日本綜合経営協会トップページ > 実績紹介
実績紹介
一般企業の代理店会・社員研修・安全大会・ＱＣサークル
銀行・信金・損保・生保等の講演会など、様々な場所に講師を派遣しています。
山田誠二先生の講演を聴いてきました
弊社クライアント主催の講演会にて、
前人工知能学会会長の国立情報学研究所教授 山田誠二先生のご講演を聴いてまいりました。
テーマは「人工知能の現在、ビジネスにおける可能性」。
今回は、人工知能 AI分野におけるビジネスとアカデミアの交流を図ろうと新しく立ち上げられた会での、記念すべき初の講演会。
参加者も多数あり、ビジネスサイドの活気と関心の高さがうかがえました。
一方、山田先生は講演会のつい2日前に任期満了で会長を退任されたばかり。
在任中は、特にビジネスと学会のマッチングをいかに進めるかに取り組んでおられました。
山田先生のご講演は、
【メリハリのある語り口／身振り手振りを交えた説明／分かりやすい投影資料】
の三点セットが揃って大変評判が良く、ご講演後の懇親会ではひっきりなしに、ご挨拶と名刺交換攻めに遭ってしまいました。
先生はほとんど召し上がらないままでも、気さくに神対応。
終了後、主催者様の配慮でオフィスへ招いて頂いたので、無事召し上がってからお帰りいただくことが出来ました。
それでは、山田先生のご講演の内容を少しだけご紹介しましょう。
◯人工知能 AIの歴史は古い
人工知能 AIの研究が誕生してから60年と少し。
最近出てきたもののように思われているが、歴史のある技術で進歩、進化してきた。
「IT関連の技術でそれだけ長く続いているものは珍しい。」
ですから、人工知能AIの研究とその成果の蓄積は相当なものになっているのです。
◯シンギュラリティ
AI脅威論とともに語られることの多い「シンギュラリティ」というワード。
ところが人工知能 AIの研究者から見ると、
「人工知能 AIには、どうしようもないくらいバカなところがある」とか（！）。
ゲームの世界や、画像の判断・識別といった非常に特化した領域においては、人間並みか人間を超えるものが出てきているが、一般的にはほとんどのことが出来ない。
例えば、◯ッパーのようなAI搭載ロボットに「このビルから出て、近くのコンビニに行って水を買ってきて」と言ったとする。
会場の地図はなし、場内は照明を落として暗く、かつ木目の壁はドアと区別がつきにくい。
この状況では、まずこの会場から出られず（！）、どこにドアがあるかも認識困難。
人間であれば小さな子どもでも簡単に出来ることが、なかなか出来ない。
なので、あと30年で人類の英知を超える人工知能 AIが出るという「シンギュラリティ」については「噴飯ものである、と言って顰蹙を買っている（笑）」という山田先生。
◯人工知能 AI ＝ ディープラーニング ではないこと
人工知能 AIの手法にデータを機械（マシン＝コンピューター）に学ばせて賢くする「機械学習（Machine Learning）」というものがあります。
種類がたくさんあり、細かく分けると50～100にもなる（論文の数だけあるとも）。
近年急速に発展したディープラーニング（深層学習）のみにあらず、というわけです。
例えばサポートベクターマシン（SVM）というアルゴリズム（データ処理の手法）は、ディープラーニングが流行る前は研究者にも企業にもこぞって使われたヒット作。
その美点は、
☆非常に高速に計算出来る
☆出てきた結果が理論的に非常に良い
☆実際にいろんな現場で使われて性能が良かった
「二拍子揃ったもので10年に一回、三拍子揃ったものは20年に一回くらいしか出ない」
ということで非常に良く出来ているのだそうです。
ということで非常に良く出来ているのだそうです。
ほかにも様々なアルゴリズムがあり、使い方次第でディープラーニングより良い性能をあげるものもあるのだとか。
「ディープラーニングで上手く行かなかった場合には、ほかのアルゴリズムを試してみることを強くお勧めする。」
最近はもっぱらディープラーニング＝人工知能 AIという感じですが、従来から開発されてきた手法にも注目する必要がありそうです。
◯ディープラーニングの原型は日本人研究者が作った
脳の神経回路網をモデルにしたニューラルネットワークという研究があり、それを応用し複雑にした機械学習の手法がディープラーニング（サポートベクターマシン（SVM）には人間の脳を真似しようという発想はない）。
原型は40年ほど前に日本人研究者の福島邦彦先生が開発したネオコグニトロンで、色々と改良されているが構造的にはあまり変わっていない。
第3次AIブームをもたらした最新技術と思われているものにも、その背景にやはり人工知能 AI研究の歴史と蓄積があるわけです。
◯人工知能AIの得意なこと、不得意なこと
一見、何にでも使えるイメージの人工知能 AIですが、得手不得手があります。
たとえば【会計と監査】という業務を例に取ると、
◎会計は数字を扱うものなので人工知能 AIに向いている。
▲監査は人とのインタラクションがあるので、現状の人工知能AIは苦手。
（ただ最近は監査のやり取りもエビデンスを残すためEメール中心になっているため、そうすると人工知能 AIにもある程度は出来るかも、ということ）
研究者としては「一番困るのは過度に期待されて（不得手のところに応用しようとして）、やっぱAIだめだ、との評価を受けること。得手不得手をある程度は見極めた上で使ってほしい」
とのことで、使う側もただ漠然とではなく何がしたいか具体的に考える必要がありますね。
とのことで、使う側もただ漠然とではなく何がしたいか具体的に考える必要がありますね。
◯“人工知能AIが仕事を奪う”ではなく
労働者人口がピークアウトする中で、一部は人工知能 AIによって代替可能だろうし、社会的な期待もかなりある。
「人間の仕事を奪うという発想ではなく、労働力を補ってくれると考える方が生産的だし現実的。」
代替出来るところには導入した方がコスト削減になるしパフォーマンスも上がる。
さらには、「人工知能AIを適材適所で使っていかないと、個人も組織も仕事を最適化し効率化することが出来なくなるだろう」とのこと。
また従来、労働は【どこで／だれが／なにを／どうする】で分類されてきたが、ここに【AIで代替可能か】という軸が加わる。
しかし仕事をまるごと奪うのは難しく、「基本的には一緒に働く世界、社会になる。」
例えばコンビニの店員さんの仕事にも人工知能（AI）に出来ないものがたくさんある。
その一つがおでんの仕込みで、形状や柔らかさがバラバラのものを上手く掴んで移動させる作業はロボットにはまだ出来ない。
◯求められる“AIリテラシー”
現在ITリテラシーがないと就職に不利なように、AIリテラシーが必要になってくる。
求められるAIリテラシーとは、
「ある問題はどういうAIのアルゴリズム、あるいはシステムを使うと解決できるか」という適材適所の“目利き”のこと。
現在、大学の人工知能AIの講義では、AIリテラシー的なことはほとんど教えておらず、車で例えると、運転の仕方ではなくエンジンのメカニズムばかり教えているのだそう。
「車は運転出来れば良い」という方向に人工知能AIもなっていくので、「いかに使うかが重要になってくる」と強調されていました。
さて、山田先生のご講演内容のごく一部をかなり駆け足でご紹介しました。
“万能の人工知能 AI”という大雑把なイメージではなく、“様々なタイプの人工知能 AIを適材適所で使う”ことがとても大事だということですね。
長年研究に取り組まれてきた山田先生ならではの、地に足の着いたご講演内容でした。
人工知能 AIも、それぞれ違う能力値を持った人間と同じように捉えるべきなのかもしれません。
山田先生のご講演では
◯人工知能 AIの現在地を知りたい、
◯人工知能 AIに出来ること出来ないことを具体的に知りたい
◯ビジネスにつながる応用分野の方向性を知りたい
などなど・・・
こうしたニーズに応える、確かな内容をお話いただけます。
お問い合わせをお待ちしております。
また人工知能AIに関する講演の特集ページをご用意しております。
こちらもご覧ください。
