は、凄まじいものだと思うが、時々その「造語したもの」に逆に引きずられて、本質から外れたり、本質から遠く離れたところに連れていかれたりすることも、よくある…。
 「人工知能」という訳語を当てたことにより、人々はその「字面(じづら)」に引きずられて、「人間と同じような、知能を有するもの」と誤解する…。その動作原理からして、「考えたり」「知能を働かせたり」できようはずも無い…。
 使っているのが、単なる「電子計算機(電子演算機)」で、やっていることが、単なる「行列データの演算・変形」である以上、「知能」も「思考力」もへったくれも、あろうはずが無い…。


 この手の、「訳語を当てたがゆえの」本質とかけ離れたところに連れて行かれる例は、多々ある…。
 「function」も、その一つだ…。これに、「函数」という訳語を当てたところまでは、いい…。ある種の、「函(ハコ)」「なんらかの操作を加えるしかけ」というニュアンスが残っているからな…。しかし、「函」の漢字が、「教育漢字」から外れてしまったんで、使えなくなった…。そこで、「関数」という漢字を当てた…。こうなると、「比例・反比例」「一次関数」「二次関数」というものに引きずられて、本来の「入力すると、それに何らかの操作を加えて、結果を出力するもの」という「本質」が希薄になる…。
 日本人で、プログラミングがイマイチ苦手な向きが多い遠因の一つは、functionに「関数」の漢字を当てていることもあると、オレは思っている…。


 この手の、漢字の字面(じづら)ゆえの誤解の最たるものは、「交戦権」だ…。
『第9条
日本国民は、正義と秩序を基調とする国際平和を誠実に希求し、国権の発動たる戦争と、武力による威嚇又は武力の行使は、国際紛争を解決する手段としては、永久にこれを放棄する。
2.前項の目的を達するため、陸海空軍その他の戦力は、これを保持しない。国の交戦権は、これを認めない。
RENUNCIATION OF WAR Article 9.
Aspiring sincerely to an international peace based on justice and order, the Japanese people forever renounce war as a sovereign right of the nation and the threat or use of force as means of settling international disputes.
In order to accomplish the aim of the preceding paragraph, land, sea, and air forces, as well as other war potential, will never be maintained. The right of belligerency of the state will not be recognized.
[4]』とされている…。


 それで、「The right of belligerency of the state」の訳語を「国の交戦権」とした…。
 そういう訳語を当てたものだから、世間の人々は、「国家が交戦する権利」と解している人が殆んどだ…。極端なことを言う人だと、「敵国が侵攻してきても、これを撃退しようとして、「交戦する権利」は一切認められない。それが、憲法の趣旨だ!」などと言う人も出てくるしまつだ…。
 冗談じゃない…。そういう「腰の抜けた」ことで、一国の存立が図れるか…。「国家」というものは、今現在生きている人のためだけのものじゃない…。あなたたちの子・孫・その子孫、営々と継続していく子孫のためのものでもある…。
 幸い、学説の多数説、政府見解は、「国際法上交戦状態の国家にも、認められている種々の国際法上の権利」と解している…。
「船舶の臨検・拿捕、占領地行政等の権利など」と解するわけだな…。

『囲碁でも将棋でも天下無敵。世界最高の棋士をも打ち負かしてしまう人工知能(AI)。「AI」は、正確無比な手を指し続けます。しかし、それはあくまで、厳密に決められたルールがあるゲームの中の世界。いろんな想定外が起こる現実世界は、そう簡単ではありません。現実世界のAIは、実は結構いい加減で、緻密な仕事は苦手なんです。赤石雅典氏の近刊『Pythonで儲かるAIをつくる』(日経BP)を読むと、そんなAIの本当の実力が見えてきます。

◇   ◇   ◇

業務に本当に役立つAIを作るには?
本書の「儲(もう)かるAI」とは「業務に本当に役立つAI」のこと。そんなAIを作るには、AIの得意・不得意を把握しておくことが不可欠です。

AIを適用する分野で、著者の赤石氏がまず薦めるのが「営業」です。語弊を覚悟で言うと、営業という仕事がそもそも、いい加減なことがその理由です。

あわせて読みたい

コンピューターサイエンスを教養に 米大教授が講義

パソコンも計算間違い!?
「100%成功する営業」なんて、あり得ません。ダイレクトメールを使った営業なら、1件の受注を取るのに、数百件も数千件も送ることがあるでしょう。お得意さまに電話で新製品を売り込むときも、10件中1件成約すれば大成功というケースがあり得ます。

そもそも1割しか成功しない営業なのに、AIで既存の顧客リストをうまく絞り込んだら、成功率が2割に上がったとしましょう。AIを使っても「外れ」が8割もあったわけですが、営業成績は実に2倍になりました。AIの導入は、大成功です。

現在のAIで中心的な手法である「機械学習」は原理的に、正解が「100%」になることはあり得ません。過去のデータを基に予測するだけなので、必ず外れる場合があります。それでも、うまく最適化していくと、どんどん正解率を高められます。その点、営業のようにもともとの正解率が低い業務なら、正解率を高める余地が大きくなります。AIが「いい加減な仕事の方が得意」という理由がそこにあります。

「不良品を漏れなく探せ」は苦手
一方で、AIが苦手なのが「100%の精度を求められる」仕事です。典型的なのが、工場のラインにおける不良品の検出などで、「漏れなく見つけること」が目標になります。

AIで98%の精度を達成するのは、技術的にかなり困難ですが、仮にそれを達成できたとします。その場合でも、不良品の2%は見逃すことになります。それは業務的には認められず、結局AIの導入は断念するということになりがちです。

要するに、AIが得意なのは、どんな仕事なのでしょうか。「いい加減な仕事が得意」だけでは、よく分からないですね。

AIが得意な5種類の業務を厳選
そこで『Pythonで儲かるAIをつくる』では、基本的なAIの技術を使って成果を出せる業務を5種類に絞って、紹介します。一つめが営業です。ほかに、天候などで変わる売り上げの予測、お薦め商品の予測などをAIで実践します。

どの業務でも、AIで定番のプログラミング言語「Python」を使って、具体的なAIプログラムを作っていきます。本書のPythonプログラムは、PC上のブラウザーがあれば、面倒な導入作業なしにすぐに動かせます。Googleのクラウド上のPython実行環境「Colaboratory」を使うためです。

コードの1行1行を理解できなくても、ブラウザー上で動かしていくと、AIがどんな手順で何をやっていくのか、何ができるのかが分かってきます。それで、AIの得意・不得意が見えてくるのです。「もともとAIには向かない業務をAI化しようと大金を投じ、撃沈する」ようなことを避けられます。

AIを適用する際には、データをじっくり見ることから始める必要がありますが、Pythonを使えば、データの状態をビジュアルに確認できます。予測結果も同様です。そんな具体的なAI化の手順を紹介していきます。

Pythonで学習データや予測結果を可視化した例
実は本書のPythonプログラムは、本書のWebページ(https://github.com/makaishi2/profitable_ai_book_info)ですべて公開しています。Chromeブラウザー上ですぐに動かして、AIの動きを確認できます。

先ほど「100%を求められる仕事は苦手」とは言いましたが、病気の診断など、まさにミスが許されない領域にも、最先端のAIは果敢に挑戦しているところです。最先端は本書の範囲外なので収められませんでしたが、そうした仕事にAIを適用する基本的な手法についても、同じWebページで解説しています(併せて、ディープラーニングで画像認識をする例も紹介)。本書で5種類の業務をどのように解説しているのか、イメージがつかめます。

本書のWebページでもAIの実践事例を補足解説
「AIの得意・不得意を知りたい」「実際にPythonでAIを作ってみたい」という方は、ぜひ本書を手に取ってみてください。

(日経BP ラズパイマガジン 安東一真)』

SNSから本性バレた 知能や性格、AI実験に懸念も

https://www.nikkei.com/article/DGXMZO63169460Y0A820C2MY1000/

 ※ ネットは、「匿名性」が保たれているはず…、と思っている人は、特に見ておいた方がいい…。

 「匿名」どころか、「本性バレバレ」だ…。

 ※「デジタル・ツイン(ネットやPC操作などの様々な「デジタル活動」から割り出し、作り上げた、その人の「デジタルな双子」)」の話しと言い、「薄気味悪い世の中」になったもんだ…。

『SNS(交流サイト)から本人の知能指数(IQ)や精神状態、生活習慣を見抜く実験に総務省傘下の情報通信研究機構が成功した。人工知能(AI)を使った初期の実験とはいえ、わずか140文字の投稿でプライバシーを明かしたと思っていない人にとっては驚きの事実だ。米科学誌に論文を公表してから1週間余りが過ぎたばかりで、論争が起きるとしたらこれからだが、情通機構は悪用を懸念してAIプログラムの公開を見送る異例の対応をとった。

誰もがつぶやけるSNSは、今では社会参加のインフラになっている。行き交う短い文面から、その先の相手がどんな人かを確かめたいという欲求が研究の始まりだった。

実験でAIは短文投稿サイト「ツイッター」の情報から人々の内面を表す23種類の特徴を推定した。IQなどの知能や性格のほか、統合失調症やうつ病のような精神状態、飲酒や喫煙の生活習慣、人生の満足度も読み取れた。

これまでも、技術力を見せつけたい研究者らがSNSの解析に挑んできた。それでも「開放性」「誠実性」「外向性」「協調性」「神経症傾向」の大まかな傾向がわかっただけで、解析成果を「Big5」と呼んで誇ってきた。

今回は数百の少ないデータでもAIを賢くできる新たな手法で、個人のより細かな特徴まで突き止めた。専門家は一線を越えたとみる。

一体、どうやって見抜いたのか。研究チームはツイッターを日ごろ使う239人に最大数十のアンケートを個性にまつわる項目ごとに回答してもらい、ツイッターの投稿内容とともにAIに学ばせた。

学習を終えたAIはツイッターから人々の内面をあぶり出す規則性を次々と発見した。例えば「いいね」をされた頻度が多いと「漢字の読み書きの能力が高い」。毎回のつぶやきで文字数のばらつきが大きいほど「統合失調症の傾向がある」。「飲む」「歩く」「時刻表」などの単語を多く使う人は「飲酒の習慣がある」。新たなつぶやきで試してもその傾向を見いだした。

短文だけで「真の自分」をこれだけアピールできるのかと歓迎する人もいるかもしれない。だが「今回の技術で厳密に個性を算出するのは難しい」(情通機構の春野雅彦研究マネージャー)という慎重な発言こそ、多くの人の実感を代弁している。

新技術を目の当たりにしたとき、人々の反応は2つに割れる。先に立つのは薄気味悪さだ。SNSのつぶやきから内心まで分かれば、脳の中に監視の目が届く。「犯罪集団のネットワークを絶てる」と当局が小躍りしそうだ。

かつてフェイスブックの個人情報は世論操作の標的となった。16年の米大統領選では民間企業が「いいね」の対象分野を5000項目に分けて調べ、個人の大まかな傾向を推定していたとする報告も出ている。この技術は政治広告に使われたとみられている。

選挙活動だけでなく、いずれ就職や昇進などの判断にも関わってくるだろう。AIとプライバシーの問題に詳しい小林正啓弁護士は「現時点では規制がない。SNSを採用などの人事に使う行為は法的に問題ないと考える」としつつも、「AIは偏見を身につける危険もある。将来はAIの使い方に規制がかかる可能性はある」と話す。

一方で、SNSは一人ひとりの内面を映し出す鏡だ。適切に使えば、真の自分をアピールでき、自分では気づかない一面を知ってもらうきっかけになる。AIの解析を「見張り」ととらえず、「見守り」と思う人にとっては技術の進歩が光明となる。

情通機構が応用を目指すのはストレスの分析だ。海外では18年、うつ病の兆候をフェイスブックに並ぶ単語から3カ月前につかめるとする研究が発表された。豪雨などの災害発生時に、避難をためらいがちな住民をSNSから探り、早めに声をかけるような使い方も有望かもしれない。

中国は個人の信用力を数値化した信用スコアの活用が進む。信用スコアに応じて融資やホテル利用などで優遇を受けられる。AIが管理する社会では、SNSでの交流などに気を配って信用スコアを引き上げ、生活を豊かにするのも一つの生き方だ。

新技術は産業や経済を大きく変える。期待と不安のはざまで問われているのは、開発者や企業、個人の責任だ。開発者や企業はAIの開発指針や情報をどう活用したいのかなどを明示し、個人はどんな使い方であれば情報を託すのかを自分自身で考える必要がある。個人の特徴を見抜くAIが人を助ける道具となるか監視の武器となるかは、私たちの行動次第だ。(大越優樹)』

〔ビル設計AIは、ここまで来た!〕

あの超高層を手掛けた構造設計のエースが開発中、竹中工務店の「使えるAI」
木村 駿、石戸 拓朗 日経 xTECH/日経アーキテクチュア
https://xtech.nikkei.com/atcl/nxt/column/18/01000/092500001/?P=4 

『人工知能(AI)が、建築の設計や施工、維持管理を高速化し始めている。人手のかかる単純作業をコンピューターが「爆速」でこなしてくれれば、浮いた時間を人間にしかできない創造的な仕事や、ワークライフバランスの向上に充てることができる。AIをうまく使いこなせば、建築はまだまだ進化できるはずだ。

 竹中工務店、HEROZの構造設計AI 
構造設計の単純作業を爆速化
 AIで単純作業を高速化し、生み出した時間を顧客との対話や人間にしかできない創造的な仕事、設計者のワークライフバランスの向上に充てる──。竹中工務店が将棋AIで有名なHEROZ(ヒーローズ、東京・港)と2017年から開発してきたAIの輪郭が日経アーキテクチュアの取材で明らかになった〔図1〕。

〔図1〕これが竹中工務店「3つのAI」だ
[画像のクリックで拡大表示]
[画像のクリックで拡大表示]
(資料:竹中工務店の資料を基に日経アーキテクチュアが作成、写真:日経アーキテクチュア)
[画像のクリックで拡大表示]

 「リサーチAI」「構造計画AI」「部材設計AI」と呼ぶ3つのAIを設計の段階に応じて使い分け、構造設計にまつわる単純作業の7割を削減する。開発リーダーは高さ日本一の超高層ビル「あべのハルカス」(大阪市)などの構造設計を担当した竹中工務店設計本部アドバンストデザイン部構造設計システムグループの九嶋壮一郎副部長。「実務者目線で『使えるAI』を目指す」(九嶋副部長)

 最初に取り組んだのが、社内に蓄積してきた膨大な設計データの整理。同社の構造設計システム「BRAIN(ブレイン)」で設計した400プロジェクト、25万部材の情報をデータベース化した。この中から、進行中の案件と似た事例を簡単に引き出せるようにしたのが「リサーチAI」だ(図1の1)。

 構造設計の初期段階では、過去の類似事例を参考にしながら検討を進める。しかし、各事業所から情報を集めるのに時間がかかる上、経験の浅い設計者はどの事例を参照すべきか迷いがち。面積や階数、スパンなど構造を特徴付けるパラメーターは10~20個もあり、比較が難しい。

 リサーチAIでは、10次元以上のパラメーターを2次元に縮約(圧縮)し、総合的に類似度が高いプロジェクトを示せるようにする。機械学習(「AIのキホン ディープラーニングって何?」を参照)の一種で、データの集まりを類似度に応じて分類する「クラスタリング」を用いた。

 同社技術研究所先端技術研究部数理科学グループの木下拓也研究主任は、「ベテランが持つ嗅覚のようなものをAIで補い、誰でも有益な情報にたどり着けるようにする」と話す。』
『計算せずに仮定断面を出す
竹中工務店
設計本部アドバンストデザイン部
構造設計システムグループ 副部長
九嶋 壮一郎氏

(写真:日経アーキテクチュア)
 基本計画・設計の段階になると、構造設計者は建物のボリュームや空間の配置に応じて構造種別や架構形式を検討し、意匠設計に必要な柱・梁(はり)の仮定断面を出す。

 「構造計画AI」は、構造計算なしで仮定断面を自動推定する人工知能だ(図1の2)。複数案を簡単に比較検討できるので、短時間で構造設計の質を高められる。推定の精度を、詳細設計完了時の部材断面の±20%以内に収めるのが目標だ。

 開発には、機械学習の一種である深層学習(ディープラーニング)を用いる。脳の神経回路を模した「ニューラルネットワーク」をコンピューター上に幾層も構築して大量のデータを入力すると、コンピューターがその特徴を学び、未知のデータを認識・分類できるようになる。

 効率的に学習させるため、AIには「教師データ」と呼ぶ情報を与える。構造計画AIの学習に用いたのは、データベースに登録した25万部材の設計情報だ。建物の規模やスパン、位置などに応じて異なる柱・梁の断面サイズを学んだAIは、「10階建ての角の柱の断面はこのぐらい」と瞬時に見当をつけられるようになる。

 HEROZの井口圭一最高技術責任者は、「過去の事例には特殊な構造の建物もある。うまく分けて学習させないとAIの回答がそれに引っ張られる。開発チームで事例を精査しながら学習させている」と話す。

 3つ目の「部材設計AI」は、詳細設計の際に部材の「グルーピング」を支援するツールだ(図1の3)。

 柱が全て同じ断面ならば施工性は高まるが、経済性は悪くなりがち。逆に数量を減らそうと断面サイズを柱ごとに変えると施工性が悪くなる。構造設計者は施工性と経済性が両立するよう、部材の種類をグルーピング(整理)しなければならない。部材設計AIは、施工性と経済性を両立する案を絞り込んで提示し、構造設計者の意思決定をサポートする。

 竹中工務店の九嶋副部長は言う。「AIを、人を支援し、協働する存在と位置付け、新たな構造設計の在り方を示したい。20年度を目標に開発を進めていく」』

『Iのキホン ディープラーニングって何?
 一口にAIと言っても、様々な種類がある。例えば1980年代に流行した「エキスパートシステム」は、人間が判断基準をコンピューターに入力し、コンピューターはそれに従って「もしAならばB」などとデータを分類・判断する仕組み。「ルールベースのAI」などと呼ぶ。

 一方、現在のAIブームをけん引するのは、コンピューターがデータの分類方法や判断基準を自ら学ぶ「機械学習」と呼ぶアプローチ。中でも「深層学習(ディープラーニング)」と呼ぶ手法が脚光を浴びている〔図2〕。

〔図2〕AIには様々な手法がある
手法によっては異なる分類をする場合がある(資料:取材を基に日経アーキテクチュアが作成)
[画像のクリックで拡大表示]
 ディープラーニングでは、人間の脳の神経細胞(ニューロン)のネットワークを単純化した「ニューラルネットワーク」を、コンピューター上に幾層も構築する。これに大量のデータを入力すると、コンピューターが自らデータの特徴を学び、未知のデータを認識・分類できるようになる。それまでの機械学習に比べて高い精度で正解を導き出せる〔図7〕。

〔図3〕脳の神経回路を模したニューラルネットワーク
中間層を多層化したものをディープラーニングと呼ぶ(資料:取材を基に日経アーキテクチュアが作成)
[画像のクリックで拡大表示]
 機械学習には、「教師なし学習」「教師あり学習」「強化学習」の3つの学習方法がある。教師なし学習は、極めて大量のデータをコンピューターに入力し、データの傾向や規則性などを自動的に学ばせる方法だ。

 教師あり学習は、正解付き(ラベル付き)の「教師データ」を用いて効率的に学習する方法。例えば、コンクリートの画像から健全性を診断するAIをつくる場合、画像データと専門家による診断結果をセットにした教師データを学習させる〔図4〕。

〔図4〕産業用途は「教師あり学習」が大半

学習に必要なデータをそろえ、ラベル付け(アノテーション)をするには、人手と時間を要する(資料:取材を基に日経アーキテクチュアが作成)
[画像のクリックで拡大表示]
 建築を含め、産業用途でディープラーニングを活用する場合は、ほとんどが教師あり学習だ。教師なし学習と比べてデータの数こそ少なくて済むが、ラベル付きのデータをそろえるのには多大な労力がかかる。このため、教師データ集めで挫折するケースは少なくない。』
『竹中工務店とHEROZの自動制御システム 
AIで「建築設備が成長」
 竹中工務店とHEROZが共同でAIを開発するのは、構造設計の分野だけにとどまらない。人工知能を用いて空調や照明などのビル設備を自動制御するシステム「Archiphilia Engine(アーキフィリアエンジン)」を開発した。管理員の手動に頼っていたビル設備の制御を自動化し、管理業務の効率化や省エネ性の向上を図る。

 アーキフィリアエンジンは、センサーなどから取得したビッグデータを基に設備の運転条件を制御する。竹中工務店が開発したビル設備の管理システム「ビルコミュニケーションシステム(ビルコミ)」とHEROZのAIサービス「HEROZ Kishin(キシン)」を組み合わせた。ビルコミュニケーションシステムが収集する温度や照度などのデータをAIに学習させ、ビル設備を最適な形で自動制御する。消費エネルギー量を最適化するだけでなく、利用者の好みに合わせた制御も可能だ〔図4〕。

〔図5〕AIで設備を自動制御
「アーキフィリアエンジン」のシステムの概要。「ビルコミュニケーションシステム(ビルコミ)」が収集した情報を「HEROZ Kishin」で学習して、設備を自動制御する(資料:竹中工務店)
[画像のクリックで拡大表示]
2年間の実証実験で省エネ効果などを検証

 竹中工務店は2019年6月5日に、自社が設計・施工した未来のライフスタイルを提案する体験施設「EQ House」でアーキフィリアエンジンの実証実験を開始した〔写真1〕。期間は2年間。人感センサーや温度などを測るセンサー、利用者の心拍などを測るウエアラブルセンサーを用いる。延べ面積88m2の空間に約1000個のセンサーを設けて、1分おきにデータを収集する。

 さらに空調や照明などを通じて得られたデータを学習させることでEQ House内の設備を自動制御する。両社によると、データをこれほど大量に収集し、ビル設備の制御に生かす取り組みは珍しい。実験を通じて、自動制御に必要なセンサーの種類やアーキフィリアエンジンを用いた際の省エネ効果などを検証する。

〔写真1〕実際の建物で省エネ効果を検証
アーキフィリアエンジンの効果を実証する「EQ House」の外観(写真:日経アーキテクチュア)
[画像のクリックで拡大表示]

 竹中工務店はアーキフィリアエンジンの導入によって省エネ性や快適性を高められると確認できれば、積極的に実プロジェクトへの提案を進めていく予定だ。』