G検定：試験対策のバックアップ(No.9) - .NET 開発基盤部会 Wiki

[ トップ ] [ 新規 | 一覧 | 単語検索 | 最終更新 | ヘルプ ]

「.NET 開発基盤部会 Wiki」は、「Open棟梁Project」,「OSSコンソーシアム .NET開発基盤部会」によって運営されています。

戻る

目次 †

概要 †

試験対策専用問題用の対策（ソレ以外は、単語検索から。

詳細 †

開発 †

失敗モデルへの5つの対応 †

OpenAIの論文「人工知能セイフティにおける具体的問題」中。

負の副作用を回避する。
報酬ハッキングを避ける。
スケーラブルな監督の実施。
安全な探査（ロボット掃除機がおかしい時など）
分配的シフトに対するロバスト性（ロボット掃除機が学習したのとは異なる環境に置かれた場合等）

責任ある AI の基本原則 †

Microsoft

公平性
AI システムはすべての人を公平に扱う必要があります

信頼性と安全性
AI システムは信頼でき安全に実行する必要があります

プライバシーとセキュリティ
AI システムは安全であり、プライバシーを尊重する必要があります

包括性
AI システムはあらゆる人に力を与え、人々を結びつける必要があります

透明性
AI システムは理解しやすい必要があります

説明責任
AI システムにはアカウンタビリティ（説明責任）が必要です

参考：https://learn.microsoft.com/ja-jp/training/modules/responsible-ai-principles/4-guiding-principles

AI全般 †

歴史 †

定理 †

バーニーおじさんのルール（深層学習）

次元の呪いと次元の祝福

次元の呪い
問題の次元数が増えるにつれて、問題を解くのが難しくなる現象

次元の祝福
問題の次元数が増えるにつれて、特定のアルゴリズムやモデルのパフォーマンスが向上する現象

ノーフリーランチ定理
数学的にありうべき全ての問題の集合について、どの探索アルゴリズムも同じ平均性能を示す。
- 問題領域の知識を可能な限り使用して最適化すべきだということを示しており、
- 領域を限定して特殊な最適化ルーチンを作成すべきであることを示している。

みにくいアヒルの子の定理
- 純粋に客観的な立場からはどんなものを比較しても同程度に似ているとしか言えない、という定理
- つまり、何らかの「仮定（特徴の選択）」がないと「分類」は（理論上）不可能であると言う事。

問題 †

モラベックのパラドックス：高度な推論よりも感覚運動スキルの方が多くの計算資源を要する

テスト †

チューリング・テスト

常識推論タスク
COPA, WSC

中国語の部屋
チューリング・テストを発展させた思考実験

ウォズニアック・テスト（ミスター・コーヒー・テスト
- 機械が汎用人工知能であるかを判定するためのテスト。
- 初めて入る（間取りなどを一切知らない）他人の家に上がり、その家の主人にコーヒーを淹れてあげられるか否かを試す。

脳の機能 †

強化学習
大脳基底核の働きを模倣の働きを模倣

教師あり学習
小脳の働きを模倣

教師なし学習
大脳皮質の働きを模倣の働きを模倣

データセット †

MINST
画像処理システムの小規模手書き数字（0-9）データベース

CIFAR-10/100
画像処理システムの中規模データベース（10/100カテゴリ）

ImageNet
- 物体認識用の大規模画像データベース
- 20,000カテゴリ、1400万画像を超える
- WordNet?の単語データベースを元に、ImageNet?の構築

MS COCO
- Microsoft COCO（Common Objects in Context）
- 大規模な「カラー写真」の画像データセット
- 様々な種類のセグメンテーションタスク用
- 約33万枚
  - 教師ラベル付き：約20万枚以上
  - 教師ラベル無し：約12万枚以上

IDC調査：全世界でのデジタル・データ年間生成量
- 2016年：16ZB
- 2025年：163ZB
- 単位：T（テラ）→ P（ペタ）→ E（エクサ）→ Z（ゼタ）→ Y（ヨタ）

オープンデータ（日本）
- オープンデータ2.0
- 官民データ活用推進基本法
- 世界最先端IT国家創造宣言
- 官民データ活用推進基本計画
- オープンデータ基本指針

https://ja.wikipedia.org/wiki/SI%E6%8E%A5%E9%A0%AD%E8%AA%9E

異常/予兆検知 †

教師なしが基本だが教師ありもある。

機械学習 †

... †

深層学習 †

高速化 †

GPU
誤差逆伝播法
DistBelief：並列処理によるDeep Learning計算の高速化
バッチ正規化（学習の収束の高速化と安定化を達成

活性化関数 †

変遷
シグモイド（0～1）→ tanh（-1～+1）→ ReLU

End-to-End †

反対はStep-by-Step
音声認識、機会翻訳、ロボティクスなどで使われる。

規格 †

ONNX

子供のAI †

推論エンジンが知識ベースから成るエキスパート・システムみたいなモノが「大人のAI」として、
ディープラーニングは経験から学ぶ「子供のAI」が実現できるようになってきた。

その他 †

汎用目的技術であり、産業全体に連鎖的な発明を生じさせる。
イノベーション：認識 → 身体性 → 記号 → 意味処理 → 知識獲得
発展：画像認識 → 眼 → 機械翻訳 → 言語処理（意味理解、知識獲得、知識処理） → 現象のモデル化

法律関係 †

著作権 †

AIの生成物の生成過程に人間の創作的寄与があれば認められる。

学習データの著作権 †

ネット情報を学習データとして活用する場合、

EUの場合、著作権侵害には当たる。
日本の場合、営利・非営利問わず著作権侵害には当たらない。

AIの生成物の特許 †

自然人が前提なので特許は難しい。

自然人の創作の3ステップ
- 課題設定
- 解決手段候補選択
- 実効性評価

蒸留モデルと特許 †

モデル自体の特許
- データだけ利用したモデル。
- データ利用にも特許性がある可能性（内容同一）。
- ちなみに派生モデルとは転移学習やファイン・チューニングによるもの。

独占権の権利行使
- 相対的独占権（著作権）：「内容同一」＋「依拠」が必要
- 絶対的独占権（特許権）：「内容同一」でありさえすれば権利行使が可能

総務省のリスク †

AI自体
- 回答の精度
- ブラック・ボックス
- AIエンジン毎の特性
- データのバイアス

AI利用
- AI利用：犯罪に利用される問題
- 社会的負のインパクト：人の職を奪う問題
- 法律・社会のあり方：AIに責任を問えない問題

ドローン †

150m以上の高さの空域では許可が必要。

承認が必要。
- 夜間の飛行
- モノの投下
- 大勢の集まる場所での飛行
- ヒト・モノから30mの距離での飛行

固有名詞（組織・人名など †

DeepMind? †

https://ja.wikipedia.org/wiki/DeepMind

2010年に起業、2014年にGoogleによって買収。2015年、Googleの親会社であるAlphabetの完全子会社となった。
AlphaGo?、AlphaGo? Fan、AlphaGo? Lee、AlphaGo? Master、AlphaZero?、AlphaGo? Zeroなどを開発。

OpenAI †

https://ja.wikipedia.org/wiki/OpenAI

営利法人OpenAI LPとその親会社である非営利法人OpenAI Inc. からなるAI研究所
2015年末にサム・アルトマン、イーロン・マスクらによってサンフランシスコで設立
アプリケーション
- DALL-E、DALL-E 2、GPT-3、ChatGPT
- OpenAI Gym、Universe

技術的目標
1. 自身の進歩を測定する
2. 家庭向けロボットを作る
3. 有益な自然言語理解を持つエージェントを作る
4. シングル・エージェントを用いて多様なゲームを解く

失敗モデルへの5つの対応

AI100 †

One Hundred Year Study on Artificial Intelligence
スタンフォード大学の人工知能に関する 100 年研究

IEEE †

「倫理的AI」の設計に関するレポートを発表している。

Coursera †

スタンフォード大学コンピュータサイエンス教授

Daphne Koller

Andrew Ng
- Google Brainの共同設立者
- Baiduの元チーフサイエンティスト

によって創立された教育技術の営利団体。

Massive Open Online Courses (MOOCs)の代表的なプラットフォームの一つ
- edX
- gacco
- OUJ MOOC

政府政策 †

経済成長戦略
- 日本：新産業構造ビジョン
- 中国：インターネットプラスAI3年行動実施法案
- 英国：RAS分野の成長戦略（RAS 2020）
- ドイツ：デジタル戦略2025

ITSS＋
- セキュリティ
- データサイエンス
- IoTソリューション
- アジャイル開発

国際会議 †

サイバネティクス（学術研究運動→学問）

NeurIPS (Neural Information Processing Systems)
ICMLと並び機械学習の世界最高峰の国際会議

ICML (International Conference on Machine Learning)
NeurIPSと並び機械学習の世界最高峰の国際会議

ICLR (International Conference on Learning Representations)
ICLRは2013年にできた新しい国際会議ですがそのレベルは世界トップレベル

AAAI (Association for the Advancement of Artificial Intelligence)
- 全米人工知能学会
- 倫理的・法律的課題の議論など人工知能に関する研究を広く扱っている世界トップレベルの国際会議
- 米国における中長期展望と官民における取り組み
  Presidential Panel on Long-Term AI Futures: 2008-2009 Study

IJCAI (International Joint Conference on Artificial Intelligence)
AISTATS (International Conference on Artificial Intelligence and Statistics)
UAI (The Conference on Uncertainty in Artificial Intelligence)
COLT (Conference on Learning Theory)

https://mlmlai.com/ml-conference/

ベンチマーク †

TOP500（スパコン
https://ja.wikipedia.org/wiki/TOP500
HPLベンチマークによるコンピュータの性能のランキング

HPL・HPCG
倍精度浮動小数点処理・行列の乗算を多用し大規模連立一次方程式を解く

Graph500
https://ja.wikipedia.org/wiki/Graph500

グラフを扱う性能によるベンチマークによるランキング

Green500
https://ja.wikipedia.org/wiki/Green500

消費エネルギーで割った値によって求めた計算の電力効率のランキング

著名人系 †

全般
- アーサー・サミュエル：人工知能 (AI) の造語
- トム・ミッチェル：人工知能 (AI) の定義
- アンドリュー・ン：GPU

画像系
- ジェフリー・ヒントン：スーパービジョン
- ヤン・ルカン：LeNet, MNIST
- フェイフェイ・リ：ImageNet
- イアン・グッドフェロー：GAN

言語系
- トーマス・ミコロフ：Word2vec、RNNの発展形のSeq2Seq

...
- ジョン・サール：中国語の部屋
- スティーブ・ウォズニアック：コーヒー・テスト
- フランク・ジャクソン：メアリーの部屋、クオリア（経験の主観的、質的性質）

書籍
- キャシー・オニール：Weapons of Math Destruction
- マーティン・フォード：ロボットの脅威人の仕事がなくなる日
- ニック・ボストロム：スーパーインテリジェンス超絶AIと人類の命運
- アンドリュー・マカフィーとエリック・ブリィニョルフソン：ザ・セカンド・マシン・エイジ

アンドリュー・パーカー：カンブリア紀大進化の謎を解く眼の誕生

マイケル・オズボーン：雇用の未来
今後10～20年間に、技術進歩により、
- アメリカ国内の労働者の47％が仕事を機械にとって代わられるリスクが高い
- (NRI)日本国内の労働者の約49％が仕事を機械にとって代わられるリスクが高い

その他
- ドロニー・ブルックス：MIT、ロボティクス、ルンバ（iRobot）
- ジェンスン・フアン：NVIDIA共同設立、社長兼CEO
- アレックス・グレイブス：ニューラルチューリングマシン

企業、組織名 †

iFLYTEK
https://en.wikipedia.org/wiki/IFlytek
音声認識ソフトウェアと 10 以上の音声ベースのソフトウェアを作成

Baidu（百度）
https://en.wikipedia.org/wiki/Baidu
中国のGoogle的企業、2013年から自動運転技術の開発を進めている（アポロン）。

Alibaba
https://en.wikipedia.org/wiki/Alibaba_Group
中国のAmazon的企業、AIで都市を管理統制する「スマートシティ」プロジェクトを展開

Tencent
https://en.wikipedia.org/wiki/Tencent
世界最大のビデオゲームベンダーでゲーム、ロボット、医療系のAIに注力

BAT
Baidu, Alibaba, Tencent

AI社

Tencent、2017/6の調査
- 計：2542社
- 米：1078社
- 中：592社
- 他：872社

State of AI 2018 Report - CB Insights Research
- 計：152億ドル
- 米：48％
- 中：38％
- 他：14％

The Complete List Of Unicorn Companies - CB Insights（2018
- 計：278社
- 米：132社
- 中：79社
- 他：1社

システム, ソフト †

チャットボット
- ELIZA
  - チャットボット、おしゃべりボット
  - ELIZA効果：意識的にはわかっていても、無意識的にコンピュータの動作が人間と似ていると仮定する傾向。
- Tay、りんな、Xiaoice

画像系

AutoDraw?

Googleが提供している無料の自動描画ウェブサービス

GQN
DeepMind?の2D画像を3D画像化する
- 表現ネットワーク(The representation network)と呼ばれる層で、二次元の画像から三次元の情報を把握
- 生成ネットワーク(The generation network)と呼ばれる層でその特徴を元に、物体を三次元空間に出力

言語系

WordSmith?
https://en.wikipedia.org/wiki/WordSmith_(software)
コーパス言語学の分野での作業向けのソフトウェア

WaveNet?
https://en.wikipedia.org/wiki/WaveNet
生の音声を生成するためのDNNでRNN的な回帰接続が無いので学習が速い.

情報信用、信用スコア
- みずほ銀行・ソフトバン > J.Score
- アリババグループ > アントフィナンシャル > 芝麻信用（ジーマ信用）

IoTソリューション
- GE：Predix
- 京セラ：SIGFOX
- ファナック：Field System
- コマツ：スマート・コンストラクション

Dactyl
OpenAIのロボット・ハンド

SLAM
自分が何処にいるのか、周辺がどうなっているのか、を把握する自動運転向きの認識技術

World Models
反射行動など迅速な運動系タスクを行うため脳内を抽象化した環境世界を学習する予測モデルのアルゴリズム

参考 †

G検定カンペ用語集
- G検定カンペ用語集リスト
  https://gkentei.techblog.jp/archives/13712572.html
G検定カンペ用語集リスト（英語）
https://gkentei.techblog.jp/archives/13720716.html