政策と産業の最新動向を伝え、解説する“クオリティペイパー”


辻井潤一氏

辻井潤一氏

国立研究開発法人産業技術総合研究所
人工知能研究センター長(工学博士)
辻井 潤一氏に聞く

元々、AI(人工知能)は第5世代コンピュータのころから、人間の知識とか論理とかをコンピュータに書き込んでAIを作ろうと試みた。しかし、ナレッジボトルネックと言われるように、実際に動かすには、大量の知識を入れ込まなければなかったが、知識の量が膨大なために書き込めなかった。
人間の場合は、いろいろな知識をバラバラに、矛盾して持っていても知的に動けるのが人間の特徴だった。コンピュータは整合された、きちんとした知識データでなければ役に立たなかった。そして、量も膨大に必要だった。
その後、インターネットが出てきて、グーグル、アマゾン、アップル、フェースブックなどのIT大企業が出現してきた。例えば、グーグルなどは世界中のWebページを自分たちのサーバーに取り込み、インデックスしてあげて、サービスをする。自分たちの中にデータが大量に蓄えられるようになってきた。
アマゾンでは、どのような人が何の買い物をし、次にどのような行動をするか、商取引のデータが溜まる。フェースブックには、こういう人はこんな人たちと友達になっているといったデータが彼らのシステムに溜まってくる。
それらをうまく使うと、この本の書評を見た人にはこう言う宣伝をすると良い。あるキーワードを入力しただけで人の興味がわかるため、効果的に宣伝ができるようになった。
つまり、知識の前の膨大なデータがコンピュータの中に入ってきて、その統計的性質をうまく見つけるれば、ある種の「知識」が自動的に作れるようになった。
例えば「この本を買う人は次にこのような本を買う可能性が高い」といったある種の知識蓄えられる。これを進めていくと、人の興味や行動パターンがよくわかるようになる。これを「機械学習」と言うのです。
これは5世代でやっていた論理の知識ではなく、統計の知識であり、確率とか統計による知識がうまく引き出せる。データを与えてあげれば、コンピュータの中に知識的なものが作れるようになってきた。
また、ある意味、いろいろな技術が揃ってきたのも大きい。大きなデータを集めてくるIT企業のモデルが出て、人にサービスをし、さらに良くしていくためには、機械学習で賢くしていく必要がある。そしてさらにコンピュータが賢くなっていく。そうした機械学習に対する期待が高まり、シーズが大きくなっていったと同時に研究も進んできた。また、一般にはコンピュータの処理スピードが早くなり膨大な記憶データも蓄えられようになった。
ニーズがあり、欲求があり、機械学習とか大きなコンピュータを使うとかの技術的シーズが成熟してきたため、AIブームが再び起きてきたと見ている。
その典型が今流行りの深層学習(ディープラーニング)であり、機械学習の1つです。データをたくさん取る際、どういう特徴でデータを集めれば良いか、どういう知識を作ればよいかがコンピュータがわかる
深層学習で良かったのは、GPU(グラフィック・プロセッシング・ユニット)という画像処理技術が発達だ。これは数学で言う行列計算を処理するのに最適なアーキテクチャであったため、深層学習の技術を移しこむことがうまく行き、一気に100倍くらい処理スピードが早くなった。
深層学習で大きなデータを処理するのには以前は1週間かかっていたものが、1日または数時間で終わるとか、Webの膨大なデータ処理が1日で終わるとか、機械学習がかなり進歩しました。
ですからナレッジボトルネックを破る状態にきて、第5世代の頃のシーズ先行ではなく、現実社会にAIが役に立つようになってきたのが今のAIブームです。
(文責編集部)

次号に続く・・・、

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です

次のHTML タグと属性が使えます: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong> <img localsrc="" alt="">