TsuyoshiKusakaの日々思うこと その2

(株)クエステトラに所属、ITエンジニア、テニス好き、地域のお手伝いをいろいろ、@tsuyoshikusaka

「人工知能は人間を超えるか ディープラーニングの先にあるもの」を読んで

http://ecx.images-amazon.com/images/I/51mWcqy%2BipL._AA324_PIkin4,BottomRight,-47,22_AA346_SH20_OU09_.jpg

読んでから少し日が経っているが、メモやいくつか感じたことなど。

まず、本から印象に残った点など
・シンギュラリティ(技術的特異点):自分自身よりも賢い人工知能が作れるようになった瞬間に無限に知能が高められる
・構成論的に解明=作ることによって理解、脳科学は分析的アプローチ
・感情を持つように実現できるのはまだ遠い
人工知能のレベル
 -単純制御:エアコン、洗濯機など
 -古典的:将棋プログラムや掃除ロボット
 -機械学習ビッグデータもとに
 -ディープラーニング:特徴表現学習
オントロジー(知識の記述)も難しい
IBM のワトソンは質問の意味を理解しているのではなく、最も条件に近いものを高速に引っ張り出している
機械翻訳は一般常識(背景となる知識)が必要なため難しい
・フレーム問題=関係ある知識だけ取り出して使うことの難しさ
・シンボルクラウディング問題=記号と意味が結びついていない
・新聞記事の分類の方法
 -最近傍法:一番近い隣を使う
 -ナイーブベイズ法:確率に関するベイズの定理で分ける
 -決定木:ある値が入っているかどうかで分ける
 -サポートベクターマシン:マージン(余白)を最大にするように分ける
 -ニューラルネットワーク:脳神経回路をまねする
・年齢とともに学習能力は落ちるが、判断識別能力は長い年月かけてつくられるので、高齢者が経営に強いケースが多い
機械学習の精度アップは特徴量設計が重要、ディープラーニングはそれをコンピュータが作る
・抽象化によって知識を転移させることが変化する環境に対応する協力な武器になる

 

その他思ったことなど

・大学時代の研究で、ファジィ制御(トレーラトラックの後退運転制御)をしていたのだが、そのころのメンバシップ関数は簡単なものだった。当時チューニングは手動で行っていた

ビッグデータは一時期の流行で終わらずに、基盤的なものとして定着しそう

・BRMS(Business Rule Management System)がビッグデータのフィルタに使われている事例があるのだとか。またディープラーニングは BRMS のデシジョンテーブルを作るのに使えそう

・最近、機械学習関連でいろいろ使えるものがある
 -Googleオープンソース公開した機械学習ライブラリ TensorFlow

 -AWSMicrosoft Azure の機械学習サービス Amazon Machine Learning 、Azure Machine Learning
 -Preferred Networks/Preferred Infrastructure が公開した Deep Learning フレームワーク chainer.com

googledevjp.blogspot.jp

aws.amazon.com

azure.microsoft.com

chainer.org