Comments
Description
Transcript
3.0MB - 新エネルギー・産業技術総合開発機構
社会をおもろくするためのAI ２０１６年４月２５日 情報通信研究機構 脳情報通信融合研究センター 研究センター長 柳田 敏雄 社会をおもろくするためのAI開発 お も脳 ろに い聞 社く 会 AI 高いエネルギーのもとで 便利さや速さ，正確さを 追求する技術 1 生産性、利便性の向 上だけでは、おもろい 社会にならない 2 未来のICTにおけるAI技術研究開発の基本戦略 ～高品質なビッグデータの集積化～ 賢いAIシステムを作るには、質の高いビッグデータが不可欠である 分析 脳に学ぶ 次世代AI開発 WISDOM X AI基盤技術の 開発・検証 DISAANA 高品質なビッグデータ 社会システムへ の実装 VoiceTra 収集 レーダーやセンサー ネットワークによる 環境データセンシング （ 1976〜） リモートセンシングデータ クローリングによる収集 （2006〜 ） WebやSNS等の テキストデータ nicterによる収集 （2006〜 ） サイバーアタック データ fMRIによる収集 (1990〜） 高次脳機能計測 データ 安全・安心のための環境ビッグデータ利活用技術 3 電磁波 グローバル電波センシング技術 宇宙天気予報 航空無線や衛星測位に影響する ・太陽黒点を自動抽出 ・フレアの発生可能性予測 リージョナル電波センシング技術 気象観測 現在の課題 広域・地形等を考慮した 副次的な災害、予報は 人により判断 ゲリラ豪雨災害対策支援システム 豪雨のリアルタイムモニタや予測 → スマホアプリでの配信（実験中） 次世代AI技術への期待 災害情報・被害推定 電波で地表を捉え 地表面の状況を自動判別 火山の監視 震災の被災状況調査 過去の事例を学習する だけでなく、未知の 複雑な状態に対応する 推論が行えるAI技術 価値を創るビッグデータデータを利活用する技術 4 自然言語処理技術 音声・言語、翻訳 VoiceTra 現在の課題 ２９言語の翻訳に対応 音声認識処理にディープラーニングを実装 民間企業への技術移転実績 ２０件以上 機械学習は利用して いるが、大規模な 学習データが必要で、 人手によるアノテー ションが必須 Webの知識解析 仮説の推論や質問の提案まで行う事が WISDOM X 出来る世界トップレベル・国内唯一の 高性能な自然言語処理・AIシステム 質問「東京オリンピックで何を心配すべきか？」 D-SUMM 及びDISAANA 災害関連情報をリアルタイムに 深く分析・整理して提供 検索エンジンでは、埋もれてし まう情報が発見できる。 次世代AI技術への期待 少量の学習データから 学習し、高精度を実現 できるAI技術 情報を安全に繋ぎ、守るビッグデータ利活用技術 ネットワーク 情報ネットワーク ネットワーク資源を動 的に調整し、サービス の品質を確保 緊急時、障害時にも 適切なサービスを提 供 情報セキュリティ ネットワークを監視し、 新たな脅威、インシデン トを早期に発見 外部へセキュリティ情報 を提供 現在の課題 大規模システムの処理 に多くのエネルギーを消 費すると共に、未知の 異常やサイバーアタック に関してはエキスパート の経験と直観にて対応 次世代AI技術への期待 低消費電力で未知の状 態から発生する大規模 なリアルタイムデータの 特徴を抽出し、人の直観 による処理を組み込んだ AI技術 5 ビッグデータ技術とAI技術 • ビッグデータ技術とAI技術は表裏一体 – ディープラーニングのためには大規模なデータが必要 • しかしながら、現在のAI技術はコスト高で頑固で 融通が利かない – 大規模なデータが必要であり、それを計算する大規模な 計算機が必要 – 特定の処理には強いが、学習させた分野以外の 処理には無能 • 高い汎化能力を持った、低エネルギー、低コスト、 AIが必要 – →そうだ、脳に学ぼう！！ 6 7 デコーディング技術を使った脳に学ぶAI 脳が何を感じ、何を思っているかを推定する技術 脳活動の解読で知覚体験の映像化に（一定精度で）成功 (1) 人工脳訓練フェーズ 体験 脳活動 脳モデル 低次の認識から 高次の認識へ 順次モデルを高度化 ？ 脳モデル 初期視覚野脳活動から 推定した知覚体験 (Nishimoto et al., 2011 Current Biology) CM評価に応用、NTTデータが商用化（２０１６年度予定） (2) デコーディング 体験 実際の知覚体験 被験者が見ていた動画 脳活動 脳活動から推定した知覚意味内容 名詞 動詞 形容詞 女性 男性 髪 着る 着ける 被る 若い 鋭い 短い 文字 ラテン アルファベット 咲く 読める 書く 黄色い 白い 美しい 海 広大 一帯 眺める 囲む 面す 深い 数多い 狭い （品詞別トップ３） 脳活動 … 体験内容 メタデータ 多様な認知機能を対象とした脳データ取得とAI構築 … 主観認知、会話、判断、学習、購買、創造、社会性、倫理、… 脳デコーディングモデルの構築/深化 脳情報 データベース 機械学習 AI技術 脳と親和する 認知/判断/人格 を持った汎用AIの 基盤開発へ 8 脳に学ぶ桁違いの省エネAI 9 IBMチェス専用 スーパーコンピュータ IBMディープブルー 1995年 ５０，０００ワット １ワット （思考時と休止時 （２０ワット）の差） 世界チャンピオン ガルリ カスパロフ 2016年 消費エネルギーの 差は数万倍！ デミス・ Deep Mind ハサビス アルファ碁 （２０００CPU、３００GPU） ２５０，０００ワット 世界最高の棋士 イ・セドル九段 ゆらぎを利用する 使用料：３０億円？ 生命の原理 10 さらにその先のAI技術を目指して 人が機械に合わせる時代 限られた専門家が使う時代 機械が人に合わせる時代 全ての人が使える時代 脳型AI（<100ワット） 大量情報の 蓄積 環境・状況・制約を認知して 心配を安心に変え、 希望実現を助ける 大量知識の 蓄積 スパコン（2000万ワット） ワトソン（20万ワット） サーバ（300ワット） AIと遊ぼう 職人技を 伝えたい 入力・条件・動作 をプログラムで定義し、 かつ特徴のあるデータを大量にイ ンプット 入力・特徴・条件・動作 全てをプログラムで定義 エキスパートシステム 生産オートメーション 機械学習・ディープラーニング ビッグデータ 過去(20世紀～2000年代) 現在(2010年代) 老後も自分の経験や 知識を活かしたい どうしたい・どうありたいかを 話す・考える・身振り手振りで伝えると コンピュータは 自分で必要な知識・情報を学び、考え、 人を支援する 脳に学ぶAI 未来(2040年代) ビッグデータ ＋ 機械学習 脳に学ぶAI