４月２７日、
2017年4月期 AITCセミナー＆オープンラボ開催のご案内
「AI技術鼎談～先端ソフトウェア技術者とAI～」
http://aitc.jp/events/20170426-OpenLab/info.html
を聞いてきた！ので、内容をメモメモ
・・・するけど、最後のAI技術鼎談はよくわかんなかったので、
キーワードらしきものしか挙げていない・・・
■あいさつ
■AIとデータ循環
・技術的特異点
もうおはなししません。
・二十世紀の預言
人工物に関する預言はかなり当たっている
自然物（複雑系）の制御に関する預言は楽観的過ぎる
・自律適応システム
生命や認知→自律適応システム
適応的システム＝自律的システム（Popper）
・サイクル（循環）～価値～意味
価値／意味の維持／向上／創造には仮説検証サイクル（データ循環）が必要
価値～環境への適応～個体／種のサバイバル
原始帰納関数→一般帰納関数：終了を判定できない
・仮説検証サイクルの普遍性
学習と進化が仮説検証サイクルに基づくことは、まあ当然
時定数の小さい仮説検証サイクル
・焦点距離の制御
→意味の理解と結びついている
・ブローカー失語症
言語を理解できるが産出できない？
→文法理解の問題？
・DNNには大局的なサイクルがない
・人間以外の動物には、対称性バイアスがない
対称性バイアス
→人間は、アブダクションしてしまう
AIでサイクルをまわせない
・AIの基盤としてのBPR
AIの研究開発よりも、むしろ実運用のために構造化されたデータが
用意にアクセスできる必要あり
・AIの普及にはBPRによるデータ循環社会の構築が必須
BPR=Business Process Reengineering
・インドのオープンAPIとPDS
AadHaar
２年で現金とクレジットカード廃止
銀行・政府のオープンAPI
コンセントレイヤ；インド版国営PDS（OpenPDSは難しい）
カンボジア：ビットコイン技術
→中途半端にITインフラできてると。。
■演繹から帰納へ：情報技術のパラダイムシフト
・自己紹介
コンピューターサイエンスと統計
・汎用人工知能と特化型人工知能の違い
まだ当分できない汎用人工知能
特化型人工知能は情報技術を進化させる試み
注目される技術はその時々によって変化
５６から７４年 動的メモリ
８０から８７ オブジェクト指向
２００６から 帰納的プログラミング
総務省：強い人工知能と弱い人工知能をわけなかった。
演繹的プログラミング
仕様
モデルを使う
実装
もうひとつの方法：例示による仕様
統計モデリング（統計的機械学習）
過学習；うまくいかない
過学習しないモデルをつくる
深層学習の衝撃
Facebook YanLeCunによる動画
領域の切り出しとセグメンテーション
先ほどの例を深層学習で訓練してみると
そこそこいい近似：過学習しない
演繹的システム設計
対称システムをブラックボックスとしてE2Eで学習
訓練データセットを用意する
シミュレーターで強化学習を行う
分散深層強化学習によるロボット制御
出力側 ５ビット
入力 ２７３ビット
要件定義：結果に対してフィードバックすること
→事後要件定義
・ものづくりの世界（事前要求定義）
IoT＋機械学習の世界
・機械学習の本質的限界
見たことのないデータに対して無力
ひらめいたり、臨機応変な対応はできない
本質的に統計的
元分布からは、ランダムサンプリングを仮定
→１００％ただしいは無理（バイアスが入ることは避けられない）
・帰納的開発における探索的プロセス
人がいない？
→ソフトウェア危機（１９６０年代）
・同様に、今こそ”機械学習工学”を
要求工学
ツール
訓練データの管理
テスト
りぐれっションテスト
運用
■AITCセミナー「AI技術鼎談」～先端ソフトウェア技術者とAi～
・自然言語処理：データ
今の統計的機械学習はデータ
成果出ている
・統計：直感・知性の半分
ロジックを組むことも必要
・知識フレーム、オントロジー：人工知能の意味論
・実は、従来のやり方も１００％は保証できない
→クラウド
・サイクルに基づく計算モデル
→ボルツマンマシン
・複数のAIが話をするとき：自然言語に似た話し方？
分散して、インタラクションのほうが強い
・ダニエルカーレマン
システムワン思考：直感的→ディープラーニング得意
システムツー思考：努力して
・知的とは？
システムツーへのゆり戻し
・スマートソサイエティ
・宣言型プログラミング：ブレイクスルーが必要
→ゴールを示せば、AIが解く
・ゴールを記述することの難しさ
→人の社会における価値は書き下せない
・人は後付で価値を言うのは簡単
・チューニングは本質なのか？
チューニングのレベルはいろいろある
対称性バイアス
・ディープラーニングやればいい？
→この世の中は諸行無常
いまはわからないから、いろいろいっているが、
理論的に解明されれば、だれでもできるかも？
→５年１０年安泰ということではない。
・仮説検証と試行錯誤の違い
パラダイムに載るか
・着目している仮説
あるふぁご：ゼロ和→相手が思いつかない
自然言語：相手が思いつかないと・・・
→問題の構造が違う
・コンピューターサイエンス：大きなブレイクスルーなかった
・スターとれっく：こばやしまる
Out of box thinking
・システム同定の話？
７０年代 ボストン
・訓練データ→運用の場面でアベイラブル
→ビジネスモデルを制御しないと得られないデータ
・リアルタイム強化学習→仮説検証
・パーソナルデータエコシステム
