CrazyGoGo

毎日が一生忘れられないような生活を送る!YouTuberもやってます! https://www.youtube.com/channel/UClo1CSAAnKkgfk7ToX2uPaw

AI、IoT、ビックデータの展望

2018/11/082018/11/08スタート 10:00フィニシュ17:10


趣旨:近年、AI、IoT、ビックデータなどを相互に融合させ利活用してビジネス改革を実現することへの関心が高まっている。また、人との協調、人の能力の拡張を支える技術への展開が注目されている。そこで今回は、現在起こりつつあるデジタル社会への変革を展望し、次世代技術や新ビジネスの具体事例及び、これらによるビジネスの創出についての議論を深める。

 


脳科学人工知能が作るスマートカンパニーとビジネス NTTデータ経営研究所 荻原一平


       ~脳について~
P&G、ユニリーバ等、グローバルカンパニーでは、脳科学の研究が多い。体感的には、グローバルカンパニーと日系企業にいる脳科学者の比率は10:1くらい。米国のビジネススクールでは、脳科学コースが多い。

 

・脳細胞(ニューロン)の数は、身体全体の細胞数の0.02%しかない。【大脳】140億個【小脳】1000億個【身体細胞数】60兆個
・脳の重さは最重の2%しかない。
・心臓から送り出される血液の内、脳に送られるのは20%もある。
・脳の消費エネルギーは20W しかない。(アイドリング状態)思考時は+1W。【αGO】250,000W【スパコン】13MW
・脳は情報を客観的には見れない。必ずバイアスをかけている。バイアスは、これまで学習してきた内容や経験である。
プロスペクト理論1万円を拾った時のラッキーより、1万円を落とした時のアンラッキーの方が大きい。  →モチベーションとパフォーマンスに影響。  →基本的に、人は褒めて伸ばした方が効率が良い。

 

       ~人工知能脳科学の融合~

IoTで環境情報、IoHで生理情報を得る。
2013年に発売された軍人用の脳刺激装置を使うと、解けなかったクイズが解けるようになった。   →刺激の与え方によっては「マインドフルネス」をサポートするとか、ビジネスにつながる。
脳に電極を繋いだ状態でCMを見てもらう。CMの中で発せられた単語毎に脳波の反応を観測し、脳波の反応が良かった箇所を抽出する。   →より視聴者に刺さるCM作りが出来る。
英語教育で、LとRの発音の違いが認識できるようになるゲームがある。脳の中でRとLを区別できない状態から、視覚ゲームをしながらRとLを聞かせる事で区別できるようになる。

 

       ~イノベーションとデザイン思考~

イノベーションとは  人が共通的に生じる不快情動に繋がる環境の変化から解放し、快情動を感じること。
・デザイン思考とは  共感→問題定義→創造→プロトタイプ→テスト  何のため行うのか?を明確にする。  どんな不満点が存在していて、どのように変えたいのか?を決める。
  【例】CASIOの会計士向け電卓(4万円)

     ボタンの端っこに触れただけでもしっかり数字が入力される。

     これは会計士が正確かつ迅速に数値計算をするために大変大きな価値になる。

     →こういう、〇〇にとっての価値は何処にあるのか?を明確に調べる事が必要である。

 

      ~大量生産消費社会が終わり、デジタルオーダーメイドが始まる~


・デジタルオーダーメイド

  【例】ZOZOのZOZOSUIT

     コカ・コーラの名前入りコーラ

     ディズニーの名前入り絵本


・良い道具は、身体化がしやすい。

   【例】箸:

      箸で豆をつまむと、豆の柔らかさが分かる。

      良い車:

      体の一部であるかのようにスムーズな操縦が出来る。

 

      ~AIとIoTを活用するためには~

・質の追求

・創造性の追求

・人材活用の追求
 業務効率化みたいな、マイナスを0にするようなAI活用は誰でもできるから結局コモディティ化する。

 必要なのは、0からプラスを生むようにAIを活用する事である。

 

 

 

 

②AI/ロボットとの共生社会の未来:認知発達ロボティクスの挑戦大阪大学大学院 工学研究科 浅田 稔
賢いロボットを作るためには赤ちゃんの発達に大きなヒントがある。ダヴィンチのアンドロイドを作った。ミラノのダヴィンチ博物館で展示した。

  科学・工学・芸術のパイオニアダヴィンチは今の時代の流れに合っている。
ロボカップの第一人者

  【ロボカップが産んだ・育てたベンチャー

  Amazonが買収した動く棚の会社

 

       ~深層学習について~

・多層のニューラルネットワーク

  ビックデータと処理能力(GPU)の発達によって、ようやく使えるものになってきた。

  画像の認識制度において、2015年2月に人間の精度を超えた。

   人間の認識制度が95%、AIの認識精度が99%だとしても、AIが認識ミスをした画像について人間は共感できない事ばかり。(バスをダチョウだと認識したり)

・現状の深層学習  運動経験が近くを意味づける。

  自分が生成した運動が視覚情報の解釈に影響を与える。(足を前に出すと、歩ける)

  未来技術に対いて悲観的(そんな急速に進歩しない)

   →量の変化を質の変化に出来るか?
  サリー・アン問題

  相手の立場に立って考える「心の論理」をロボットが持てるのか?(事もは1~2歳で持つことが出来る)
  身体性  Merleau-Ponty    身体の役割→客観的な物理世界と主観出来な経験を結ぶメディアである。

        心は体と物体の間にあるのだ(アフォーダンス理論)

 

  5か月・・・自分の手をじっと見る(手の純・逆モデルの学習)

  6か月・・・抱いた人の顔をいじる(顔の視触覚情報の学習)

  7か月・・・物を落として落ちた場所を覗く(因果情報の学習)

  12か月・・・ごっこ遊びをする(内的シュミレーションの起源)

  ロボットには上記のような急速な発達は出来ない。ので、赤ちゃんの行動を観察をしながらヒントを探っている。

  身体への気づき、意識はいつ生まれるのか。
  赤ちゃんは視覚が未発達な中で成長するから、客観的に論理を持つことが出来る。

 

③「Extreme Human Centered Engineering」Xiborg CEO, SONY CSL  遠藤 謙

 義足ロボットの研究の楽しさと、実際に身に着ける人とのギャップが大きかった。 義足になったからこそ、今まで登れなかった山を登れるようになった。(Hugh Herrさん)
 人間の身体には50個のアクチュエーター(筋肉)がある。これを複合的に動かしている。
 膝の部位を作る為に軽くてパワフルで安いトルクセンサーを採用した。 優秀な義足は大きすぎて、1000万円もする。これが課題。

・Xiborgの体制

 コーチ1人 アスリート4人 エンジニア2人 交渉1人 社員の半数がアスリート。 

アスリートの行動を分析して、走りやすい形状を分析している。(ここが会社の中心点)
・Extreme Human Centered Design 真野さん

 

 

 

富士通 「AIの実用例」

 川崎地質株式会社
 地中レーダーによって、地中の空洞を検知する。 膨大なレーダー画像を学習データとして利用した。 人ではなくAI(機会)が判断する事によって、客観性の担保が出来る。 
・説明可能なAI グラフデータの表示。(通信ログ・企業間の取引データ・分子構造・交通経路など) ナレッジグラフ。(情報のつながりや体形知識)
・社内実践 働き方改革 社員同士のコミュニケーショングラフを表示する。 例えば営業実績が優秀な社員が、どのようなコミュニケーションを取っているのかを表示する。

 

 


感想:AI技術者がいる企業は、自社での試験導入、他社への売り込みを行っていて、AI活用上の画題を発見している。 

その上でAI活用上の課題を解決するためのソリューションも開発し始めている。 

AI技術、ビッグデータ、巨大GPUが必要


Xiborgでは、社員8人の内、4人がアスリート(義足の被験者)だった。 

これの意味するところは、圧倒的にHuman Sentre Design を追求しているビジネスであるという事だ。 

常に使ってもらう対象に寄り添いながら開発が出来るように、アスリートを社員として招いている大胆なアプローチに確かな合理性を感じた。


今回登壇した方が共通して言っていたことは、AI活用において重要なのは、新たな価値創造という事だ。

コスト削減の為にAIを使うとかはナンセンス。

そんなAIエンジンは一瞬でコモディティー化する。だから、AIによって質を高める事、人の可能性を拡張する事、新たな価値を創造する事を目標としてAIは活用しなければならない。