ラベル Artificial Intelligence の投稿を表示しています。 すべての投稿を表示
ラベル Artificial Intelligence の投稿を表示しています。 すべての投稿を表示

土曜日, 8月 20, 2016

人工知能やロボットには奪われない「8つの職業」

 

人工知能やロボットには奪われない「8つの職業」

 

人工知能やロボットが人間の仕事を奪う、という言説がよく聞かれるが、果たして本当にそうだろうか。未来研究というジャンルの学問によれば、未来においては新しい職業が創造されるかもしれない。そしてそれは、わたしたちがいま、機械に譲り渡そうとしている仕事よりも興味深いかもしれない。











テクノロジーが仕事を奪う──これは、いかなる経済革命においてもそうだったように、現在、そして未来においても真実かもしれない。しかし、未来についての専門家たちは、新しい現実に対応する新しい方法を創造している。

「未来研究」(固有のルールと厳密な信頼性をもつ分野で、イタリア・ナポリでも2014年11月、科学をテーマにした博物館「科学都市」で会議が行われた)の実験の多くから浮かび上がってくるのは、将来を展望すると新しいニーズと結びついた新しい職業が数多くある、ということだ。

それでは、どのような職業が考えられるのだろうか。また、その職を得るためには、どのような能力を訓練しなければならないのだろうか。CST(Canadian Scholarship Trust Plan)のレポート「Inspired Mind」に基づいて、以下の8つを紹介する。









1.記憶の演出家(Nostalgist)

 

平均寿命が長くなったとき、人は、できることなら最良の記憶とともに生きたいと望むだろう。しかも、それを自分の部屋で直接体験することができるとすれば、なおさらだ。
住居に関連する新しいテクノロジーは、部屋の中に「没入的な舞台環境」の構築を可能にするだろう。そこで人は、過去にまつわる感覚を再体験し、自身の人生のアイデンティティを肯定的にとらえることができる。自らの体験を追従するような視覚的、音響的、触覚的刺激は、ポジティヴな感覚を生み出すのに適した心地よさをつくり出し、健康にもよい影響をもたらす。

この分野の新しい専門家たちは、環境をデザインする能力と風俗史家の能力、そしてセラピストに典型的な、狙いを定めた聴き取りの能力とを統合させたものになるだろう。
クライアントを本当に幸福にするために、どの年代にインスピレーションを受けるべきかを理解しなければならないからだ。






2.コミュニティ・オプティマイザー(Localizer)

 

2030年に、グローバリゼーションが大きな魅力をもっているとは思えない。コミュニティは、エネルギーの観点でも生産の観点でも、自立するためのリソースを維持しているはずだ。太陽光エネルギー、3Dプリント屋、都市園芸や温室が、各地域を自己完結した世界に変貌させるだろう。
ただしそれは、これらすべてのリソースを効果的に調整して、システムの基礎を管理することのできる誰かが存在すれば、の話だ。

このキャリアを歩みたい人は、まず何より、ネットワーキングと、さらには福祉関係の能力を発展させなければならないだろう(ソーシャルワーカーや、もっと単純にいえば「良き隣人」に典型的な能力だ)。ハードスキルでいえば、物流やサプライ・チェーンのマネジメント、数学・会計の能力が有益だろう。



3.ロボット・アドヴァイザー(Robot Counsellor)

 

15〜20年のうちに、家庭においてロボットのアシスタントが働くのが一般的になっているはずだ。最近イタリア・テクノロジー研究所(IIT)は、家庭用ロボットを経済的に手の届くようにするため、そして、それらをスマートフォンのテクノロジーと接続するためのプロジェクトの始動を発表している(その価格指標は、現在の25万ユーロから、目標として10万ユーロが設定されている)。

ロベルト・チンゴラーニ(IIT所長)が強調しているように、ロボットはわたしたちの体のもつ「意味論」を理解しなければならないだろう。この分野の研究はすでに進んでおり、良い成果が挙がっている。

機械にぬくもりが欠如していると恐れる人もいるかもしれない。高齢者の多くにとって、自身のプライヴァシーと自立意識を放棄することは、気の滅入る要素だ。しかし、ロボットのことを、管理下に置ける「おもちゃ」と潜在的に考えることができればネガティヴな感情も緩和できるし、かたや介護する側はストレスのたまる活動から解放され、クリエイティヴな瞬間に集中できるようになる。

とはいえ、ロボット介助を選ぶとき、介助される人のニーズや特徴を踏まえ、生活スタイルや家庭の動きを考慮に入れた厳密な選択が必要だ。これらは、ロボットという“新しいアシスタント”の到来によって滅茶苦茶になる可能性がある。

そのとき人間に必要な能力は、市場に存在するソリューションに関する知識とそれを提案する際の独立性に加えて、家庭カウンセラーの能力や、家庭が新しいテクノロジーを理解し、習得するための教育者の能力だ。



4.企業文化のエキスパート(Company Culture Ambassodor)

 

企業同士が、最良の人材を確保しようと競合することになる。そして、企業が才能を獲得し、彼らが「自分はいま、ふさわしい場所にいる」と感じさせるためには、それ専門の人材が必要となるだろう。
彼らが担う仕事は、レクリエーションや金銭とは異なる利益によって人を楽しませ、コミュニケーションを取り、企業の価値観を伝え、それが共有されるようにして、仕事が楽しいという環境と雰囲気をつくり出すことだ。

実際、現在でもすでに、こうした「目的」を掲げる仕事場も存在する。しかし、このような目的の下、グループの世話をする人物は、まだ誕生しなければならない職業だ。

こうした専門家がもっている能力は、熱狂できる性質とクリエイティヴィティ、イヴェント開催者がもつものと似た能力だ。そしてさらに、これらの特性を、仕事の組織化や教育、社会学や心理学の能力と統合する必要がある。



5.単純化の専門家(Simplicity Expert)


世の中に情報が氾濫し、人と人との間のやり取りが倍々ゲームで増えていく。そこから生じて増加していく「複雑性」を前にしたとき、「単純化」の要請が増えていく。あるプロセスの要点を見つけだし、クリエイティヴな仕方で方法を合理化して、実行の時間を減らし、より価値の高い活動のために時間を残す。そんな職能は、さらに多くの人を喜ばせることになるだろう。

例えばイタリアでも、こうした「複雑性マネジメント」の授業が行われている。自分の履歴書に含めておくべき要素は、数学の能力、社会学・心理学の能力、そして当然のことながら、マネジメント能力だ。



6.輸送アナリスト(Auto-transport Analyst)

 

いわゆる「運転手」がどんどん少なくなって、輸送はますます自動化されていく。ドライヴァーを必要としない自律走行車を運行することで、死亡事故を劇的に減らすことができるだろうと研究者たちは語っている(ある専門家たちは、その数は80〜99%減少すると言っている)。

しかしここでも、人間の手と、そして問題を予防し不測の事態に対処しユーザーの不便をタイミング良く解決する管理者が必要だ。このような人物は、サーヴィスを向上させる戦略もつくり出せなくてはならない。
この仕事がどんな人にすすめられるかというと、物流に情熱をもっている人はもちろん、数多くの小さなパーツが集まってひとつのシステムをつくり上げる仕組みを理解する適性を持っている人々だ。忍耐力があれば、なおいい。通勤客のような毎日旅をする人のストレスを理解するのに必要なことだ。

すべての仕事と同じように、ますます多文化になっていくであろう大都市においては、複数の言語についてのしっかりした知識が必要だ。



7.健康ガイド(Healthcare Navigator)

 


ヘルスケアの分野はいま、進歩の真っ盛りだ。そしてテクノロジーは、患者を院内だけでなく、その自宅までも追跡する新しいツールとプロセスを病院にもちこむことになるだろう。
すでに現在、病院だけで自分自身や大切な人の経過を追って決断を下すのは、困難かつ大きなストレスの原因となっている。そのとき病院がなにかイノヴェイティヴなシステムに変わるスピードが加速すれば、人々を過度に混乱させてしまうかもしれない。

患者やその家族が診療を受け、なにか決断を下すとき、病院や家庭での治療をサポートする院内の専門家が必要とされるのは、容易に予測できる。


“病院のウェルギリウス(『神曲』でダンテの導き手となる詩人)”は、「看護師とソーシャルワーカーの進化形」と見なすことができる。その役割は、保健制度についての完璧な知識をもつことになるだろう。そしてさらに、患者と、彼らが入院する際に有益となる人々(薬剤師、医師、保健アシスタント、理学療法士ら)との間をつなぐ接点となるだろう。



8.3Dプリントの構造設計者(Makeshift Structure Engineer)

 

洪水や地震などの災害が起きたとき、避難者を迎え入れて社会組織を再構築するためには、受け入れ施設を短時間で用意しなければならない。そのとき3Dプリンタが、緊急用施設をつくるのに利用できる(ガジェットをつくることができるだけではないのだ)。

この分野で専門家になりたいエンジニア/設計者は、3Dプリントのテクノロジーを知らなければならないが、それだけでなく、突発的な状況で働くことができなくてはならない。しっかりとしたリーダーシップが必要とされる。








必要な能力として浮かび上がってくるのは「横断的な能力」とでもいえばいいだろうか、社会科学やコミュニケーション技術などが結びついたものだ。

人間のあらゆる行動は、わたしたち人間にとってはごく自然で、あたりまえのものだ。しかし、その背後には学ぶべき科学が存在すると思い出すことが、新しい「サイバー労働者たち」と(少なくとも)対等に渡り合うための第一歩なのかもしれない。











TEXT BY DANIELA MANGINI
TRANSLATION BY TAKESHI OTOSHI

WIRED NEWS (ITALIA)




関連記事

「Pepper」はユーザー規約で性行為を禁止されている

水曜日, 2月 10, 2016

人工知能が3D迷路を自力で攻略。|Google DeepMind

人工知能が3D迷路を「視覚」で自力攻略。学習速度と精度が劇的向上

Google DeepMind

 


Google の AI 開発部門 DeepMind が、最新のアルゴリズムが 3D 迷路を攻略する動画を公開しました。このアルゴリズムはただ迷路を壁にそって移動するのでなく、まだ通っていないと判断した通路を積極的に選んで攻略していく性質を備えます。


Google DeepMind は、AI が(仮想的に)世界を学ぶためにはテレビゲームをプレイするのが最適と考えています。そもそもテレビゲーム自体が仮想体験の塊であり、ひとつのゲームをプレイすればそれをほかの AI に複製するだけで無限に経験を共有できるようになります。

DeepMind は過去、ゲームを課題として学習するアルゴリズム Deep Q-Network(略して "DQN")を開発、ATARI 2600 を使って約50タイトルもの 2D レトロゲームを攻略させ、その得手不得手を検証しました。

今回のアルゴリズムは DQN を改良したもので、人工ニューラルネットワークの強化学習に非同期メソッドを取り入れたことがポイントです。マルチコアCPUだけで動かした非同期アルゴリズム(asynchronous advantage actor-critic , A3C)は、高性能なTesla K40 GPUで走らせた従来アルゴリズムよりも半分以下の時間で安定してトレーニングでき、ゲームなどテストでの成績も上回ったとしています。






学習に使用する 3D 迷路は1プレイあたりの制限時間があり、プレイするたびにレイアウトがランダムに変化します。またリンゴを拾えば1ポイント、出口を見つければ10ポイントとするルールを設定しました。出口を通過すれば、つぎの迷路へとステージが変わります。

 

実験ではアルゴリズムに対し、より多くのポイントを獲得するよう課題を与えました。すると最初は1プレイで2ポイントしか獲得できなかったのが、まる3日間ぶっ通しの学習させたところ1プレイあたり約50ポイントを獲得するまでに成長しました。DeepMind は「リンゴを集めるより出口を次々と見つけ出せばポイントが高いということを学んだ」と説明しています。

AI が仮想的な3
次元空間で学習を重ねれば、将来的にその経験を現実(の3次元)空間にも活かせるようになる可能性があります。そしてそれは(Googleも開発中の)自動運転の分野や能動的に行動するロボットなどに応用されていくことになりそうです。

ちなみに DeepMind のアルゴリズムは3D迷路は学んだものの、まだ Doom をはじめとする FPS ゲームには手を付けていません。もし FPS ゲームで仮想的な戦闘体験を繰り返し学習させた場合、超人的な戦闘能力を備える AI を生み出すことも夢ではなさそう。もしそれがリアルの世界、たとえばロシアの戦闘ロボットに搭載されればどうなるのかと考えると...。DeepMind がスカイネット化しないことを祈るばかりです。







元論文はこちら

Asynchronous Methods for Deep Reinforcement Learning
(Volodymyr Mnih, Adrià Puigdomènech Badia, Mehdi Mirza, Alex Graves, Timothy P. Lillicrap,Tim Harley, David Silver, Koray Kavukcuoglu)



・Google、『DQN』を開発|Google Deepmind

・女子高生AI「りんな」

・あのBigDogが、腕を獲得



 

水曜日, 8月 26, 2015

「AI兵器」


「AI兵器」にイーロン・マスク、ウォズ、チョムスキーらが反対署名

攻撃対象を、人間でなく「機械」が判断する。ホーキング博士など著名な科学者たちが、こうした高度な「自律型の兵器システム」に対する懸念を表明した。「国際人工知能会議」で公開状が公表される予定だ。



誰を攻撃するかを人間でなく機械が判断する。世界各国の政府に対し、こうした自律型兵器の開発を禁止して、「軍事AI兵器競争」を防ぐよう求める公開状に、科学技術分野における膨大な数の著名人たちが署名している。

この公開状は、ブエノスアイレスで7月25日から31日まで開催中の「国際人工知能会議(IJCAI)」で、7月28日(現地時間)に公開される予定だ。

署名欄には、数多くの人工知能(AI)やロボット工学の研究者が名を連ねている。スティーヴン・ホーキング、イーロン・マスク、ノーム・チョムスキー、ウォズことスティーヴ・ウォズニアックらだ。

この公開状は、IJCAIの席で、「Future of Life Institute(FLI)」という研究所が提出することになっている。この研究所には、マスク氏が2015年1月に1,000万ドルを寄付(日本語版記事)して話題になった。

公開状は、本来は人が操作しなければ機能しないロボットや輸送機が、人の操作を不要とするスマートな自律型兵器につくり変えられることを懸念している。巡航ミサイルや、リモート操縦によるドローンは、「標的の判断はすべて人間が行う」ため許容できるが、人間の介入なしに戦闘や殺害が可能な完全に自律型の兵器の開発は、芽のうちに摘み取る必要があると主張している。
今日の人類の重要な問題は、「世界規模でAI兵器の開発競争を始めるのか」、あるいは、「その始まりを阻止するのか」ということだ。いずれかの軍事 大国がAI兵器の開発を推し進めれば、世界的な兵器開発競争はまず避けられない。そして、この技術開発が行きつく先は明らかだ。自律型兵器は、将来の「AK-47」(安価で性能にすぐれていたため、全世界に広まったカラシニコフ自動小銃)になるだろう。
公開状では、自律型兵器と化学兵器・生物兵器戦争との著しい類似性についても指摘されている。
なお、マスク氏とホーキング博士は、兵器だけでなく一般的なAIに関しても、その危険性について警告している。マスク氏はAIの潜在的な危険は核兵器よりも大きい(日本語版記事)と述べている。ホーキング博士は、AIは「われわれの存在に対する脅威」だと述べている。
自律型兵器、およびAI全般について懸念される主な問題は、急速に変容することだ。いったん高度なAI、つまり誰を攻撃するかを自身で判断できる兵 器システムをつくってしまえば取り返しがつかなくなる。火薬も核兵器も、もはや封じ込めることはできない。自律型兵器も同じことなのだ。


関連記事:米空軍ドローンパイロットが抱える「ストレス」の原因


 

火曜日, 2月 10, 2015

Google、『DQN』を開発|Google Deepmind

Google Deepmind、人工知能『DQN』を開発。レトロゲームを自力で学習、人間に勝利

 



ロンドンの Google Deepmind が、コンピューターゲームをゼロから自力で学習し上達する人工知能アルゴリズム deep Q-Network、略称「DQN」を開発しました。

ブロック崩しやパックマンなど、レトロゲーム機 ATARI 2600 のゲーム49タイトルを与え、画面出力と「スコアは高いほど高評価」のパラメータを与えただけで、29タイトルで人間のプロゲーマーと同等または上回るパフォーマンスまで上達します。
 
 

Deepmind が開発したDeep Q-network、略して「DQN」は、反復学習と「反省」によって学ぶことができるアルゴリズム。特にゲームを攻略するための知識やルールがあらかじめ組み込まれているわけではなく、ゲームの基本的なルールすら与えられず、単純に画面出力のピクセルとスコアのみをインプットとして学習します。
 




Google が DQN に与えたのはテレビゲーム創世記の名機 ATARI 2600 と全49タイトルのゲーム。なかにはクレイジークライマー、パックマン、Qバート、ロードランナー、アステロイドといった著名タイトルも含まれます。そして49本中43本のゲームで DQN は既存の人工知能を上回り、さらに29のゲームでは人間のプロプレーヤーと同等または上回る上達を見せました。

DQN がゲームを学び、ゼロから成長していくさまはブロック崩しの動画を見ると一目瞭然です。最初は動くボールに反応はするものの、「ボールを打ち返してブロックを崩すゲームである」ことすら教えられていないため、ただ呆然とそれを見送ることもしばしば。ところが回数を重ねるにつれ、ボールを打ち返すとスコアが増えることに気づいたのか、しっかりとラケットをボールに追従させ始めます。

反復学習によって上手く打ち返せるようになると、こんどは効率的な点の稼ぎ方を覚え始めます。ブロック崩しの攻略法といえば、「端のブロックを崩して穴を開け、そこにボールを打ち込んで一気に裏側から崩す」こと。DQN は非常に人間臭い動きでそれをこなして見せています。

特に上達しやすいのは、やはりルールと操作がわりと単純なゲーム。スペースインベーダーでは、『名古屋撃ち』とまではいかないものの、しっかりとトーチカに身を隠して敵を打ち落とす場面も。
 





反対に不得手なゲームはパックマン。「モンスターから逃げつつエサを食べ、パワーエサを取れば一定時間モンスターに逆襲」という複合ルールは、まだ DQN には複雑すぎて理解できないようです。

他の人工知能と違うのは、記憶に深く関わる人間の海馬に似た処理を行うという「experience replay」機能を搭載しているところ。人間の場合、海馬といえば、アルツハイマー病の初期から病変が起こる部分ですが、DQNでもこの機能を省いて再びゲームをさせると極端に学習能力が低下するのだとか。

ちなみに Deepmind 創業者のデミス・ハサビスは人工知能研究のため、あらかじめケンブリッジ大学博士課程で脳神経学を学んでおり、2007年には海馬の研究で学術雑誌のサイ エンス誌から Breakthrough of the Year 賞を受賞した経歴の持ち主。

2011年に立ち上げた Deepmind は人工知能開発の分野ですぐに頭角を現し、イーロン・マスクやピーター・ティールといった大物たちから資金提供を受けるようになりました。そして2013 年には Deepmind を巡って Google と Facebook が買収合戦を展開。およそ5億ドルとも言われる額で Google の一員となっています。

Google や Facebook が人工知能技術を欲しがる理由については、大量のデータからユーザーそれぞれの趣味趣向に最適化した広告選択処理を行わせることや、Googleが現在開発中の自動運転車の走行プログラムへの応用などが浮かびます。

また、現在は Google 傘下にある Boston Dynamics が開発する四脚歩行ロボットに高性能な人工知能を乗せるといったこともありえます。Boston Dynamics は米軍との関わりも深く、すでに海兵隊の演習に参加するロボットも開発しています。



われわれ一般人としてはもう、DQN 知能搭載のリアルターミネーターが登場しないことを切に願うばかりです。

 
アステロイドは極端に苦手な一方、タイムパイロットは人間と互角という謎。最善のスコア稼ぎさえ気づけば、反射神経が重要なゲームでは人間を圧倒できるようです。



Nature に掲載された論文は Human-level control through deep reinforcement learning (Volodymyr Mnih, Koray Kavukcuoglu,David Silver,Andrei A. Rusu, Joel Veness, Marc G. Bellemare, Alex Graves, Martin Riedmiller, Andreas K. Fidjeland, Georg Ostrovski, Stig Petersen, Charles Beattie, Amir Sadik, Ioannis Antonoglou, Helen King, Dharshan Kumaran, Daan Wierstra, Shane Legg & Demis Hassabis)