人工知能が変える仕事の未来 の商品レビュー

野村直之(著者)

2022/10/17

AIが仕事にどの様にして入りこむのか、どの様な影響を与えるのかを多面的に考察されている。
とにかく著者は、昨今のAIが仕事を奪うとか、知能を持ち人間を駆逐するとかは全くのデタラメだと言う事を強く述べている。AIは総当たり。いわば力づく。膨大なデータを高速なCPUで処理、判定しているに過ぎない。そもそも【意識】の定義も曖昧にコンピュータが自我を持つ事は現実的ではない。仕組みを考えれば至極当然だ。
「道具は人間の能力の一部を超えていて当たり前」。つまりAIとは当然として道具なのである。

2022/01/28

よくあるAI本と違い、本質をとらえ正しく表現している良書。とくに「ソフトウェア開発者を建築家、デザイナー、アーティストと見なしてきた欧米、中国と比べると、日本の大企業では…ソフトウェア開発者を工場の組立工のように見なす」は完全に同意(ソフトウェア開発をエンジニアリングと表現すること自体違和感というか、嫌悪感すら感じる)。
最後の方、特に人材教育のあたりがややもすると安っぽいその他の一般論と被ってるように感じられたのが、唯一残念。
やはりこのくらいのボリューム感がないとこの手の話は掘り下げられない、ということか。とはいえ、この分厚さはぱっと見ウッ、となる。今回は著者がJ社時代の先輩？同僚？だったのが影響したが、今後の本選びの指標となった。

2020/01/25

2020年、これからの10年の過ごし方で、人生が大きく変わる。
そう思い、話題のAIの動向を少しでも理解しようと、読み始めたものの、今の自分には少し難しい・・・
でも、以前読んだことがあるビジネス書（仕事ができるやつになる最短の道）の1文が紹介されていた。
自分の学んでいることがつながるって、うれしい。
コツコツと本を読み続け、自分を磨き続けよう

2019/10/19

人工知能が変える仕事の未来
著作者：野村直之
AIの適用を業務でもやっているが、AIにも向いているところと向いていないところがあり、自然言語処理などは相当に難しく、汎用AIの出現は相当先の話であるという考えを共有している。真面目で倫理的な抑制が効いた良本。
タイムライン
https://booklog.jp/timeline/users/collabo39698

2019/02/06

うーん。
・神経回路の網の数理　甘利
・エージェントによる？　AI
・製造業もサービスの販売学

2019/01/13

・素材画像から、歌詞に合わせてカラオケの背景動画を作成するAI
・山手線の床の重量から混雑度を測定しすいている車両を案内
→それできるなら、少なくともエアコンの設定くらいしてほしい（笑）
・VOCをテキスト分析して福利厚生・時給などの観点でスコアリングし、自社/競合とのポジショニングマップを作成

2019/01/01

「強いAI」「弱いAI」という分類がポイント。
今でこそ当たり前の分類だが、本書の出版当時としてはここの指摘は重要だったはず。

ざっくり、人間により近いのが前者で、コンピュータの得意分野（データ処理）に特化しているのが後者。言い換えると、「人間と区別がつかないくらい不完全」なのが強いAI。著者はこの領域は当分先、とみている。計算機としてのコンピュータに画像その他の認識技術を組み合わせ、「ある分野については人間よりずっと優秀」な機械、すなわち弱いAIを追究するのがビジネス的にも技術的にもトレンドだ、と。

人間にとって面倒くさいことを肩代わりしてくれる「秘書的なAI」は、我々の生活をずっと豊かにしてくれるだろう、というポジティブな未来観にも共感できた。

2018/12/10

本書が目的とするところは、AI技術の現状を正しく伝えて、「シンギュラリティ」といったような煽り言葉によって持たれるかもしれないAIに対する歪んだイメージを正したいということにある。

著者は次のように書く。
「著者が本書を執筆した大きな動機は、今回のAIブームがバブルとなり、弾けて、前回と同様、産業応用が頓挫することを怖れた点にあります。現時点のAIが人間と同じだとか、人間的な能力、人間的なやり方(本物の意思や責任感が生み出した新発想など)で問題解決する能力で人間を超えたとか、人間が学び得るあらゆることをすでに学べるようになったので、30年以内に全人類の知能を超える、などと喧伝するのも危険といえば危険です」

また、「大したAI技術も使っていないのに普通に検索、レコメンドをした程度で「AI搭載だからすごい!」と発表するような企業によってAIがバズワードとして消費され、いわゆるガードナーの曲線のやま(Hype)を超えて廃れてしまう心配があります」 と言うとき、過去のファジーやニューロといったバズワードが消えていった経緯を思い出している。確かにファジーやニューロはまったくそれが効果を持つ根拠がわからなかったが、AIは、かつて消えていった技術とは違うことは確かである。

著者はAIの議論をする上で、言及するAIをきちんと分類して議論するべきだという。具体的には、「強いAI－弱いAI」、「専用AI－汎用AI」「知識データの量:多いー少ない」の三軸でAIを分類するべきだと主張する。

「実際には何百種類、何千種類の異なる方法、AIがあるのに、実は点義も千差万別ではっきりしない人工知能を、魔法のおまじないのように称するのは、ほぼインチキ臭いといってよい」

現時点では、「強いAI」や「汎用AI」よりも専用型で弱いAIの方が実用的で現在の技術に向いているとし、その精度向上にはデータの量が重要であるが、データが少なければ少ないなりに何とかするというのもポイントのひとつであると指摘するものである。最終的には、上手くAIと共存することができるようになったものがもっともよくAIからの利益を引き出せることができるだろう。実態としては、自然言語処理は難しいが、専用の画像認識であれば人間以上に正確にやれるし、もちろん速度も人間とはけた違いに速い。

著者はいわゆるシンギュラリティ論についても手厳しい。とにかく、シンギュラリティのような夢物語を語ることで生じる誤解やその後の幻滅期について懸念を持っているのである。

「シンギュラリティ論や、「学習」「推論」「感覚的に理解」などの用語をこのように括弧付きでAI専用の定義の下で使わずに、人間の「学習」「予測」などと混同することから生じた未来予測が氾濫しています」

著者がシンギュラリティがすぐには来ないとする理由のひとつが、脳の神経細胞との構造上の違いである。

「3Dの完全立体配線である脳は、ひとつの神経細胞が平均で他の2万個もの神経細胞とつながっており、高々周囲の数個のトランジスタとしかつながれない通常のCPUとは、何桁も複雑度が違います」

もう少し納得感のある説明を挙げると、「ディープラーニングの代表格、CNNやRNNが目下得意とする「パターン認識」は、人の脳内の思考を模した人工知能というより、目や耳からの刺激が何であるかを忠実に判定する視角、聴覚の能力」なのである。

AIの適用を業務でもやっているが、AIにも向いているところと向いていないところがあり、自然言語処理などは相当に難しく、汎用AIの出現は相当先の話であるという考えを共有している。真面目で倫理的な抑制が効いた良本。

2018/10/04

AI普及に対する過剰な期待や危機感をあおることはなく、研究者としての目線で今までとこれからをわかりやすく説明。
今回は第3次AIブームであること、人類値を超える転換点は2045年までにはこないことと明記。
AIの3軸分類　強弱　専用汎用　知識データの量で分類し、ヒトの能力の補佐とヒト脳つくりから超知能までのレベルへと方向性をわかりやすく図示
AIの得意な分野、新サービスの開発、暗黙知での動きをディープラーニング活用など具体例で示している

ラブロックのサービス分類
IBMワトソン
LED電球Hue
JR東日本の空いている車両案内
パナソニック　ホスピー

2018/05/28

筆者の溢れんばかりの知識が満載。自動運転で、伊藤穣一と同じ論点が提示されていた部分は示唆に富み、今後も注意しておきたい。