ディープラーニング（深層学習）の技術開発がますます活発になっている。最適な行動や動作の決定、コンテンツの生成といった用途に使える成果が相次ぎ登場した。画像内容の質疑応答が可能な対話システムなど、高い知性の実現を目指した研究も始まっている。 「DNNは、真の知性を作るための重要な一要素になると思う。ただし、未来のDNNは現在とはかなり違う。新たなタスク（課題）に対して適切なネットワークの構造を自動的に考案し、ネットワークの構造を常に進化させ、精力的に情報を集め続けて将来どう行動すべきかを学んでいく」（米University of California Berkeley校 ProfessorのTrevor Darrell氏）。 深層学習を使って、より知的なAIを実現しようと試みる研究がますます活発になっている。パターン認識のように、与えられたデータを受け身で処理する段階から、データをもとに現実

今回は、人工知能の話題でよくある問いと回答（FAQ）を通じて、本連載「人工知能のつくりかた」を振り返ってみます。総集編の今回だけを読んでも人工知能のエッセンスが分かりますが、詳細は各回の記事を参照してください。 Q1.人工知能ってなに？（第1回） まずは「人工知能ってなに？」からの問答になります。人工知能という言葉を聞いて、どんなことをイメージするでしょうか。この答えは単純ではありません。例えば、「人工知能とは学習だ！」という答えはすっきりして心地良いものですが、多くの人の同意を得るのは難しいでしょう。 この連載では、「人工知能は、表面的には一見何をしているか分からない」という必要条件を紹介しました。これは必要条件ですので、「一見して何をしているか分からない」だけではもちろん、人工知能とは言えません。そこで、これさえしていれば人工知能だ、という十分条件として「専門家の真似をする」という定義

前回は、将棋プログラムの基盤として、駒の動きや盤面を管理する「将棋盤プログラム」のつくりかたについて、オブジェクト指向の観点から解説しました。（実際に将棋盤を完成させるには、まだまだつくる必要があるクラスがありますが…） 今回からはいよいよ、将棋の指し手をコンピュータに考えさせる人工知能プログラムのつくりかたに入っていきます。 人間はどのようにして次の一手を指すのか－人工知能プログラムをつくる前に 人工知能プログラムをつくる有力なアプローチの一つに、「人間の思考を真似ること」があります。このため、実際に人工知能による将棋の思考プログラムをつくる前に、まず人間の思考方法について考えることは重要です。 人間のプレイヤーはまず、現時点での将棋盤と持駒台の駒の配置を見て、次の指し手の候補を考えます。続いて、相手がどのような手を指すか、相手側になって考えます。さらに、その相手側の手に対して、自分がど

人工知能は、今第3次ブームを迎えているといわれています。つまりこれまでに、2度のブームと、2度の“冬の時代”を経ているわけです。 一体、人工知能に何があったのでしょうか。 冬の時代から第2次人工知能ブームへ 人工知能は、1960年代から70年代にかけて、第1次ブームを迎えました。このときに作られたエキスパートシステムなどの人工知能システムは、特定分野の特殊な状況下でのみ使える小さなシステムで、いわばおもちゃのようなものでした（関連記事：その昔、人工知能は「人工無能」だった）。 人工知能に対する期待が大きかった分、このおもちゃのようなシステムに対する失望も大きく、国や企業の予算もつかなくなりました。この1970年代後半を中心とする時代を、人工知能の「第1期冬の時代」と呼びます（図1）。 冬の時代を迎えた原因の一つに、コンピュータの性能問題がありました。現在と比較して、1970年代のコンピュー

この連載では、機械学習にまだなじみがないITマネジャーやエンジニアに向けて、ビジネスへの活用を前提に、機械学習とその応用について説明している。 第1回（機械学習は、なぜ「未知の問い」への答えを出せるのか）では機械学習についての大まかなイメージを、第2回（利用者をイライラさせないレコメンド機能を機械学習で実現する）では機械学習の仕組みを、第3回（機械学習で怖い「次元の呪い」、手法の選択は適材適所で）では機械学習を応用する際の勘所を、第4回（機械学習をIoTに応用、人間の行動を認識・予測する）では実際の機械学習の応用例をそれぞれ解説した。 ここまでで、機械学習の基本から応用のイメージや注意点までを、ひと通りご理解いただけたと思う。今回は話をさらに進めて、機械学習をビジネスに活用する際にあらかじめ考えておくべきポイントを紹介したい。 多くの企業にとって機械学習は初めての経験であり、先例やノウハウ

連載趣旨 現在ブームの渦中にある人工知能には、実は大きな限界がある。あらかじめ設計した特定の用途にしか適用できない点である。この壁を乗り越えて、あたかも人間のような知性を実現しようと試みるのが、汎用人工知能（AGI：Artificial General Intelligence）の研究開発だ。自ら汎用人工知能の開発に取り組む五木田和也氏に、開発の指針となる人の脳に関する知見と、汎用人工知能の構成要素になり得る機械学習技術の基礎を解説してもらう。（日経テクノロジーオンライン編集）

日本IBMとソフトバンクは2016年2月18日、質問応答システム「Watson」の日本語版サービスを正式に始めた。米IBMとソフトバンクが2015年2月に戦略提携してから約1年。これまでβ版で提供していたいくつかの機能を正式版に格上げした（関連記事：［脳に挑む人工知能5］Watsonテクノロジーの全貌、IBMはなぜAIと呼ばないのか）。 Watsonの日本語化に当たっては、日本IBMが日本語処理機能の実装を、ソフトバンクが業務利用を想定した検証を担当した。ソフトバンク ICTイノベーション本部 Watson事業推進室 ビジネス推進部 部長の立田雅人氏は、「Watsonの言語認識は、方言、若者言葉、業界用語を知らない非専門家の言葉といった、文章の『揺らぎ』への適応力に優れている」と評価する。 同社はWatsonを活用した業務システムとして、社内業務について音声やテキストで質問すると社内文書や

ここ1年ほど、人工知能、特に機械学習（Machine Learning）に関する技術革新が著しい。ディープラーニング（多段のニューラルネットワークによる機械学習）が画像認識、音声認識で目覚ましい成果を挙げているのは、その象徴だ。 それに伴い、機械学習の機能を情報システムに組み込むツールも充実してきた。クラウドサービスして提供する「クラウドAI」を米IT企業が相次ぎリリースしたほか、大規模データを扱えるオープンソース実装も増えている。 本特集では、主要な機械学習ツールの特徴や使いこなし方を解説する。 ［6］国産の深層学習フレームワーク「Chainer」とは何か 本稿では、Preferred Networks／Preferred Infrastructureが開発したディープラーニングの開発フレームワーク「Chainer」の概要を説明する。 2015.10.01 ［5］NVIDIA DIGIT

2015年現在、世間は第3次人工知能ブームの真っ只中にある。人工知能やその応用に関する記事がWebだけでなく一般紙にも連日のように取り上げられ、人工知能の発展がもたらす社会的変化や未来に関する懸念についても盛んに議論されている。 そこで中心的な役割を果たしているのが、機械学習であり、特に深層学習（ディープラーニング）に注目が集まっている。深層学習は大規模かつ複雑なニューラルネットワークモデルを効率的に構築するための一連の手法であり、その威力は様々な機械学習の応用分野に広がっている。 本稿では、Preferred Networks／Preferred Infrastructureが開発したディープラーニングの開発フレームワーク「Chainer」の概要と、Chainerを使ったディープラーニングの構築手法を説明する。 ニューラルネットワークの逆襲 ニューラルネットワークは第1次人工知能ブームか

「人工知能が人類を追い越す特異点（Singularity）は来ない」「深層学習（Deep Learning）が大流行しているが、壁に突き当たる」「人工知能は、目先の技法にとらわれることなく、本来の目的に向かって進め。つまり、人工知能は人間のインテリジェンスを目指せ」──ショッキングで考えさせられる内容の講演だった。 人工知能開発への厳しい意見 New York University心理学部教授Gary Marcusは、2015年8月、人工知能学会「SmartData Conference」（上の写真）で、このように講演した。Marcusは心理学者として、頭脳の知覚機能を人工知能に応用する研究を進めている。GoogleやIBMを中心に、IT業界が人工知能開発につき進む中、その手法は正しいのか。厳しい意見が続いた。 Marcusの発言の根底には、人工知能は我々が考えているより“未熟”である、と

写真1●cocoro SBの朝長康介取締役（右）と大浦清取締役（左）。朝長氏は顔出しNGとのことでした （前編から続く） ソフトバンクロボティクスの「Pepper」が備える感情生成エンジンとはどのようなものか、なぜ人工知能に感情が必要なのか。 Pepperの感情生成エンジンを開発するcocoro SBの朝長康介取締役と大浦清取締役に聞いた（写真1）。 こうした感情の揺れ動きが、Pepperと人間とのコミュニケーションを豊かにするわけですね。ええと、感情地図（図1）には内芯円の中心部に「増殖」と「生存」と書いてありますが、これは…。

この1年ほど、人工知能が将来何をもたらすかについて世界中で議論が巻き起こっています。人類に巨大な益をもたらすとされる一方で、人間の仕事が奪われ、さらには人間による制御が効かなくなる落とし穴にはまる可能性もさかんに議論されています（関連エディターズノート）。 人工知能の行方を懸念する人の中には、著名な研究者や経営者も少なくありません。「ホーキング、宇宙を語る」などの著書で一般にも知られる物理学者のStephen Hawking氏は2014年12月に「人工知能は人類を終わらせかねない」と警鐘を鳴らしたと報道されています。 米Tesla Motors社 Chairman＆CEOのElon Musk氏も2014年8月、「人工知能の研究には最大の注意を払う必要がある。潜在的には、核兵器よりも危険な存在になり得る」と自身のTwitterで発言しています。 「人工知能の研究に関するガイドライン」に多数が

情報処理推進機構（IPA）とJPCERTコーディネーションセンター（JPCERT/CC）は2015年4月9日、ファイル圧縮・展開ソフト「Lhaplus（ラプラス）」に新たな脆弱性が2件見つかったことを明らかにした。細工が施されたファイルを読み込むだけで、悪質なプログラム（ウイルスなど）を実行される危険性などがある。対策は、最新版「Lhaplus 1.72」へのアップグレード（画面）。 今回明らかにされた脆弱性は2件。1件は、圧縮ファイルの処理に関する脆弱性。細工が施された圧縮ファイルを展開するとバッファオーバーフローが発生し、中に仕込まれた任意のプログラムを実行される恐れがある。 もう1件は、展開するファイル名の処理に起因するディレクトリトラバーサルの脆弱性。名前を細工されたファイルを展開すると、任意のファイルを作成されたり、既存のファイルを上書きされたりする危険性がある。 対策は、最新版

やまさき ふみのり 1974年、山口県生まれ。早稲田大学大学院に在学していた1998年、趣味のロボット開発の資金を捻出するためにイクシスリサーチを設立。2000年に科学技術振興事業団（現科学技術振興機構）のプロジェクトで2足歩行ロボット「PINO（ピノ）」を開発した実績も持つ。 （写真：陶山 勉） ――どのような経緯でロボットに興味を持ったのですか。 ロボット業界では、「鉄腕アトム」や「ガンダム」などのテレビアニメを見てこの業界を志した人が多いと思います。ですが自分は子供の頃、ロボットのアニメを全然見ていません。実家が山口県の田舎だったので、田んぼでサッカーをしたり山でカブトブシを採ったりして遊んでいました。あと実家の工具箱からノミやのこぎりを持ちだして、工作をしていましたね。木の切れ端を船の形に加工して、川に浮かべたりする遊びです。 そんなふうにモノづくりに強い興味を持っていた小学5年生

IBM「Watson」は以前、米国クイズ番組「Jeopardy」で歴代チャンピオン二人を破り社会を驚かせた。クイズには強いWatsonだが、IBMはビジネスへの応用に苦戦している。しかし今年初頭、「Watson Group」が設立され、IBMの人工知能ビジネスの流れが変わった。ベンチャー企業から、Watsonを活用した知的なアプリの登場が相次いでいる。WatsonはApple Siriのように身近な存在になり、IBMの人工知能ビジネスへの遷移が鮮明となった。 知能イノベーションを起こす 人工知能ビジネスの中核を担うのがWatson Groupで「Cognitive Innovations」（知能イノベーション） を目指している。Watsonを核に、、インテリジェントなシステムやアプリを開発する。IBMはこのプロジェクトに10億ドルの予算を当て、このうち1億ドルをベンチャー企業への投資に振り

2015年1月、仕事始めから数日後のある日。PowerPoint 2013で文書を作成していた記者は我が目を疑った。オンライン画像の検索画面から、「Office.com」のクリップアートの検索ボックスが消えている。 理由を探ろうとネットを調べてマイクロソフトのブログ記事にたどり着き、クリップアートの提供終了を知った（関連記事：要注意！MSオフィス 「クリップアート」の「ひっそり終了」がもたらす混乱）。1カ月ほど前に発表されていた情報だったが、年末進行で忙殺されていた最中だったためか、恥ずかしながら見落としていた。不覚だった。 実は記者自身、クリップアートのヘビーユーザーだった。主な用途は、記事中に入れる図版の下絵作成だ。 IT関連の雑誌の編集をしていると、システムやサービスの仕組みを解説する図版を毎月のように作成する。絵心のない記者にとって、パソコンやサーバー、無線LANアクセスポイントな

米グーグルが相次ぎ公開した、人工知能に関する二つの研究（図1、図2）。それが示すのは、人間が視覚で物体を認識する能力と、コトバを操る能力が、地続きの関係にあるということだ。この二つの研究について解説しながら、自然言語処理にニューラルネットワークを応用する研究の最新動向を紹介する。 図1●英語の文章をフランス語に機械翻訳するニューラルネットワーク。英文「A B C」（A～Cは英単語）をA、B、Cの順にニューラルネットワーク（長方形）に入力すると、その英文に対応したフランス文の「W X Y Z」がW、X、Y、Zの順に出力される（詳細は後述）

あるときは銀行の窓口業務をこなし、あるときはがん患者の治療方針を提案し、あるときは独創的な料理を作る――。米IBMの「Watson」が提供するアプリケーションはあまりに多彩で、捉えどころがない。 Watsonとは、いったい何を指す言葉なのか。IBMは、クイズ王を破ったこのコグニティブ（認知）システムを、どうビジネスに結びつけるつもりなのか。英語向けのWatsonを日本語に対応させることは、本当に可能なのか。 これらの問いに最も適切な答えを返せるのは、Watson Groupの指揮を執るIBMシニア・バイス・プレジデントのマイク・ローディン氏だろう。 ローディン氏は、Software Solutions Groupの責任者だった2011年半ば、クイズ番組「ジョパディ！」でWatsonがクイズ王を破ったシーンをテレビで見て、思わず「I want that！（これが欲しい！）」と叫んだという。翌

本連載「脳に挑む人工知能」第1回、第2回、第3回では、脳神経細胞を模したニューラルネットワークによる画像認識を中心に、人工知能技術の最前線を解説した。第4回以降では、動物の中でも人間にしかできない「複雑なコトバを操る」ことを可能にする人工知能について、脳科学やビジネスとの接点を交えて紹介する。 人類がコトバを操るようになったのは、ヒトの歴史の中でもごくごく最近のことだ。言語の起源については諸説あるが、複雑に文節化した言葉を発することができるようになったのは少なくとも10万年前、ホモ・サピエンス（新人）がアフリカから世界へ移動を始めた頃とされる。 ヒトの祖先がチンパンジーの祖先と分かれたのがだいたい500～600万年前のこと。チンパンジーであれば、第1回～第3回で取り上げた物体の認識、つまり「モノを見る能力」は当然のように備わっていたろう。だが「コトバを操る能力」については、猿人、原人をへて

いま脚光を浴びている人工知能。グーグルやマイクロソフト、フェイスブック、バイドゥ（百度）といった米中の大手IT企業が、この分野への投資を加速している。人工知能を使えば、人間には扱いきれない膨大なデータの中からビジネスに役立つ「意味」や「知識」を引き出せるからだ。 今まで使い道がなかった「眠れる情報」を宝の山へと変えることができる——。 そのことに気付いた先進企業が人工知能開発に猛烈な勢いで突き進んでいる。米中企業だけではない。日本企業も走り始めた。人間の脳を模倣した新技術「ディープラーニング」によって急速に実力を増した人工知能技術の最前線に迫る。 人工知能を制する者がビッグデータを制し、さらにはビジネスすら制する。大量のデータから「意味」を見い出す人工知能の開発に、数多くの企業がまい進している。鍵となっているのがディープラーニング（深層学習）だ。 自動車の進行方向に人がいる。ドライバーは、