人工知能に「仕事を奪われる」ことの何がいけないのか？
日本における第3次人工知能ブームのキッカケの1つは、2013年9月に発表されたマイケル・A・オズボーン博士の「THE FUTURE OF EMPLOYMENT」という論文だと私は思っています。“10年後になくなる職業について分析した論文”といえば、覚えのある方もいるのではないでしょうか。 この論文には「米国労働省が定めた702の職業のうち、自動化される可能性が高い仕事は47％ある」という衝撃的な結果がまとめられています。中には自動化は無理だと思われるバーテンダーなどの職業も含まれており、「なぜロボットが代替可能なのか？」と誰もが疑問に口にしました。 その答えとして、日本で広まったのが「機械に人工知能が組み込まれているから」「人工知能は私たちの仕事を奪う脅威だ」という誤解でした。 人工知能は人間を上回るほど「賢い」のか？ 人間の仕事を奪うほど人工知能は「賢い（スマート）」のでしょうか。例えば
世界最強棋士、最強囲碁AI「AlphaGo」に投了 第2局
中国・浙江省（せっこうしょう）で5月23日（現地時間）から開かれている「The Future of Go Summit」で25日、囲碁世界レーティング1位の柯潔（カ・ケツ）九段と、米Google傘下DeepMindの囲碁AI「AlphaGo」の3番勝負第2局が行われた。第1局はAlphaGoが半目差（1/4子）で勝利し、第2局は柯潔九段が投了し、AlphaGoが連勝する形となった。残る第3局は27日に行う予定。 AlphaGoは2016年5月に世界トップ棋士の李世ドル九段との5番勝負で4勝1敗と勝ってから、オンライン囲碁ソフト上でも60連勝を見せるなど圧倒的な実力を見せている。 本戦で用いられているAlphaGoは、「Google I/O 2017」で発表されたAIチップ「TPU（Tensor Processing Unit）」の新世代版を使用した1台のマシンで運用しているという。李世ドル
「電王戦」5年間で人類は何を目撃した？ 気鋭の文化人類学者と振り返るAIとの激闘史。そしてAI以降の“人間”とは？【一橋大学准教授・久保明教氏インタビュー】
なぜ文化人類学者が電王戦に興味をもったのか――さて、今回の記事は2012年からの電王戦について振り返る長大なものになるので、先に久保さんについて少しだけ読者の方に紹介しておきたいんです。将棋ファンの中には、SYNODOSの電王戦振り返りの文章や、将棋ソフトを使いこなすことで有名な千田翔太棋士へのロングインタビューを目にした人もいるかもしれませんが、一般にはあまり知られていないと思いますので……。ご専門は文化人類学なんですよね？ 久保明教氏（以下、久保氏）： 文化人類学のなかでも「科学技術の人類学」が専門です。簡単に言うと、「人類にとってテクノロジーとはいかなるものであり、いかなるものでありうるか」を研究しています。 4/20公開予定 無料Webマガジン『E!』8号 特集「おもしろE!」 千田翔太×久保明教（×澤宏司） 機械と人間、その第三の道をゆく#内部観測 #将棋 #電王戦https:/
「ゲームAIはロマンだ」 三宅陽一郎氏と森川幸人氏が語るAI時代の基礎知識
三宅氏：AIの学習アルゴリズムは主に「教師あり学習」と「教師なし学習」に大別されます。教師あり学習は、AIが何をすればよいのかという「教師信号」を、あらかじめ人間が与えます。たとえばVR空間で犬をつくり、「お手」といったときに「お座り」をするとNGというように正解を教えるものです。 一方、教師なし学習は、自らAIが環境のなかで正解を導き出します。暖かい地方に行きたいときに「北に向うと寒いので南に行く」というように、AIが答えを出します。教師あり学習は、教師信号をつくる必要があるため、人間が張り付かないといけません。教師なし学習は、問題設定をする必要はありますが、学習を始めたら、極端にいえば人間は何もしなくてよいのです。 森川氏：ニューラルネットワーク（NN）は通常は教師あり学習です。しかし、私は教師なし学習のほうが好きです。教師あり学習の場合、教示信号を使うことが足かせになり、AIの学習を
Google DeepMindの人工知能(AI)「AlphaGo」を頑張って理解する - Qiita
つい最近まで、囲碁でのAIとプロ棋士の勝負はまだ10年かかると言われていました。しかし、今年3月にGoogle DeepMindの人工知能(AI)「AlphaGo」は李世乭九段に4勝1敗という歴史的大勝を実現しました。 どうしてもその強さの秘密を知りたい！「TensorFlowチュートリアル - 熟練者のためのディープMNIST」を実行できるレベルのAI初心者なのに、頑張ってAlphaGoを理解しようとする試みに挑戦しました。この記事はそのメモです。 主な参考文献は、下記のとおりです。 Mastering the Game of Go with Deep Neural Networks and Tree Search 囲碁AI “AlphaGo” はなぜ強いのか? RocAlphaGo Project Wiki AlphaGo基本構成 一言で言えば、MCTS+ConvNetです。 MCTS
深層強化学習：ピクセルから『ポン』 – 前編 | POSTD
(訳注：2016/6/28、記事を修正いたしました。) 本記事は、もう随分と前から投稿したいと思っていた強化学習（RL）に関するものです。RLは盛り上がっています。皆さんも既にご存知のこととは思いますが、今やコンピュータは ATARI製ゲームのプレイ方法を自分で学習する ことができ（それも生のゲーム画像のピクセルから！）、 囲碁 の世界チャンピオンにも勝つことができます。シミュレーションの四肢動物は 走って飛び跳ねる ことを学習しますし、ロボットは明示的にプログラミングするのが難しいような 複雑な操作のタスク でも、その実行方法を学習してしまいます。こうした進歩はいずれも、RL研究が基となって実現しています。私自身も、ここ1年ほどでRLに興味を持つようになりました。これまで、 Richard Suttonの著書 で勉強し、 David Silverのコース を通読、 John Schulm
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
「AlphaGo」という“神”の引退と、人類最強の19歳が見せた涙の意味：現地レポート
「AlphaGoは楽しい」対局中のプロ棋士5人の笑顔が物語るもの：現地レポート
囲碁AI、人間圧倒し「引退」 医療・エネに応用へ - 日本経済新聞
TechCrunch | Startup and Technology News