人工知能が変える君達若者と仕事の未来(2/2)

2017年6月2日
コラム

 

人工知能が変える君達若者と仕事の未来(2/2)

※この記事は、2017年5月に行われた講演を元に作成しました。

 

5 現在のAI – 猫の判別の学習
 皆さんはディープラーニングという言葉を聞いたことがありますか。これは、猫です。日本でよく見る67種類の猫の絵を3000枚用意しました。先ほど言ったように、猫にはアラビアンマウ、アメリカンショートヘアー、普通の日本の家猫とか、名前があります。その正解を並べて、これがこれだよと対応関係を見せます。そうすると、最初はランダムに選んで毎回間違えるわけですが、それが間違っていることを実質的に教えていきます。3000枚で67種類平均50枚くらいの同じアラビアンマウでも、ちょっと違う角度とか、違う個体、違う柄の猫ちゃんの写真があるわけですね。ですがアラビアンマウとかアメリカンショートヘアーに共通する特徴っていうのをだんだん自動的に覚えていくっていうことを人間に教わって、正解データから教わっていくことになります。対応関係はあみだくじとは違いますが、この線は何10億本とあります。この結ばれた線の重み、つまりある点からある点にに行く確率というのは、例えばアメリカンショートヘアーに行きやすい線がそれぞれから何本あるかということ、その線の太さみたいなものがだんだん変わって、トレーニング、学習っていうのが進んでいきます。
 これをもう少し実物のディープラーニングに近いもので書いたものがこれです。実際には76階層、76段あります。段々、情報を端折っちゃうんですね。これは縦横256ずつの点のある、普通の写真です。これを、いろんな端折り方というか、ちょっとマスクをかけるっていうのかな、色をほとんど青になるようにやってしまう。そうすると、あるところで、アラビアンマウの特徴がなんとなくすごく目立つようになります。アラビアンマウは、普通の猫より耳が大きいんですよ。そういうところを捉えたような、他と違って活性化しているように見えるのを、他の層で注目するというようなことを繰り返すと、最後には6×8の点の集まりになって、入力された写真が、他の66種類のうちどれになるかというように仕分けられる。これがディープラーニングなんですね。もう少し細かいことを言うと、確率の値も現れます。アラビアンマウである確率が95.1%で、ラパーマという猫である確率が4.7%、他は0.02%以下ってことで、非常に高い精度で見分けられるようになるんですね。この中で、この猫がアラビアンマウだって一目見て分かった人はいないですよね。あんまり有名でない猫ですので。
 こうやって正解のデータを用意してあげれば、あっという間に人間よりもはるかに物知り博士のように、絵や音を聞き分けたり、絵を見分けたりするようになっているのが、今の人工知能です。だけど、間違ったデータを入れたらそのまま学習してしまうし、こうやってトレーニングしたAIはすべて、何を見ても猫だと思います。11年乗っていた、スクラップにした、愛車なんです。(画像省略)車の正面を見ると、目玉があって顔みたいですよね。他にもカエルみたいな車もありますし、こいつはちょっと目が下のほうについている気がするんですよ。そうしたらAIは、やっぱり、目が下についた猫だって認識しました。私に似ているって言って社員が買ってきた巨大な招き猫の瀬戸物があってですね、たれ目なんですよ。目じりじゃないけど目じりの先に、毛並みの模様でたれ目のように見えるエキゾチックショートヘアーだろうってちゃんと推定してるんですね。全てを学習した奴のどれかとみなすってAIの特徴でした。
6 人間の学習
 ここまでご説明するとお分かりいただけると思います。テレビとか本とかいろんな記事とかで、学習、学習っていうけども、皆さんが時間割の国語の授業、数学の授業、理科の授業とかで習っているそれをみんなが一生懸命復習しているときの学習とはずいぶん違いますね。皆さんは、正解を丸覚えして、そこから自動的に特徴を抽出するなんてことやってないでしょう。新しい学習の材料は、小難しく書いてあるけど、今まで習った知識をもとに示されていますね。例えば中学1年生で4月の第1週に英語を始めて勉強しましたっていうときにも、This is a pen.のThis が主語です、「これは」に相当する言葉なんだよと説明されますよね。それって日本語で「これは」っていうのはこういう意味だってことを分かっているから理解できるわけですね。これってここでいう既存の知識なんです。既に持っている知識と照らし合わせて、これがこれに近いことなんだと理解する。その新しい知識の中で、こういったことがあるんだなと理解していくことで、ずいぶんディープラーニングとは違うことをやっています。しかも、こういう動機がないと勉強の捗り方も10倍も100倍も違って来たりする。しかし、機械にそんなもの全くありませんっていうのを頭の隅にとどめておいてください。

 

7 ディープラーニングの応用事例
 さっきのディープラーニングの応用っていうのは、何とかは使いようって言葉があります。よくわかる真ん中から行きますと、目の眼底画像です。目医者さんに目の検査をされると作成されたりしますよね。これを見て、目医者さんは白内障とか目の病気を見つけてくれる。
 これはレントゲン写真ですね。ほかにもいろんなお医者さんが見る画像はたくさんあります。ものすごく大きな写真の中に、細胞一個にだけがん細胞が転移しているなんてことがあるんです。それって、人間のお医者さんでも見逃すんですね。ここだけの話ですが、この眼底画像で、普通の目医者さんが正しく診断する確率はなんと68%なんだそうです。32%のケースで間違えちゃうんです。これは日本眼科学会で聞いた恐ろしい数字です。なかなか目の病気って命に別条のないことが多いからそういうことになるかもしれませんが、皆さんが将来目医者さんになったら95%の精度で診断できるようになってくださいね。さっきの猫の例からお察しのように、今のAIは95%以上の精度で簡単に判断できてしまうんです。
 これはもうちょっと常識を入れて、カロリー計算をするアメリカのサービスです。目玉焼きだろうと認識したら、普通目玉焼きは何カロリーあるかを判断し、3個食べたいけど太るから2個にしようかということをアメリカ人に判断させるためのツールです。これもなんで知識を使っているかって言ったかというと、これがもしウズラの卵とかダチョウの卵だったら大変ですよね。大間違えしちゃいます。

 病理医というと、先日、女優さんで、今中学一年生になった芦田愛菜ちゃんが将来病理医になりたいってすごい発言をしてみんながひっくりかえって驚きましたね。病理医は、1週間くらいかけて、検体、つまり体のどこか部分を切り取って、スライスしたものを、顕微鏡で見て、病気を判断するっていう専門職なんですね。だけど、そのデジタル画像は9億画素から36億画素あって、普通のjpgとかデジカメで撮った写真では到底納まらない写真なんですね。この中の細胞一個だけががんになっているっていうことがあったりします。それを検出するAIをうちの会社でも作っていまして、ものすごく早いコンピューターを使っています。36Tflopsってどれくらいの速さか分かりますか。10数年前の世界一のコンピューターより速いものを一人一台うちで使っています。1秒間に36兆回、8桁×8桁の掛け算ができるんですよ。光って秒速30万キロですよね。赤道上空は一周4万キロ、光は赤道上を一秒間に7.5週くらいできます。その光でも、この子が一回計算する間に、0.8ミクロンしか進めない、そういう速さのコンピューターを使ってさっきのディープラーニングをやっています。

 そのためのデータづくりのほうが大変だよっていう風景です。最初一か月くらいのトレーニングで、結構95%の精度でリンパ節に転移したがんを診断したって例になります。この辺はAIの方が得意になったってのがあります。
 AlphaGOが有名になりましたね。囲碁のチャンピオンを4対1で破ったやつです。これをつかったgoogle社の子会社のDeepmind社のコンピューターは、さっき紹介したうちの会社で一人一台使っているコンピューターのさらに100倍くらい速いコンピューターを使っています。それを一か月とか三か月とか計算させて学習させているんですね。3000万対局っていう人類史上記録に残っているすべての囲碁の対局データを使って、単純にトレーニングしたら、普通の人に57%の確率で勝てるようになりました。しかし五分五分だったら大したことない、となったんですね。そこで、囲碁ですから、ちょっとランダムに打つようにさして、AlphaGOの1Aと1Bと二つ作って自己対戦させました。ゲームですから勝ち負けはっきりしているじゃないですか。より多くの碁石をとったほうが勝ちです。ですから、これが勝った、結果的に勝ったんだから、この時の指し手がどうだったってのは後からわかるんですね。そうすると、機械同士の対決ですから、人類史上記録に残っている対局3000万局に対して、50億対局とかすぐ出来ちゃって、それで勝ち負けはっきりしているから、それから大量に出てきたものから、さらに学習させたらだんだん強くなっていった。ということで、ここまで来たんです。実際にはそのとんでもない早いコンピューターで50億対局の中から作ったデータを参照して次はここを打ったほうが勝てる確率が高いってコンピューターの指示で打ってということですから、人間の打ち方と全然違うやり方してるってことは何となく覚えていてください。
 それをもって、私の師匠の一人、言語学者の言語学を作ったノーム・チョムスキー先生はですね、昔IBMがDeep Blueっていうチェスのコンピューター、チェスのプログラムがカスパロフっていうチェスの名人を破った時になんて言ったか。「ブルドーザーが、重量挙げの世界チャンピオンより重たいバーベルを上げたことの何が面白いんですか」と。AlphaGOについても同じことが当てはまります。だけど、さっきのこれができるほうがすごいし、これができることによって今までこれまでコンピューターが全然使えなかったところに使えるようになるってことにお察しください。
 あとで、ガートナーグループの、AIの「よくある10の誤解」っていうのをよろしければご両親とインターネットで見つけて、読んでくださいね。なんでも人間のようにできるAIっていうのはまだできていないし、今世紀中はまだ無理だと私は思っています。皆さんは創意工夫とか人間にしかできない芸術的才能を発揮したり、人と人の心を察して相手に対して思いやりをもって接することができれば、営業の仕事始めいろんな仕事、AIに絶対できない仕事をたくさんこなして、発展させていくことができます。
8 AIと仕事
 普通の人はどんな仕事をしているだろうか。AI導入をきっかけに今の働き方を見直してみませんかってことですね。一般には、1日の大半の時間8から10時間を使って、働いていくことになります。働く必要がなくなるっていう人もいるけど私はそれは間違っていると思っています。働く理由はお金を得るだけじゃないですからね。結局皆さんに私がお話をしている動機・目的は、この仕事の時間を一生充実した幸せな時間にしていただきたいということなんですね。仕事で手ごたえを感じて、お客さんやその仕事をした結果恩恵を被る人にありがとうって言ってもらう。学校の先生だったら、生徒さんに、今は、あの先生、またこっぴどく叱ってきちゃってとかいっていても、卒業してから素晴らしい先生だと感謝されたら先生としてはうれしいわけですよね。先生に限らずあらゆる仕事で、いろんな人で影響を与えつつ、仕事に手ごたえを感じて幸せに暮らせたらいい。さっきの猫のアラビアンマウを見分けられるとか、がん細胞を見逃さないっていうのからすると、もしかしたら医者とか弁護士とか法律の専門的な知識を基礎にする職業っていうのはもともとそういうのが得意なたくさん覚えるのが得意なコンピューターに勝てなさそうですよね。だけど、自分から違っているかもしれないと考えて、自分の責任でお腹を切ってみようとか、外科の先生みたいな決断はAIには絶対できないわけです。
 とはいえ、今のAIが貢献できる度合いは、意外なことに、医者とか弁護士の仕事のほうが多いかもしれないですね。だけど、彼らは絶対失業しないですよ。さぼっていて単純な仕事、機械でもできる仕事に逃げ込んでいる人はやばいかもしれないですね。
 普通の人はどうなのかっていったときに、洋服店、アパレルショップを考えてみます。お洋服の店の店員さんって実はすごく大変なことをやっています。さっきの、これをもっと遥かに高度にしたようなことをやっています。お客さんが来て、おすすめして、手で広げてみたり、今どんなのをお持ちですか、夏物はどんな色ですかとか、そんなこと聞いたりして、今着ている服とのコーディネートも考えたりして、わずか数分ですごいことをやっているんですね。お客様のほうは、そろそろ、私だったらスーツほしいなあとか、夏のカジュアルウェアがほしいなとか言って、ある洋服の店のチラシが入っていて注目して、通りがかりに注目して興味をもって、こんなに場に来て言ったらいいかなって連想をして実際に願望を感じ、比較検討し、この店なら買ってもいいかもしれない、この店員さんの言っていることは信用できるかもしれない、って思って、行動・意思決定し、最後満足に至る。これを5?10分の間に、お客さんの心のなかでこういうことが起こるんですね。最後にお財布のひもを緩めなきゃいけない。
 店員さんの方は、まずお客さんの家に出かけるわけにはいかないから、待っているわけです。ご挨拶してアプローチして、一言いって、試着しませんか、どんな洋服をお持ちですか、どういうところで着てみたいですか、とか展開して、褒めて、きっと似合うでしょうねと言って、控えめに商品アピールして、似た商品を紹介し、コーディネートの話をして、経験談や口コミを活用し、いよいよお財布のひもを緩めていただくために、もう生産は終わっちゃったんですよとか限定生産ですよとか言ったりして、ブランドのこだわりとか、裏地までこんなに丁寧に縫い上げているんですよとか言ってみたり、お会計して、最近はライン登録したり、もう一度アピールして決定で、これで契約成立、商品をお渡しし、また来てくださいね、とお見送りすると。
 これをたった一体のロボットでやらせようというのは不可能なんですよ。これの人件費って時給1200円で計算すると、100円か200円でやれちゃうのが人間なんですね。今100兆円積んでもこんなAIは作れません。これを全部できるロボットってのは作れる見通しは立ってないってのが今の状況です。
 小柄な凄腕の女性の店員さんの場合を想像すると、あの棚の上に、今ちょうどお勧めしたい、Sサイズのお客さんが試着できる服が、2mのところにあるんだから取ってきなさいよって、のっぽのちょっと鈍い男の店員に目配せするんですよ。それができるAIを作りたいですよね。そんなんあったらいいなとは思うけども、今は到底そんな気が利くロボットを作れる見込みは立ってないです。
 人間とAIがすみ分けていくっていう点では、こういうコーディネートの提案というと何百万通り、何十億通りからAIは提案できるから、あるところまで人間を支援できます。
9 AIは仕事を奪うのか
 仕事がなくなるっていうAI脅威論は、人間がやることがなくなるっていうのはちょっと間違いです、っていうビデオを最後にご紹介します。
 電話交換手って仕事がありました。歴史の時間で習ったかな。今はないですからね。電話交換機っていう機械があるけども、昔は電話番号を押すと、人間が出てくるんです。どこにお繋ぎですかとか聞かれます。コレクトコールっていう受け取り払い、受信する側が料金を払うプランもありました。ほぼ女性に占められている電話交換手っていう仕事は、それを一生の仕事にしていた人もいたんだけど、はっきり言って機械の部品ですよね。そういう仕事が、一生やりたかったのに、機械に仕事を奪われて、私は不幸だって考える人がいるでしょうかね。今から50年後の未来から見たら、今事務所、事務職、事務作業で行われている仕事のかなりの部分がそれに近いんじゃないかなっていう風に私は考えています。この間テレビもこれ聞きたいなっていう番組で、似たようなことを言っています。
(映像省略)
 これです。電話交換している風景ですね。
じゃあ、みんなどういう心構えで仕事をしていったらいいかっていうことを最後にお話しします。
 コンピューターも、プリントアウト一つでさえなかなか苦労する状況が続いてもいますけども、将来に備えてどう自己鍛錬すればいいか。
 結論としては、なぜこうなるんだろうか、なぜ今こういう問題があるんだろうかということを考え、解決策を仲間と一緒に、わいわいと意見をすり合わせていくと、結果として段々と全体として知識の扱いに慣れるんじゃないかなってことですね。
 そもそも、人はなぜ働くかとあるベンチャー企業の社長に聞いてみました。働くことは当然お金をもたらします。工夫すれば楽しさも得られます。うちの社員は、楽しくてしょうがないから、深夜ゲームを始めて真夜中まで残っているようなのがいっぱいいるんですけども、それですっきりして仕事を再開して、大変と思っていたことがあっという間に終わった、ということもあります。
 働くことは、明確な目標をもたらし、前向きに人生に取り組める、出会いをもたらす、学びをもたらす、指針をもたらす、自信をもたらす。ベーシックインカムでこれが全部解決しますか?するわけないですよね。
 AIは道具であって、さっきの基準に照らしても、AIはこんなもの求めていません。お金がほしいと思っていうAIもまだ作れていませんので。いろんな価値観の中で選んだ時にそれぞれAIとどうかかわっていくべきかということを書き下していきましょうねということは、数年後、5年後10年後にまた自問自答してみるといいと思います。
10 終わりに
 結論ですけど、今までのいろいろしゃべったことは、大方忘れてしまっても、英語で3文字WHY、なぜって自問自答することを絶対忘れないでください。なぜ?っていうとそんなこと聞くもんじゃありませんって、昔のお母さんは子供に言っていたらしいけど、それこそ間違った使い方をする親がいるんですよ。なぜ宿題を昨日中にやらなかったの!って言われたら、それは昨日なかなか気が乗らずに、気分転換にゲームを一時間やったら、熱中してしまって、それが二時間になってそのまま寝るしかなかったからです、って子供が返事したら、烈火のごとく怒りますよね。そのお母さんWHYに対する答えは求めないんですよ。だけど、なぜっていう問いに対する今みたいな本当の正しい答えをちゃんと考えるようにしましょう。
 それをやったオーストラリアのマクドナルドの元社長は、中卒でアルバイトで入社しました。ハンバーガーを焼く部門に配属されたときは、焼きムラができるのはなんでだろうと考えて、機械を改良しました。出店部門の時は、こういう同じような条件で不動産を買ったのに、なぜここでは客の入りがいまいちなんだろうと、一事が万事そういう調子で考えました。もっと偉くなってからは、なぜ同じように励ましているのに、このマネージャーはいまいち励まされてくれないんだろう、とずっと考えて、気が付いたらCEO、社長にまで上り詰めたってことです。
 ということがありますので、なぜっていうことを突き詰めることは大事です。人とコミュニケーションをして、一緒に時に妥協(compromise)しながら、みんなで少しずつ80点主義でハッピーになれるといいですね。部活動はそういう意味でも大事です。
 人間を研究する人文科学も大事です。みなさんの今で言えば、全ての基礎は国語ですね。そういうことに好奇心を発揮して欲しいですね。歴史も科学ですが、日本史とかやっていても、なぜこうなったのか、なぜ平安時代は終わったんだろうか、なぜ徳川家康が天下をとれたんだろう、とか時々そういうことを考えていいです。答えがなくてもいいです。でも考えることが大事です。
 ふと思い出したんですが、私中学1年に入った時に、算数から数学へのスイッチがよくできなかったんですよ。マイナスの数って中1で習いますよね。中学1年のみなさん4月の第2週目かなんかに数学の先生に、先生なぜマイナスの数があるんですか、って聞いたことがあります。それが偉い先生で、にやって笑って、自分で考えてごらんって言ったんですよ。で、3か月間考え続けました。私が出した答えは、宇宙って一応認識できる範囲では無限大ですね。地球が宇宙の端っこじゃないですよね。そうすると真ん中と考えてもいいんですが、右方向も左方向もほぼ無限に図ることができなければならない。両方向無限大に図るためにはプラス方向に対してマイナスが必要ですね、っていう風に一学期の終わりころに先生に答えに行ったら、その通り、それも一つのいい答えだって言われて、複素数っていうそれと別な高校以降で習う数の概念を教えてもらったりして非常に得をしました。最後に中学の時のエピソードを思い出して時間オーバーをしました。
 以上で講演を終わらせていただきます。

Contact

弊社のサービス・APIについてお気軽にご連絡・ご相談ください

> お問い合わせはこちらから <