人工知能はどのようにして「名人」を超えたのか？ の商品レビュー

山本一成(著者)

2018/04/18

機械学習・深層学習・強化学習の違いがなんとなーーく分かったような気がします。将棋ソフトのポナンザやアルファ碁の成長ストーリーが面白いです。

2018/04/16

記憶力だけで解決する問題は、現代では人工知能の対象ではない。

知能とは探索と評価。未来をエミュレートし、目星を付ける。
探索はエミュレート、探索+評価はシミュレート。

チェスは勝ち方を教えられる。人工知能でなくてもよい。
将棋は勝ち方を教えられない。機械学習が必要。

プロの指し手を記憶さえて、それを評価させる。機械学習で学習する。

黒魔術＝機械学習のスラング＝どうやって強くなったのか説明できない。怠惰な並列化、など。

ディープラーニングは、機械学習のひとつ。ポナンザにはロジスティック回帰という機械学習の手法を使った。
ディープラーニングは画像の解析に最適。

過学習＝放っておくと丸暗記する＝未知の問題は正解率が落ちる。それを避けるため一部をドロップアウトさせる＝学習困難にさせる。

マルチモーダル＝画像、文字、音声をどれでも入力して、他の形で出力する。画像を入力して説明文を出力する。
知能の本質は画像なのではないか。頭は二次元の画像で認識している。

人工知能の発達で、還元的な科学手法ではない方法を受け入れる必要が出てきた。

教師あり学習の次は、強化学習＝教師なし学習。
自分で評価の方法を学習する。
強化学習とは守破離＝師匠の教えを捨てる。

最初に、大量のデータで教師あり学習をし、その後強化学習する。

モンテカルロ法＝サイコロを振る。
囲碁では評価の方法がないので、探索によって手を見つける。いろいろな手をやってみてどちらが勝つか、で評価する。

エレガントな解法に対してエレファントな解法＝力任せの解法のこと。実際の社会では有用なことも多い。

プロ棋士がアルファ碁の真似をし始めた＝科学が宗教になる瞬間を見た。

知の本質＝昆虫と人間の違い、だった。
人工知能後は、強化学習とディープラーニングのおかげで、人間と人工知能の間を考えるべき。

知能は与えられた目的に向かう道を探す能力＝今の人工知能。
知性は、目的を設計できる力。目的を持つのは意味と物語で考える力。今のところ、目的を動的に設定できるプログラムを書くことはできない。
ディープラーニングをつなげれば実現できるかもしれない。

人間に絶対負けないことを目的とすると、手段を選ばない人工知能は、人間を絶滅させることで達成しようとするかもしれない。

人工知能は、倫理観と価値観も学習する。
シンギュラリティ―は指数関数的に成長すれば、十分あり得る。追いつかれたと思ったらあっという間にはるか先までいってしまう。

人工知能は人間の間違い、間違った倫理観も学習する。私たちの子供である。できる限りいい人である必要がある。ネット上の発言など。

2018/04/13

ここ数年のAIの躍進を簡単に解説した本は2冊ほど読んだけど、執筆当時最強の将棋ソフトの開発者という立場から、いろいろと具体的なことが書かれているのがわかりやすい。

黒魔術なんて言葉は実際にAIを作ってる人じゃないとなかなか出てこないのではないだろうか。

でもこの本を出した直後に別のソフトに負けちゃって、今はもう引退してるとか。

2018/03/21

現在最強の将棋AIボザンナの開発者である著者が自身の開発の経緯と人工知能の歴史からアルファ碁を始めてする現在の人工知能の解説しそのシンギュラリティなど将来を展望する。
ご自身の開発の経緯と人工知能の一般論が妙に絡んでいて混乱するところもありますが、数式無しでのディープラーニングやモンテカルロ法等の説明などはとても分かりやすく勉強になります。
最弱将棋プログラムから「機械学習（ロジスティック回帰）」を導入して画期的に強くなり、マルチコア向けの「怠惰な並列化」や結果をフィードバックする「強化学習」で更に強さに磨きを掛け、そしてディープラーニングの導入との育成過程はとても興味深く読めました。
人工知能は人間から学習するとして、人類が「いい人」であればシンギュラリティが起っても大丈夫とのことですが。。。

2018/03/19

人間は指数的な成長を直感的に理解できない。
AIはa prioriなシミュレーションで確率論を利用、abinitio なシミュレーションは還元主義的である。

2018/03/15

将棋や囲碁で人工知能が人間を凌駕した瞬間の反応とその後の感情の変化は、将来じぶんの仕事がAIに取って代わられたりシンギュラリティが起きたときに同じ道をたどるのだろうと考えさせられる。

2018/02/27

本著は将棋AIポナンザが名人に勝利するまでの経緯になぞらえ、人工知能を解説している。

万能な人工知能（強いAI）ではなくー領域での人工知能（弱いAI）についての話だ。その分、具体的で分かりやすくなっている。

同じボードゲームでもチェスAI、将棋AI、囲碁AIとでは、人工知能化するには事情がかなり異なるらしい。

チェス・・・数式で表現が確立していた→1997年世界チャンピオンに勝利
将　棋・・・数式の表現を試行錯誤→2013年プロ四段に勝利
囲　碁・・・数式で表現不能→2016年イ・セドル氏に勝利

つまり、同じボードゲームでも数式でどう表現するかによって、人工知能化していくアプローチは全く異なるものになってくる。結局、将棋は強化学習（機械学習）で、囲碁はディープラーニングでプロに勝利したというのがミソとなっている。

後にボナンザ（将棋AI）もディープラーニングを搭載するだが、その一番知りたかった部分が書かれていなかったのが残念だ。人工知能に興味を持った読者が最も知りたい部分だと思うのだが。。

270ページほどのボリュームのうち、70ページは対談になっているので、購入する前にそこは確認しておいたほうが良いだろう。

他に著者の面白い知見は次の通り。

◯「知能は画像」というのは興味深い。
　一部分は当てはまると思うが、全てではないと思う。しかし、逆に言えば、画像に置き換えられるものは、ディープラーニングで解決可能ということだと思う。それについては同意できる。

◯現実の問題（政治などの問題）は囲碁の問題よりも易しいと考えている
　これはインタビューの中に書かれてあったので、どのような根拠でこう書かれているのか分からなかったのだが、政治の不甲斐なさを感じている身としては、是非チャレンジしていただきたい項目である。格差の問題や資源配分の問題については、人間よりコンピュータの方が期待できそうである。

2018/07/31

【文章】
　とても読み易い
【気付き】
　★★★★・
【ハマり】
　★★★★★
【共感度】
　★★★★・

機械学習の手法
・ロジスティック回帰
・ディープラーニング
・SVM
・ランダムフォレスト

知能の本質は画像理解かもしれない

黒魔術化、量子力学にちかい

今の人工知能は論理的に動くが、論理的に考える力が弱い

人工知能の学習も守破離、
教師あり学習から強化学習へ、人間の模倣から始まる。

人間に対して攻撃的な人間が存在する以上、
人工知能が人間を攻撃するという結論を導き出しても致し方ない。

知性…目的を設計する能力
知能…目的までの道筋を見つける能力

2018/01/02

将棋ソフトポナンザの作者の著書。

知性=目的を設計できる能力
知能=目的に向かう道を能力

どんなに才能があっても、最初はやはりある先生について、その指示の通り学習（練習）をするのが近道。しかし世界最高を目指すなら先生の言うことを聞くだけ、教本を読むだけではダメ。自分で考え、試行錯誤し、先生や本の教えから離れる必要がある。
そうしなければ先人を超えることはできない。

グーグル画像管理アプリなど 人間の判断を元とした大量のデータと関連文を収集して学習している。人間の倫理観をも学習する。インターネットを含む全ての世界でできるだけいい人でいること。

2017/12/13

知性>知能(探索+評価)
知性; 目的を設計できる能力
知能; 目的に向かう道を探す能力

アルファ碁
13層、192個のチャネル/層
19*19*192*13
CPU; 1202個
GPU; 176個
3つの画像; 白、黒、ブランク
DQN; Deep Q-Network
過学習を防ぐ技術; ドロップアウト

碁は評価方法が見つからなかった。