ホーム
11フォロー
8フォロワー
「100年分の訓練」で成功、立方体を自在に操るロボットハンド
松岡 佑磨Johns Hopkins University Visiting Graduate Scholar
この成果で重要なのは、コンピュータによるシミュレーションで、ハードを使う現実世界の簡単なタスクが解けるようになったこと。
そのメリットはコンピュータは容易に並列化可能で
指数関数的に時間を短縮できること。
今回は1つの動作を2日間でコンピュータは正確に自動的に学習した。一方で、私たちは日々、無限に近い組み合わせの身体的な動作をしている。私たちと同じようなふるまいをするロボットをこの技術で作るなら、無限に時間がかかってしまう。
動作の組み合わせをどれくらいの粒度で定義して学習していくのか。
そのへんが次の世代の課題になりそう。
グーグルが半導体メーカーに、エッジ向け深層学習チップ「Edge TPU」を外販
松岡 佑磨Johns Hopkins University Visiting Graduate Scholar
GoogleのTPUそして今回のEdge TPUに関して言えるのは、GoogleはGoogleがAIのインフラ(エッジからサーバーサイドまで)を全て抑えようとしていること。そして、ハードウェアだけじゃなく、ソフトウェアも独自のもので抑えていること。
ソフトウェアはTensorflowというもので、当然、ハードウェアもこのソフトウェアがあって成り立つ。逆にソフトウェアからハードすべてまで、Googleのもので抑えられるので、これからいちばんの問題となるセキュリティの問題は解決されやすくなる。
例えるなら、Googleのスマホビジネスと同じで、先にtensorflow(アンドロイドOS)を開発して、TPU, EdgeTPU(pixcelスマホ)を発売してすべて占領しようとしている。
問題は、アンドロイドOSがシェアの大部分を抑えているスマホビジネスと違って、tensorflowは圧倒的な一番ではない。tensorflowをどれだけ普及させるかが、ハードまで含めたGoogle帝国の樹立にかかっている。
ちなみに僕はtensorflowはプログラムを書きづらいので絶対に使いたくない派。
今回のGoogleのハードへの進出は良い傾向だと思っていて、NVIDIAが殿様商売をしているので、この現状をGoogleが打破して欲しい。
人工知能でグーグルが挑む「3つの課題」──AI部門トップに就任した天才エンジニアが語ったこと
松岡 佑磨Johns Hopkins University Visiting Graduate Scholar
いまの人工知能の発展を見れば、画像認識分野、人間でいう視覚の分野で成功を収めていることがわかる。
そして、私たちは日常的に世の中の情報処処理の多くを視覚に頼っている(パソコン、スマートフォン、医療機器、運転、本を読む)。デジタル化されてもそれは同じ。
人工知能技術はデジタルの画像認識分野で成功を収めているため、実世界でどのように活用するのか、お金を生み出すのか?と考えれば、難なく答えられる。医療分野はその1つの選択肢になる。
次の戦場は音声認識とロボティクス。つまり、聴覚と触覚。
特に音声認識は、これからハードウェアの遷移と共にIT分野で発展していくだろう。
AIを捜査に活用、顔面認識技術で犯罪リスクを予測できるのか
松岡 佑磨Johns Hopkins University Visiting Graduate Scholar
人の顔の特徴から、その人が犯罪を犯しやすいからどうか予測する。そんなシステムが実現可能なのか。そしてそのシステムに価値があるのかしっかりと議論する必要がある。
まずAI(機械学習、統計的手法)で予測モデルを作るときには、サンプルデータ(入力データと対応する答え)を用意するが
一番重要なのは、答えを予測するのに入力データが適しているかどうか。
作った精度の高いAIモデルは、実は顔ではなく、写真の背景(犯しやすい人は背景がぜんぶ緑など)をみて判断していたということは容易にありえる。
特に人を裁いたり、差別するAIを作る場合は、誤審や誤認が無いように、法整備をするとともに、しっかりと尤もらしさを検証する必要がある。
NORMAL
投稿したコメント