誤解だらけの人工知能 の商品レビュー

田中潤(著者),松本健太郎(著者)

2018/09/02

今まで何冊か人工知能の本を読んできたけれど、その総決算と言ってもいいかもしれない。現状、そして、将来の人工知能について冷製で分かりやすい説明と分析。手元において何度も読み直したい本。

2018/09/01

難しいテーマのAIや機械学習について、非常にわかりやすく書けていると思います。

対談形式で書かれており、たまに口が悪いなと思う部分もありますが、かえって伝わりやすくなっている印象です。

AIに仕事を奪われてしまうなどと言われるが、一体どういうことなのか、本当にそうなるのかと思っている方によいのではないでしょうか。

IT業界で働いている関係上、もう少し技術的な話題も期待したのですが、そういった部分は殆どありませんでした。
技術書ではないですしね。

巷には、AIについて実際には良くわかっていないがSFチックに語っている本もあるようですが、それに比べ非常に良心的な本だと思います。内容についても、同意できる部分が多かったです。

2018/07/12

期待を持ちすぎている人にたいしての誤解であって、個人的にはそりゃそうだろうと思うことが多かった。
この著者も、ディープラーニングを使ってなきゃ、人工知能とはいえないみたいな記述があって、極端だなぁと思った。まあ、自分も、いつの間にかアマゾンのレコメンド機能が人工知能といわれるようになってるのは違和感があるけど。
この本で紹介されているAIを使った製品の中では、『Tegaki』という日本語文字の手書き文字認識が99.22%という技術がちょっと気になった。99%って確かにすごい高精度だなぁ。
誤解じゃないけど、自動運転のAIにトラックの写真を道路と思わせて学習させたら、トラックに突っ込むという話はなるほどと思った。そういうトリックが今後、どっかのミステリー作品で使われたりするだろうか。
なお、aiboのようにリアルデートを収集できる動くロボットを日本からでたことは快挙だとのこと。GoogleやAmazonは地団駄を踏む音が聞こえてきそうとのことなんだけど、そういうもんなのか。それらの企業は、各部屋にスマートスピーカーを置くことを考えてそうな気がするのだけど。
後、驚いたのが、日本はAIの技術についてはだいぶ出遅れているけれども、ブロックチェーン技術については日本が先端グループにいるとのこと。そんな印象はないのだけど、日本が先端グループなのか。

2018/06/19

ものすごく簡単にいうと、ディープラーニングとは「分類」ができます

動画認識が発展していくと、今度は３−４年かけて動作の理解が進むはずです。

2018年時点での理解　名詞
車がバックしているなど同士で理解するのはまだ先

ディープラーニングは特徴のとり方がめちゃくちゃ上手い

数字や言葉などデータとして表現できないものを人間のように読み取る力がまったくない

データで表現できない何かを、ディープラーニングで言葉にして具現化するのはすごく難しい

Tegaki 日本のベンチャー　紙に書かれた文字をデジタル化

ディープラーニング　理由を説明できない
それを乗り越えるための手法はディダクション　演繹
１０年以上先

ロボットに必要な技術　音声認識と動作解析の精度、さらに文脈理解

説明責任が果たせない分野に、ディープラーニングは浸透しないでしょう

ディープラーニング　日本でpreferredNetworkのChainerくらい　日本遅れている

人工知能時代のデータの管理は、一元化するのでなく、分散させる　ブロックチェーン

2018年のディープラーニングは、意味の理解には程遠い

意味というのは、それがある状態と無い状態、両方を想像できたときに差分なんです

第３次人工知能がいったん落ち着いた後、再び盛り上がるためのブレークスルーポイントは間違いなく、この意味の理解です

意味が理解できると、少量のデータでも、前後の文脈、状況を加味して、非マニュアル的対応ができるようになる

2017年　中国　アリペイが提供する芝麻信用というユーザの信用度を数字で算出するサービスが爆発的に普及している

2018/05/13

本書は、人工知能の開発に携わる一人の著者に対して、データサイエンティストとしてデータ分析などをTVや雑誌で解説しているもう一人の著者が、現状の人工知能ブームの実態に対して、対話する形で進められる一冊。

人工知能が何でも人間のやることを代替えできる万能の技術のような論調が多い中、人工知能の可能性と限界について開発者の立場からその実態を冷静に論じている。

結局、人工知能（ディープラーニング）も従来の統計学手法の延長線上にある技術で、やっていることは物事を「分類」すること。

現在のディープラーニングは、分類するための特徴量を人間が指定する必要が無いことと、特徴量が高次元の場合にも対応できるようになったことが従来の技術と一線を画するようになったところ。

ただし、人工知能は「意味」を理解することはできない。この「意味付け・理由付け」をする技術が次のブレイクスルーを生む、と本書では言っているけれど、それは後30〜40年先ではとのこと。

また、人工知能に仕事を奪われるのではなく、仕事をする必要がなくなる、という観点も合点がいった。
仕事を人工知能がやってくれるようになっても、経済を回すためにはお金が消費する必要があるので、お金を使ってもらう存在が必要。いろいろ課題はあると思うが、将来的には労働時間は劇的に短くなる方向だと感じる。

技術的な解説はほとんどないが、人工知能の現状と今後の可能性を把握する上では、類書と比較して実態に即した内容となっている。

2018/02/19

確かに人工知能を「誤解」してたかも。
あの犬っぽく見える板を、ちゃんと人工知能も「犬」だと錯覚していて、まぁそうだよね～となった。