Webディレクターtsushan’s blog

大手アパレルのWebディレクターを始めて2年。日々の業務などで得た知識や、自分の興味関心のある分野「教育」「テクノロジー」「ブログ」などについての知識整理・共有をメインにこのブログで発信していきます。

【人工知能】AIの4つのレベル

旧正月を中華街で過ごしたTsushanです。最近、中国が恋しいです。

 

前回のブログでは、AIの歴史について紹介した。

 

AIは主に3つのブームと冬の時代を経て、今に至っている。

ブーム1:探索・推論(1950年代後半〜1960年代)

ブーム2:エキスパートシステム(1980年代〜1990年ごろ)

ブーム3:機械学習ディープラーニング(2010年〜現在)

 

今日は、AIのレベルについて紹介する。

 

AIは上記の3つのブームを経て今に至っているが、

今、身の回りのすべてのAI関係の製品やサービスが機械学習ディープラーニングのレベルになっているかというと、そんなことは決してない。実際は、上記の3つブームの技術内容がさまざまな場面で使われていて、私達の周りの存在している。

 

f:id:tsushan:20180218164155p:plain

※画像の無断使用はおやめください。使用する際は必ず、以下ソースを貼り付けください。

【人工知能】AIのレベル分け - Webディレクターtsushan’s blog

 

AIは現在4つのレベルに別れている、これはAIの歴史の分類とほぼ同じである。

レベル0:制御工学の応用

特徴:

マーケティング手法で、「人工知能搭載とされている」とうたわれている商品や家電。

例えば、

・気温の変化や省エネのレベルに応じて自動で温度・湿度を調整するエアコン。
・中に入っている食材に合わせて最適な温度調節をする冷蔵庫。

これらは実際、制御工学、システム工学の発展であり、人工知能ではない。

 

レベル1:推論・探索

特徴:

簡単なIF分岐をして、物事を判断する。

例えば、ハノイの塔、迷路を解くことができる。チェス・オセロ・将棋するプログラムも本来ここに分類される。現在は、機械学習ディープラーニングも組み込まれているので、厳密分類が難しくなってきている。また、Botの原型もこのレベルに入る。

課題:

トイプロブレムと呼ばれるものしか解けない。現実世界で起こり得る問題は解けない。


レベル2:知識の応用(エキスパートシステム

特徴: 

エキスパートシステムと呼ばれているもの。

同じIF分岐でも、レベル1の探索よりパターンが複雑で多い。ワトソンの原型はここに分類される。医学、薬学、の知識などを大量に読み込むことで、現在の症状から、病名を判定したりする(マイシンの事例)。現実世界の問題は、この例のように限定的になら解ける。

課題:

知識を入れるのに、その分野のエキスパートが必要で、莫大な時間とコストがかかる。

自らは学習できない。

レベル3:機械学習

特徴:

ビックデータをもとに自動的に判断したりする人工知能

機械学習アルゴリズムが利用されていることが多い。

機械学習とは、サンプルとなるデータをもとに、ルールや知識を自ら学習するものである。

Google検索エンジンがこのレベル3に当たる。思いついた人物を当てるアプリ、「アキネーター」もこちらに当たる。アキネーターが利用されている人を当てる技術は、実際は、レベル2のものに当たるが、最近は機械学習も行って勉強しているようなので、ここのレベル3に分類される。

課題:

ビックデータがあるとはいえ、人間が学習するサンプル(特徴量)や答えを用意する必要があるので、レベル2ほどではないが、コストがかかる。

 

レベル4:ディープラーニング

特徴:

人間が勉強サンプルや概念というものを与える必要がない。AIレベルの汎用性が上がる。画像認識、クラス分類、自然言語処理、音声処理、など、様々な分野で活躍している。また、活躍する見込みがある。

例えば、

AWSディープラーニングがこれの事例に当たる。

課題:

技術自体が難しく、操れる技術者や研究員が少ない。

 

ここまでが、AIのレベル分けについての話。

現在、世界中の最先端IT企業で1番盛り上がっている、分野ここのレベル4のところであり、ディープラーニング関連の技術者の給料は世界トップレベルだと、年俸数十億にも登る。

 

自分たちはこれから、AIを元に提案していくときや、AIの事例を勉強するときに、このAIのレベルを意識しながら行ったほうが、技術者との会話がしやすくなり、また実現の可能性の検討が正確になると筆者は考えている。

 

では、今日はここまで!!

【人工知能】AIの歴史:AIの三大ブーム

AIについて知ることが日に日に楽しくなっているTsushanです。

 

今日はAIの歴史について!

 

AI(Artificial Intelligence)という言葉が初めて使われたのは、1956年夏、「ダートマス会議」でのことだった。それからAIは3つのブームを経ることになる。

 

f:id:tsushan:20180211143315p:plain

 

第一次AIブーム:探索と推論(1950年代後半〜1960年代)

計算機だったコンピューターが、「探索と推論」をコンピューターが行えるようになったことで、AIに対する期待が高まった。ルールやゴールが決まっているものに対して、AIは自らそのルールに対して動けるようになった。例えば、迷路を解く際にしらみつぶしに選択肢を探索してゴールにたどり着くことや、チェスなどの対戦ゲームにおいてなるべく自分が有利になるように選択肢を選んでいくことなどがここにあたる。

この推論と探索によって人工知能はパズルや迷路を解いたり、数学の定理を証明をしたり、チェスを指したりといった、ちゃんとルールややり方決まっている知的と思える活動を行えるようになった。これをトイ・プロブレムと呼ぶ。(さらに詳しい内容は、別の記事で今度書こう。)

しかし、検索と推論だけでは、ルールやゴールが決まっていない課題を解けなかった。私達の生きている上でぶつかるさまざまな問題、例えば環境汚染への対応の仕方だったり、戦争の止め方だったり、病気の治し方だったりだ。そのため、研究者たちは失望した。これをリアルワールド・プロブレムと呼ぶ。

また同じタイミングで、ニューラルネットワークと呼ばれるその時期で絶大な人気を誇る原理に関する限界説が出たことも相まって、急速にAIの第一次ブームが去ることになった。(これについてもまた別記事で書こう。)

 

第二次AIブーム:知識(1980年代〜1990年ごろ)

第二回目のAIブームは、「エキスパートシステム」の性能向上から始まった。エキスパートシステムとは、専門家(エキスパート)の知識をコンピュータに移植することにより現実の複雑な問題を人工知能に解かせようとするものである。

例えば、専門医の知識をコンピュータに移植すれば、患者の症状から病名を特定することができる。「頭が痛いですか?」、「倦怠感はありますか?」などといった質問をしていき、「頭が痛ければA~Eの病気の可能性がある」、「倦怠感がないのであればB、Dの二つの病気の可能性が高いだろう」といった具合で。(詳しい事例についてはまた別記事を参照ください。)

このエキスパートシステムによって人工知能の応用範囲をトイプロブレムのみでなく現実的な医療診断、工場管理、会話アプリケーションなどにも及ぼせる事がわかってきたため、1980年代にはまた人工知能ブームが再燃していく。これが第二次AIブームである。

現実世界の問題を解く事ができるようになったように思えたエキスパートシステムだが、これを作っていくうち多くの問題が露呈し始める。エキスパートシステムはルールをため込んで「もしこういう状況なら、こういう対応をしろ/こういう選択肢が答えになるはずだ」という判断を行うことで問題を解決していく。

しかし、これを実現するには世界中のあらゆる分野の有識者からその知識をヒアリングして、コンピューターにわかりやすいように記述して、コンピューターに教え込まないといけなかった。これに多大な時間と、多大なコストがかかった。また多数のルールを教えている間に互いに矛盾するようなルールも出てきてしままっていた。コンピュータは矛盾したルールにぶつかるとそこで止まってしまうのため。また、教えていない例外的な事例が出てくるとコンピュータは対処できなかった。

このように、トイ・プロブレムから脱したと思われたエキスパートシステムも結局はルールが明確な簡単な事例にしか対処できず、複雑で例外も起こりうる現実世界には全く対処できなかった。こうして、今度こそはと思われた二回目のブームは深い失望とともに終結し、またしても1990年前後から二回目の冬の時代に突入していく。

 

第三次AIブーム:機械学習ディープラーニング(2010年〜現在)

前回の第二ブームから、今日に至るまで20年が経っている。その間にいろんなものが大きく変わった。インターネットが世の中に普及し、コンピューターの性能が向上し、さまざまなところでいろんなものに関するデータが取れるようになった(ビックデータ)。そのおかげで、AIも大きく進化した。「機械学習」と「ディープラーニング」だ。それらの考え方は以前からあったが、データとコンピューター性能の2つが揃ったことによって一気に進歩した。これらの違いについてはまた別記事を書くとする。簡単に言うと、第二次AIブームの時代では、全て人がコンピューターに教え込まないとコンピューターは識別や判断ができなかった。しかし、ビックデータとコンピューターの性能が上がった今、コンピューターは自ら、知識の吸収・パターンの分別ができるようになった。そのため、今多くの人は、もうすぐ強いAIが生まれるのではないかと期待している。それが今の、第三次AIブームの所以である。

 

以上、簡単ではあるが、AIに関する三大ブームである。

 

ではまた。

 

【人工知能】AIとは、AIの活躍する分野

最近旅行したくてうずうずしてるTsushanです。

 

今日はこの言葉についての記事です。

 

AI(artificial intelligence)

 

この言葉の定義は現在あいまいである。

IT用語辞典バイナリによると以下である。

人間の知的営みをコンピュータに行わせるための技術のこと、または人間の知的営みを行うことができるコンピュータプログラムのことである。一般に「人工知能」と和訳される。

また岩波国語辞典第五版による以下である。

電子計算機を使って、学習・推論・判断など人間のち脳の働きを人工的に実現したもの。

 

IT用語辞典バイナリで指している「人間の知的営み」を岩波国語辞典第五版で「学習・推論・判断」という文に噛み砕いているように見える。ただ、脳の働きの役割は本当にそこだけなのかは疑問符である。人間の知的営みが、はっきりと定義ができないため、現在とりわけ日本では、「AI」という言葉は、家電ロボットから、ワトソンのようなAIまで幅広く指している現状がある。

 

そして、現在のAIはどのようなカテゴリで活躍しているかというものを気になって調べて見た結果、以下の3つの分野で、AIが活躍しているのことがわかった。

 

自然言語処理
言葉通り、機械翻訳かな漢字変換構文解析等をする。

Googleの自動翻訳などがこれにあたる。

 

②推論・判断処理:
専門家の模倣などをして、推論や判断処理をおこなうものである。
通常エキスパートシステムといわれるもの。
弁護士のアシスタント、株のアナリティスト等がこれにあたる。

 

③画像認識処理:
画像データを解析して特定のパターンを検出・抽出したりする等。
車の事故前認知などがここに当てはまる。

 

そして、それらのAIは、「弱いAI」というに呼ばれ方をする。

弱いAIとは、範囲を限定して能力を発揮する特化型人工知能(Narrow AI)のことを指す。それに対して、「強いAI」とは、いろいろなことに対応できる汎用性を持ったAIのことを指す。強いAIは、弱い特化型人工知能と区別するために、「AGI」とも呼ばれている。これは、Artificial General Intelligenceの略である。

 

これらをまとめると、以下のことになる。

AIの定義は現在明確ではない。

AIは主に以下の3つの分野で活躍している。

自然言語処理

推論・判断処理

画像認識処理

 

そして、上記の処理を行うAIは「弱いAI」と呼ばれ、汎用性をもった「強いAI」と区別されている。

 

では、今日はここまで!

 

 

 

 

【本】「決める」マネジメント

そういえば、先週沖縄へ行ってきたTsushanです。

 

今回紹介するのは、この本!!

「決める」マネジメント

 

感想から行きます。

 

 

最高だった!!!!!

 

 

リクルートHCソリューションの方が書いてたので、

手にとって見たものの、面白い面白いってなって3日で読み終わりました。

 

え?3日も、遅くない?

 

うん、、、というのも途中で読むのが辛くなったんですね〜。

この本に書いてあるよくある課題が、うちの会社の抱えてる課題と当てはまりすぎて、うちはホンマに大丈夫か!?という不安にかられて、気をもんでしまったたんだよね。。あー、つらかった。

でも、それに対する対処法も書かれていたから、会社に合わせて対処法をアレンジする必要はあると思いますが、自分には相当役に立ちましたよ。(読了後実践談)

 

じゃ、この本の挙げている課題はなんなのか、

それに対する対策はなんなのか、を軽くいくつかピックアップして、書いていきます。

全部ちゃんと知りたいという方は、

本を自ら読んだ方が、色々身につくと思いますよ!!ぜひ!

 

「決める」マネジメント――人を活かす職場をつくる

 

本を読んで、うちの案件が抱えている問題は以下という認識を持った。

①方針について

・質と量を交互に決められていない

・方針が全然語られない

 

②マネージャーについて

・方針に沿って褒めるもしくは、怒ることがあまりない(そもそも褒めない)

・プレーヤーマネージャーの増加、それゆえ「未来」に割く時間が少ない

・リーダーの業務多すぎ?(まず知らない)

・現場と上層部が考えるマネージャー像に乖離がある

 

これらの問題をマネージャー陣以上の人と話して見た結果、

現在の課題は根深い問題で、

マネージャー陣の考え方を変えるのは正直難しいと思う。

だから現場にいる自分が率先して、マネージャー陣の仕事を巻取り、

マネージャーの役割をしていくしかないと感じた。

 

そして本で参考になったリーダーの役割は以下

・方針を決める

・方針を元に、個々の役割のフル

・方針を語る

・方針を元に毎日の評価をしていく

・方針を見直す

 

これは、常に心に止めておこうと思った。

自分に残されている時間はあと、1年と半年。

 

腹くくって、適度に手を抜いて、いい感じに働こうと思う。

 

みなさんもぜひ、本読んでみてくださいね!

 

【本】自分の時間を取り戻そう

おつおつ!今日はおやすみのつーしゃんです!

 

最近元気だぞ!元気の秘密はまた語るとして、

今日は本のメモ。「自分の時間を取り戻そう」アウトプットや!!

 

会社の本棚に置いてあったこの本は、前から知人の紹介で気になっていた。

買うほどの内容ではないけど、借りて読むには丁度な内容!

 

ざっくりいうと、今後の世界は、生産性の高いものが勝ち残ってくで!AirbnbUberのようにな!でも日本人は生産性が高いことに対して変な抵抗感があるし、そもそも正しく生産性というものを理解できてない!私がその生産性とやらを、その生産性を上げる方法を教えてあげるわよ!という内容のもの。

 

気になったところだけピックアップすると、

生産性とは

・かかったコスト(時間、金)に対して生み出された付加価値効率のこと。

生産性を上げる方法は基本以下2つ

・かけるコストは変えずに、付加価値を増やす。

・かけるコストを下げて、付加価値を現在と同じものにする。

 

そして、生産性を上げる方法を以下としている。(順不同)

・目的をはっきりさせる

・時間を制限する

・時間を見える化する

・業務ごとの投入時間を決める

・忙しくなる前に休みを決める

・バッファ

・まずやめる

・全部はやらない、最後までやると決めた場所はやる

 

自分なりに整理してみるとこうなる。

f:id:tsushan:20180129174509p:plain

目的を考える

・やる価値がなければ、即止める。

・やる価値あり

→どこまでやればいいのかを確認、洗い出しをする

→それって自分がやらないといけないのかを考える

→他の人でもできる→他人に任せるorお願いをする

(自分は常に手をかけられる状態にする。)

→他人にお願いをしても、どれぐらいの時間でそのタスクをやってもらうのかを説明する。また必要あれば、その作業に入るタイミングを決めてあげる。

→稼働時間の見える化(無駄な時間は削減していく。)

 

これらを達成するために、自分の時間を確保する前提条件が2つある・

一つが、忙しくなる前に、自分のやりたいことの時間を確保する。

もう一つが、金だけじゃなくて、時間も見える化にする。

ここでの時間は一つのタスクに対する稼働時間というより、週間の、月間の時間である。表やグラフにして自分がわかりやすく管理できるようにしておくことが大事になる。また、無駄な時間を削って、自己投資できる時間を捻出することで、より仕事もプライベートも充実になる。

 

ま、仕事はなくならないわけで。

先に自分がほしい分の最低限の休みを先に確保してから、仕事に取り掛かるのが1番健全的だよね。

そんなことを考えながら、今年の休みとその日することを次々と会社のカレンダーに押さえて行っています。

 

みなさんもぜひ、上記の項目を試してみてください!

【時短】辞書登録をこまめにしよう

今会社の業務をすべて全自動or半自動にしたくてしたくてたまらないTsushanです。

 

とりあえず今日は、辞書登録を紹介します。

 

職業柄、自分は毎日クライアントとのやり取りや制作の方(デザイナー)とのやり取りが多発します。メールや、チャットツールなど。その中で、一日何回も打つ必要がある文言や記号、URLと出会います。Googleキーボードは賢いので予測変換で、ある程度は予測してくれますが、まだまだ不便だと感じるシーンが多いのが現状です。また、Clibor(定型文の挿入もできるテキスト専用のクリップボード履歴ソフト)でも、どの定型文なのか、探すのがめんどいと感じため、辞書登録に行き着きました。

 

やることはシンプルです。

①一日のメールやチャット内容、クライアントとのやり取りの中で、これ2回以上は使ったことあるな、という文言、記号、URL、ソースコードなどをスプレッドシートに洗い出す。(洗い出す方法は一括辞書登録の仕方のところを参考ください。)

②チーム内で他に追加した方がいいものがないか、確認する。

スプレッドシートをtxtに落として、一括辞書登録をする。

 

以上で、ほぼタイピングをしなくてよくなるはずです。

また、その辞書登録ファイルを保存しておけば、PCを取り替える際に、もう一回最初から全部入れ直す作業も必要なくなります。地味にうれしいやつ。

 

なので、ぜひみなさんも辞書登録もっと活用してみてください。

 

以下、自分が辞書登録する際すごく参考になった記事です。こんなことまで辞書登録してんのかーい、こいつ怠惰すぎやろ〜ってやつです。辞書登録する際に参考なれば幸いです。

【保存版】単語登録はここまで使い倒せます! 17種類の実用アイデア集 | ヨッセンス

 

>一括辞書登録の仕方

以下のサイトの1番下のコメントでできると思います。

https://goo.gl/mkHVFE

 

ではまた〜〜〜

【時短】Google アラートで情報収集

今日も定時上がりで上機嫌なTsushanです。

 

今日ご紹介したいのは、そう、Googleアラートです。

最近、日経もろくに見なくなりましたが、それでも特定のキーワードに強くなりたいという気持ちが強く、どうしたらいいのかというの考えたところ。このGoogleアラートにたどり着きました。

 

Googleアラートとは

Google 検索で特定のトピックについて新しい検索結果が見つかったときにメールが届くようにすることができます。たとえば、特定のニュースや製品、自分の名前に言及しているコンテンツに関する情報を受け取れます。

 

詳細は以下Googleのページに記載されています。support.google.com

 

自分は過去にFeedlyなどのRSSのアプリを使っていたが、どうも自分のほしいと思った情報が収集されてこない。

振り返って見ると、RSSリーダーは、自分が登録した特定のブログやサイトが更新がされたら、内容を問わずそれを取ってくる仕組みになっている。だから、いくら自分がこれはいい情報源だ、登録しとこ、と思ったサイトでも、ゴミみたいな記事や自分が全く関心がない記事が流れてくるがある。サイトを複数登録していることで、確率的により多くゴミ記事にあたるわけだ。

 

そう、自分が興味関心ないものを目に入れる時点で、時間のむだなのだ。

その情報に耐えられずに、2週間でRSSリーダーをやめた。

 

そして今、自分はGoogleアラートに切り替えた。

毎日朝7時に、自分が気になるキーワード15個のダイジェストを送ってもらう。その言語は、英語、日本語、中国語に設定し、その言語でしか発信されていないそのキーワードに関する記事も、収集するようにしている。

 

実際使ってみて、感じるメリットは以下である。

・チェックする時間が固定で毎日一回なのでリズムが崩れないし、まとめて情報をみれるので、時間の節約になる。

・気になるキーワードしか集めていないので、無駄な記事がない(多少記事重複するようなキーワード登録をしているが、過去のようにゴミ記事をさばかないといけないとうストレスがない)。そのため、ここでも時間の節約になっている。

・最後は、記事の網羅性が高い。複数言語を登録できるので、日本では配信されていない情報でも、他国で得ることができる。

・メールにくるので、余計なアプリを入れる必要もなし。

 

以上が、自分が感じるメリットでした。

時間の節約をして、情報収集をしたい方、ぜひやってみてはいかがですか?

その際は以下のサイトを参考にしてみるの、いいかもしれないですよ!

 

Googleアラートとは?いち早く気になる最新情報を手に入れる方法|ferret [フェレット]

 

では、本日は以上。

また〜

 

次回は>>>>>>>>

【時短】辞書登録について〜