AI = ディープラーニング ？ -- AI「ブーム」の現在とRPA
次回の7/29マルレクは、次のような人にぜひ聞いてもらいたいと思っています。
・会社のエライ人に「人工知能がはやっているようだから、わが社でもなんかやりたい。なんかプロジェクト考えて。」と言われて困っている人。
・「人工知能プロジェクト」を立ち上げたけど、ビジネスに落とし込むうまい着地点が見つからなくて困っている人。
みなさんが感じている困難には理由があります。それは、会社に優秀な「データ・サイエンティスト」がいないからでしょうか？ 多分、そうではありません。
「人工知能ブーム」でうまれた「人工知能万能論」に近い期待の中で、未来の人工知能技術の可能性と、現在のディープラーニング技術の可能性との混同が生まれて、ディープラーニング技術でなんでもできるのではという「幻想」が生まれています。
残念ながら、現在の大きな問題は、人工知能技術の一部としてのディープラーニング技術は、皆が信じ込んでいるほど万能ではないということです。
丸山は、ディープラーニング技術が与えるものは、これまでの手法では処理が難しかったデータ（画像データ、音声データ等）や、非常に大量のデータ（時系列データを含む）から、データに含まれる特徴量を抽出する「センサー」だと考えています。そのセンサーの精度は、他の手法では達成できない素晴らしいものです。
ただ、優れた「センサー」がいくら揃っても、それだけでは役に立つシステムはできません。「センサー」が抽出した特徴量をどのように生かすかは、「センサー」自身の設計とは別の次元の問題、システムの設計の問題です。
冷静に判断しなくてはいけないことは、このシステム設計のレベルでは、ディープラーニング技術は役に立たないということです。「ディープラーニング」が「万能」だと考えていると、このレベルでもAI技術で何かできるのではと考えたくなる人も現れるのですが、それはうまくいきません。ただ、人工知能技術ではなく、従来のシステムを設計した人間のノウハウは生かすことができるのです。
「人工知能ブーム」の中で生み出された「人工知能を応用したシステム」と言われるもののほとんど全てがこうしたものです。それは、悪いことではありません。
僕の当面のアドバイスは、「ディープラーニング技術で出来ることをリアルに正確に把握することで、ディープラーニング技術を現実の課題解決に最大限活かすことができる。」「ディープラーニング技術で出来ないことは、人間がシステム設計で補うことができる。」無用な幻想を捨てて、現実的に頭を使えということです。
この辺りの問題は、次の投稿「AI vs. RPA」で、もう少し詳しく展開します。
「それじゃ、人工知能システムとしては、面白くない。」
と考えるのなら、当面ビジネスですぐに稼働できるシステムの構築を目指すのではなく、時間とお金をかけて、未来の人口知能技術の研究を目指すべきです。
今回のマルレクのテーマは、「もう一つの人工知能技術」で、論理的・数学的推論を機械に行わせようという取り組みを紹介するのですが、そのことは、そうした技術が明日にでも実システムに応用できることを意味しません。それには、相当の時間がかかるはずです。また、こうした応用が可能な分野の見極めも必要です。今回のマルレクでは、そうしたいくつかの取り組みを紹介します。
7/29 マルレク「もう一つのAI技術」 講演レジメ
第一部 AI技術の現在
1. AI vs. RPA
2. ソフトバンクの「RPA+AI」構想
3. RPA+AIの先進事例 Skymind社の事例分析
4. Deep MindのDifferentiable Neural Computer
第二部 もう一つのAI技術
1. Deep Learningが苦手な問題
2. Rule BaseからData Base. その先は？
3. プログラムの検証
4. 証明支援システム
5. 数学の基礎とUniMath Project
最近、思わず笑ったblogの文章があります。
「RPAは馬鹿だが、AIは賢い。」
"AI vs. RPA" 2019/02/14 https://www.enfo.se/blogg/ai-vs-rpa
この記事は今年になってからのものです。言いたいことの気持ちはわかるのですが、こうした認識は、以前から見られたものです。
「RPAには "NO" というべきか」
"Should I say “NO” to RPA" 2017/03/06 http://bit.ly/2NUgYCk
これは、Roboticではない Intelligent なProcess Automationを勧めたものです。
「ごめん。あなたのbotは馬鹿じゃない？」
コメント
コメントを投稿