cs-5. 人工知能の概要
Download as PPTX, PDF0 likes921 views
【トピックス】 人工知能とは, 人工知能でできること, 人工知能の種類, 人工知能による合成, 人工知能の現状, 人工知能の歴史, 人工知能による社会の変化 【概要】 人工知能(AI)はコンピュータに知的能力を持たせる技術である。 思考、判断、学習等を可能にし、人間の業務を補助、代行する。 AIは自然言語処理、認識や推論、音声認識等の応用があり、膨大なデータを迅速に処理し、ミスを減らし、新たな価値を創出する。 AIは知的なITシステムと機械学習の二つの大きな分類があり、各々が異なる特性と利点を持つ。 敵対的生成ネットワーク（GAN）のような技術は、リアルな合成画像を生成する一方、倫理的な問題も生じる可能性がある。 AIの活用は注意を要し、誤った結果を出す可能性や偏りを持つことなどを認識する必要がある。 AI技術は急速に進歩し、仕事の在り方や社会の構造、クリエイティブな活動に大きな影響を与える。 【関連するページ等】 ?コンピューターサイエンス（全１５回） https://www.kkaneko.jp/cc/cs/index.html ?金子邦彦研究室ホームページ https://www.kkaneko.jp/index.html ?YouTube 動画 https://youtu.be/76Xa2ZGqpy0 【関係する外部ページ】 人工知能による合成 ? Google によるオンラインデモ: https://cloud.google.com/vision ? 顔の合成: https://www.whichfaceisreal.com ? OpenAI での写真の合成，イラストの合成: https://openai.com/blog/dall-e/ ? 顔の表情など：https://cloud.google.com/vision/docs/drag-and-drop ? どちらが実在で，どちらがフェイクの顔か： https://www.whichfaceisreal.com/ ? イラストの合成 (Waifu Labs): https://waifulabs.com/"> 創作、グラフィックス ? AutoDraw: https://www.autodraw.com/ ? magenta.tensorflow.org の AutoEncoder のデモ: https://magenta.tensorflow.org/sketch-rnn-demo ? affinelayer.com の Edges2cats のデモ: https://affinelayer.com/pixsrv/index.html 翻訳 ? DeepL: https://www.deepl.com/translator ニューラルネットワークの仕組み ? playhground.tensorflow.org: https://playground.tensorflow.org
cs-5. 人工知能の概要
- 2. アウトライン 1. 人工知能とは 2. 人工知能でできること 3. 人工知能の種類 4. 人工知能による合成 5. 人工知能の現状 6. 人工知能の歴史 7. 人工知能による社会の変化 2
- 3. 5-1 人工知能とは 3
- 5. 人工知能の応用例 5 顔検知、顔識別 合成 画像のセグメンテーション Webブラウザで翻訳を行う Mate Translate (Web ブラウザ Firefox のアドオン)
- 6. 人工知能はなぜ大切？ ? 人間の仕事の補助や代行。人間との協働 集中力を要し、ミスが許されない仕事など ? コンピュータの特性： 人間の感覚を超えるセンサー 高速な計算 情報ネットワークとの連携 ? 人工知能の基礎?原理を学ぶことで、人間の知性 とは何かという謎を解くことができるかも。 6
- 8. 人工知能の応用分野 人工知能の応用分野 ? 自然言語処理 ? 認識や推論 ? 分類 ? 音声認識 ? 物体検知や物体識別 ? 顔認識 ? 合成 ? 創作 ? 欠損の補充 ? 翻訳 人間の補助、代行や、人間との協働ができるように 音声認識： 人の声を「文字」に変換 物体検知： 画像の中から「もの」を見つける 自然言語処理： 人間の言葉に関する処理を行うことができます。 8
- 9. 人工知能に期待される役割 ? 人間の仕事の補助や代行。人間との協働。 人工知能は、単純なタスクや反復的な作業など、人間にとっ て退屈な仕事を代行することができる。 ? 迅速な判断 膨大な量のデータの処理、高速な計算が得意である。人間の ミスを減らすことに。 ? 新たな創造性や価値の創出の可能性 人間の知覚を超えたセンサー、情報ネットワークの能力を組 み合わせて、新たな分野の開拓や価値の創出が可能に。 ? 人工知能の原理を探求することで、人間の知性についての 理解が深まることが期待される。 9
- 11. 翻訳を行うオンラインサービス 11 DeepL の URL: https://www.deepl.com/ja/translator Web ブラウザで動く
- 13. 画像分類を行うオンラインサービス 元画像 13 画像分類の結果 URL：https://cloud.google.com/vision/docs/drag-and-drop Web ブラウザで動く
- 19. 顔，顔のパーツの読み取り 19 ? 一部隠れていても，顔の 自動判別ができるようになった ? 顔のパーツから，性別，年齢， 表情，顔の動きを読み取れる 元画像 人工知能での処理結果 （Dlib を使用）
- 24. ビデオの例 24
- 30. 知識表現 30 Prolog プログラム human(hanako). human(taro). think(X) :- human(X). コンピュータが 推論を行い， その答えを得る
- 31. まとめ 人工知能でできること ? 自然言語処理： 言語理解?翻訳 ? 画像認識： 物体検知や顔認識 ? 音声認識： 音声の文字起こしや指示の受け取り ? データ解析： 予測や意思決定の支援 ? 自動車の運転支援や自動運転技術などの応用へ 人間の作業を肩代わりできるだけでなく、精度やスピー ドが向上。新たな可能性を開拓。 31
- 32. 5-3 人工知能の種類 32
- 36. 機械学習 ? データを用いて自ら学習できる人工知能 ? データを与えて学習させることで、より正確に予測や分析 や合成ができるように ? 自らルールやパターンを見つけることができる場合もある ? 機械学習は、大量のデータを用いた学習ができることが特 徴。人間の認識や判断力を超える高い精度を実現できるこ とが発見されている。 36
- 39. ここまでのまとめ 人工知能の種類は複数ある ? 用途、目的がさまざま （音声、画像、人間の言葉） ? 機械学習、知的なITシステムは、それぞれが得意とする分 野があり、それに合わせて選択する必要がある ? 技術や研究の進歩によって、新しい種類の人工知能が生ま れてきている 人工知能の種類は、それぞれが持つ利点や欠点が異なるため、 目的や用途によって最適な種類を選ぶ必要がある 39
- 40. 5-4 人工知能による合成 40
- 41. GAN （敵対性生成ネットワーク）のニュース ? 実在しない人間の顔画像を生成 ? 色分け図や線画をリアルに変換 41 Video-to-Video Synthesis, https://www.youtube.com/watch?v=S1OwOd-war8 より tl-GAN, https://docs.google.com/presentation/d/1OpcYLBVpUF1L- wwPHu_CyKjXqXD0oRwBoGP2peSCrSA/edit#slide=id.g4551faa5ed_0_208 より
- 42. GAN を利用したオンラインのデモサイト ? どちらが実在で，どちらがフェイクかのクイズを 行うオンラインのサイト https://www.whichfaceisreal.com/ （デモサイト） 42 実在 フェイク
- 43. GAN を利用したオンラインのデモサイト Waifu Labs ? Waifu Labs の URL: https://waifulabs.com/ （デモサイト） ? 人工知能が二次元イラストを生成 43 選択画面 選択画面 選択画面 生成された 画像
- 44. GAN の自律動作マシンへの応用（ニュース） ? 自律動作マシンの動作検証や，内蔵の人工知能の学習 ? 現実世界で行うには手間がかる ? 人工知能を用いて，仮想世界を生成し，使用． 44 人工知能で生成された画像を，自動運転車の学習に利用 SurfelGAN: Synthesizing Realistic Sensor Data for Autonomous Driving Zhenpei Yang, Yuning Chai, Dragomir Anguelov, Yin Zhou, Pei Sun, Dumitru Erhan, Sean Rafferty, Henrik Kretzschmar
- 48. 暗い画像を，明るくすることが人工知能で可能に 48 EnlightenGAN: Deep Light Enhancement without Paired Supervision Yifan Jiang, Xinyu Gong, Ding Liu, Yu Cheng, Chen Fang, Xiaohui Shen, Jianchao Yang, Pan Zhou, Zhangyang Wang GAN を用いた画像改善（ニュース）
- 49. さまざまな種類の画像を，安定して，高精細に生成すること が可能に Large Scale GAN Training for High Fidelity Natural Image Synthesis Andrew Brock, Jeff Donahue, Karen Simonyan, https://arxiv.org/abs/1809.11096v2 GAN を用いた種々の画像の合成（ニュース）
- 50. GAN の仕組み ディープラーニングによるデータの生成能力を示す 研究のひとつ 50 Generative Adversarial Networks, Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, Bing Xu, David Warde-Farley, Sherjil Ozair, Aaron Courville, Yoshua Bengio, https://arxiv.org/abs/1406.2661 ノイズ 人工知能に よる生成 生成され たデータ 実在の データ 人工知能に よる識別 実在， フェイク 実在なのかフェイク なのかを識別 データの生成 生成されたデータと 実在のデータが識別 できなくなるように学習
- 51. GAN（Generative Adversarial Network）の仕組み １．2つの AI を使って学習を行う。 人工知能による生成（生成器） 人工知能による識別（識別機） ２．生成器 データを生成。識別器が誤って判定するようなデータ を生成するように学習する。 ３．識別器 生成器が生成したデータが本物か偽物かを判定。本 物データを正しく、生成データを誤って識別するように 学習する。 生成器は生成器と識別器の学習を交互に繰り返すことで、 生成器が本物に近いデータを生成できるようになる。 51
- 53. ① ウェブブラウザで次の URL を開く https://www.autodraw.com/ ②「Start Drawing」をクリック 53
- 55. 人工知能で，スケッチを増やすサイト https://magenta.tensorflow.org/sketch-rnn-demo 55 ① スクロールして、 下の方の「Variational Auto-Encoder」を探す ② 「Variational AutoEncoder Demo」をクリック
- 58. 人工知能で猫を描くウエブサイト ① ウェブブラウザで次の URL を開く http://affinelayer.com/pixsrv/index.html ② 「edges2cats」を探す 58
- 60. フェイクビデオ 60 ＋ → 写真 ビデオ 人工知能により 合成されたビデオ
- 61. 61
- 62. 人工知能による合成 ? 清書，翻訳，推敲など，さまざまな分野で役に立つ可能 性がある ? 生成されたものが本物かどうかを見極めることが困難 ? 偽情報の拡散やプライバシーの問題につながる可能性 ? 倫理的な問題が生じることがある。 ? 人工知能は、あくまでも「人間が利用する道具」であり、 人間次第である。高い倫理観をもって使用する必要があ る。 62
- 64. ① 人工知能の利用での注意点 ? 人工知能は、誤った結果を出すこともある。 ? 人工知能が行うことは限定されており、全てを任せてしま うのは適切ではない。 ? 人工知能は人間が設定した範囲内でしか活動できない．そ れ以外のことについては判断ができない。 ? 機械学習で用いる学習データに偏りがあるとき、結果にも 偏りが出てくる。人工知能の判断には注意が必要。 ? 人工知能は、あくまでも「人間が利用する道具」であり、 人間次第である。人間の判断や考えを補完するために利用 されるべきである。 64
- 65. ② 技術は急激に進歩する ? 人工知能はいまも発展途上。 ? 機械学習は，大量のデータを用いて学習することで能力を 向上させるため、今後もデータが増加することで能力は向 上する。 ? 今後も、人工知能の新技術が期待できる。 ? 人工知能がより人間に近い認知機能を持つことで、人間と 人工知能のコミュニケーションの進歩も期待できる。 しかし、技術の進歩に伴い、人工知能の社会への影響や倫理 的な問題も指摘され、顕在化するようになってきた
- 66. 5-6 人工知能の歴史 66
- 67. コンピュータと人工知能 (AI) の歴史 ? １９５０年代 コンピュータの誕生 人間よりも高速かつ正確な計算能力 ? １９８０年代 コンピュータはパーソナルなものへ ワープロ，表計算，グラフィックスなどが一般的に ? １９９０年代 インターネットの普及 コミュニケーション，知識の蓄積と流通，情報発信 が格段に便利に ? ２０１０年代 機械学習の進展 人工知能の知的能力が人間を超えるとも 言われるようになってきた 67
- 70. 人工知能による社会の変化 《仕事の在り方の変化》 ? 機械化により、単純な作業や決まった手順に基づく作業は、より自 動化される。 ? 一部の職業が消滅する一方で、新しい職業や産業分野が生まれる。 《人工知能が解決に役立つ可能性のある問題》 ? 環境問題やエネルギー問題など、人類が抱える問題の解決に役立つ 可能性がある。 《クリエイティブな活動への人工知能の貢献》 ? デザインや音楽、文学など、創造的な活動においても、人間と人工 知能の協働が進み、新たな価値が生まれる可能性がある。 以上のように、人工知能による社会の変化は単に仕事の在り方だけで なく、人類が抱える問題の解決やクリエイティブな活動にも影響を与 えることが予想される。 70
- 71. 体系化可能な職業の例 ? 事務（一般，医療事務，学校事務，行政事務，経理事務，人事事務，貿易事務， 保険事務，郵便事務） ? 製造，組み立て，仕上げ（通信機器組み立て，NC旋盤，加工紙，カメラ組み立て， 機械木工，金属加工，金属製品検査，金属研磨，金属プレス，ゴム製造，梱包， 自動車組み立て，建築作業，水産ねり製品，石油製品，製パン，製粉，製本，プ ラスチック製品成型，めっき，めん類製造） ? 窓口（銀行窓口，駅窓口，貸付，クリーニング取り次ぎ，日用品修理，包装作業， ホテル接客，有料道路料金収受，レンタカー，コールセンター） ? 保守作業（石油精製，コンピュータ，発電所，プロセス製版，ボイラー） ? 設備維持管理（マンション管理，警備，検針，駐車場，道路管理，ビル清掃，列 車清掃） ? 販売（レジ，小売りでのセールス，出荷，発送，清涼飲料ルートセールス．宝く じ） ? 運転運搬（トラック，タクシー，宅配，産業廃棄物，新聞配達，電車，路線バス， 郵便仕分け） ? その他，給食調理，測量 71 調査レポート：When Will AI Exceed Human Performance? Evidence from AI Experts 野村総合研究所は，6「人工知能やロボット等による代替可能性が高い100種の職業」
- 72. ベーシックインカムのニュース 72 ? 人工知能やロボットによる自動化が進むと、特に、単純 作業やルーティンワークなど、機械に代替可能な仕事が 失われる可能性が高い。 ? あらゆる業界において、構造転換が進む。 ベーシックインカムは、働くかどうかに関わらず、最低限 の所得を保証する制度として注目されるように。 ? 最低限の生活が保証されるため、生活が安定し、新たな 挑戦ができる余裕が生まれる。 ? 資金面での課題もある。 ? 人工知能が生み出した富を、人類全体でどうやって分け 合うか、という考え方もある。
- 73. まとめ 《仕事の在り方の変化》 ? 一部の職業は消滅する一方で、新しい職業や産業分野が生 まれる。 《人工知能が解決に役立つ可能性のある問題》 ? 環境問題やエネルギー問題など、人類が抱える問題の解決 《社会の変化に伴う課題》 ? 失業問題や、収入格差の拡大などの課題が生じる可能性が ある。 《人工知能についての考え方》 ? 高度に発達した人工知能が脅威になるかどうかは自分で調 べ、考察することが重要である。 ? 人間がよりクリエイティブになるために人工知能を使うこ とや、人と人工知能とロボットが協働することが必然的に 起こる可能性がある。 73
- 74. 演習 【外部ページへのリンク】 ? 人工知能のデモサイト ? Google によるオンラインデモ: https://cloud.google.com/vision ? 顔の合成: https://www.whichfaceisreal.com ? OpenAI での写真の合成，イラストの合成: https://openai.com/blog/dall-e/ ? 顔の表情など：https://cloud.google.com/vision/docs/drag-and-drop ? どちらが実在で，どちらがフェイクの顔か： https://www.whichfaceisreal.com/ ? イラストの合成 (Waifu Labs): https://waifulabs.com/"> ? AutoDraw: https://www.autodraw.com/ ? magenta.tensorflow.org の AutoEncoder のデモ: https://magenta.tensorflow.org/sketch-rnn-demo ? affinelayer.com の Edges2cats のデモ: https://affinelayer.com/pixsrv/index.html ? DeepL: https://www.deepl.com/translator ? playhground.tensorflow.org: https://playground.tensorflow.org 74