AI人工知能の本を５冊ほど執筆して、大手出版社から上梓しているのですが、その傍らでモダンアートを描いていました。地元の絵画展で最高賞となったので、Web販売サイトを構築して販売を開始しています。
ご興味がある方は、HPもご覧になってください。
ご興味がある方は、HPもご覧になってください。
「おしゃべりな人工知能入門講座」は、手軽に読める、会話形式で進む人工知能入門講座です。豊富なイラストで、機械学習やディープラーニングの基本原理、最新の自然言語処理の仕組みが、楽しく面白く、しかも深く理解できます。数式を使わずユーモア小説のように読めてしまう、エンターテイメントな教養書です。
最初は人工知能研究の長い歴史から始め、人工知能とはどのようなものか、どのように研究が進んできたのかを語ります。そして機械学習の原理、深層学習（ディープラーニング）の原理、自然言語処理も詳しく説明していきます。
長期連載になりますので、ぜひお読みください。
■粗筋
地方都市にある企業の研究施設が舞台。そこで開催される2日間の人工知能講座で、大学のイケメン講師が、3名の男女社員に教えることで起きる大騒動。
最初は人工知能研究の長い歴史から始め、人工知能とはどのようなものか、どのように研究が進んできたのかを語ります。そして機械学習の原理、深層学習（ディープラーニング）の原理、自然言語処理も詳しく説明していきます。
長期連載になりますので、ぜひお読みください。
■粗筋
地方都市にある企業の研究施設が舞台。そこで開催される2日間の人工知能講座で、大学のイケメン講師が、3名の男女社員に教えることで起きる大騒動。
「未来IT図解 これからのAIビジネス」を執筆しました。全国の書店で買えますので、ぜひお読みください。
内容は「AIビジネス」の入門書で、AIビジネスの勘所やノウハウ、さらにはAI時代にふさわしい人材になるどうすればよいか、日本の将来像までを描きました。AI時代に備えて、ビジネスパーソンはどうすべきか、学生は何を勉強すればよいかが分かるはずです。
目次は以下のようになっています。
序章 人工知能の登場
第1章 人工知能とは何か
Section1-1：AIテクノロジーの応用領域
Section1-2：機械学習の種類
Section1-3：機械学習の特徴
Section1-4：予測の仕組み
Section1-5：分類の仕組み
Section1-6：ニューラルネットワークとは
Section1-7：画像生成とは
Section1-8：自然言語処理
Section1-9：自然言語処理２
Section1-10：強化学習
Section1-11：スパースモデリング
★コラム「天才アラン・チューリングの栄光と悲劇」
Section2-1：AIビジネスのマーケット
Section2-2：自動運転車
Section2-3：自動運転車の技術
Section2-4：自動運転車でのAIテクノロジー
Section2-5：自動運転車における課題
Section2-6：ヘルスケア
Section2-7：ヘルスケア2：医療画像解析
Section2-8：ヘルスケア3：診断支援
Section2-9：ヘルスケア4：創薬
Section2-10：フィンテック1
Section2-11：フィンテック2
Section2-12：HRテック１
Section2-13：HRテック２
Section2-14：チャットボット
Section2-15：スマートスピーカー
Section2-16：インフラ1
Section2-17：インフラ2
Section2-18：マーケティング
★コラム「仮説設定ができる夢の人工知能」
第3章 AI活用の時代
Section3-1：AIテクノロジーの特性
Section3-2：AIテクノロジーの特性2
Section3-3：AIビジネスの課題
Section3-4：AIビジネスの条件
Section3-5：PoCでの課題
Section3-6：クライアントとベンダーの役割
Section3-7：AIビジネスの投資効果
Section3-8：デジタル・ディスラプターの脅威
Section3-9：労働人口の減少と労働生産性
Section3-10：企業のサバイバル術1
Section3-11：企業のサバイバル術2
Section3-12：労働生産性向上の方策
Section3-13：RPAとは
Section3-14：RPAから始める理由
★コラム「人工知能研究の創始者ミンスキー」
第4章 AI時代の人材
Section4-1：AIテクノロジーの汎用性
Section4-2：AIが職業に与えるインパクト1
Section4-3：AIが職業に与えるインパクト2
Section4-4：政府の人材政策1
Section4-5：政府の人材政策2
Section4-6：求められる人材
Section4-7：高速進化の続くIT業界
Section4-8：求められる変化への対応力
Section4-9：サバイバルに勝つスキルとは1
Section4-10：サバイバルに勝つスキルとは2
Section4-11：サバイバルに勝つスキルとは3
★コラム「人工知能はデータサイエンティストを駆逐するか」
第5章 変容する社会における企業の姿
Section5-1：世界の新しい潮流-SDGs
Section5-2：日本の方向性-Society 5.0
Section5-3：Society 5.0が描く将来の日本1
Section5-4：Society 5.0が描く将来の日本2
Section5-5：Society 5.0が描く将来の日本3
Section5-6：人工知能の産業化
Section5-7：企業とビジネスの未来
★コラム「人工知能の未来」
内容は「AIビジネス」の入門書で、AIビジネスの勘所やノウハウ、さらにはAI時代にふさわしい人材になるどうすればよいか、日本の将来像までを描きました。AI時代に備えて、ビジネスパーソンはどうすべきか、学生は何を勉強すればよいかが分かるはずです。
目次は以下のようになっています。
序章 人工知能の登場
第1章 人工知能とは何か
Section1-1：AIテクノロジーの応用領域
Section1-2：機械学習の種類
Section1-3：機械学習の特徴
Section1-4：予測の仕組み
Section1-5：分類の仕組み
Section1-6：ニューラルネットワークとは
Section1-7：画像生成とは
Section1-8：自然言語処理
Section1-9：自然言語処理２
Section1-10：強化学習
Section1-11：スパースモデリング
★コラム「天才アラン・チューリングの栄光と悲劇」
Section2-1：AIビジネスのマーケット
Section2-2：自動運転車
Section2-3：自動運転車の技術
Section2-4：自動運転車でのAIテクノロジー
Section2-5：自動運転車における課題
Section2-6：ヘルスケア
Section2-7：ヘルスケア2：医療画像解析
Section2-8：ヘルスケア3：診断支援
Section2-9：ヘルスケア4：創薬
Section2-10：フィンテック1
Section2-11：フィンテック2
Section2-12：HRテック１
Section2-13：HRテック２
Section2-14：チャットボット
Section2-15：スマートスピーカー
Section2-16：インフラ1
Section2-17：インフラ2
Section2-18：マーケティング
★コラム「仮説設定ができる夢の人工知能」
第3章 AI活用の時代
Section3-1：AIテクノロジーの特性
Section3-2：AIテクノロジーの特性2
Section3-3：AIビジネスの課題
Section3-4：AIビジネスの条件
Section3-5：PoCでの課題
Section3-6：クライアントとベンダーの役割
Section3-7：AIビジネスの投資効果
Section3-8：デジタル・ディスラプターの脅威
Section3-9：労働人口の減少と労働生産性
Section3-10：企業のサバイバル術1
Section3-11：企業のサバイバル術2
Section3-12：労働生産性向上の方策
Section3-13：RPAとは
Section3-14：RPAから始める理由
★コラム「人工知能研究の創始者ミンスキー」
第4章 AI時代の人材
Section4-1：AIテクノロジーの汎用性
Section4-2：AIが職業に与えるインパクト1
Section4-3：AIが職業に与えるインパクト2
Section4-4：政府の人材政策1
Section4-5：政府の人材政策2
Section4-6：求められる人材
Section4-7：高速進化の続くIT業界
Section4-8：求められる変化への対応力
Section4-9：サバイバルに勝つスキルとは1
Section4-10：サバイバルに勝つスキルとは2
Section4-11：サバイバルに勝つスキルとは3
★コラム「人工知能はデータサイエンティストを駆逐するか」
第5章 変容する社会における企業の姿
Section5-1：世界の新しい潮流-SDGs
Section5-2：日本の方向性-Society 5.0
Section5-3：Society 5.0が描く将来の日本1
Section5-4：Society 5.0が描く将来の日本2
Section5-5：Society 5.0が描く将来の日本3
Section5-6：人工知能の産業化
Section5-7：企業とビジネスの未来
★コラム「人工知能の未来」
おやじギャグを連発するチャットボット「ギャグボット」を、Facebookで公開しました。
雑なシナリオですが、メッセンジャーで会話して遊んでください。もちろん無料です。ホームページのトップページにリンクボタンを設置してあります。リンク先のFacebookにある青い「メッセージを送信」ボタンを押して、会話を始めます。「ギャグ」などと入れたり、ほめればギャグを何度も言いますし、上手くいくと最新ニュースまで聞けますよ。
雑なシナリオですが、メッセンジャーで会話して遊んでください。もちろん無料です。ホームページのトップページにリンクボタンを設置してあります。リンク先のFacebookにある青い「メッセージを送信」ボタンを押して、会話を始めます。「ギャグ」などと入れたり、ほめればギャグを何度も言いますし、上手くいくと最新ニュースまで聞けますよ。
Googleの開発者会議、Google I/O 2017が5月に開催された。相変わらずGoogleは、AI技術のトップリーダーとして、「AIファースト」を掲げて突っ走っている。検索はもちろん、地図、ビデオチャット、メール、写真アルバムなど、あらゆる製品にAI・Deep Learningの利用を始めている。
私がこのサイトを立ち上げたのは2016年6月なので、ちょうど1年前だ。その頃はDeep Learningどころか、機械学習という言葉でさえ世間に通じなかった。Googleは2015年頃からAIエンジニアをかき集めだし、2016年3月には「AlphaGo」で世界を驚かせていた。日本ではその頃Deep Learningはまだまだ研究者のものでしかなく、企業はこの技術の重要性を認識すらしていなかった。
あれからわずか1年で、GoogleはDeep Learningの本格的な利用を始めている。日本は人材の面でも問題が多いが、研究者でさえDeep Learningが必要とする莫大な計算機リソースを持っていない。それでも今年になって、政府主導の元で60億円を投じ、130ペタFLOPSのAI専用の巨大インフラを2018年度に構築しようとしている。日本のスーパーコンピュータ「京」は10ペタFLOPSなので、この130ペタFLOPSという数値はとんでもない値にも思えるが、浮動小数点演算の測定方法が異なるはずなので、単純には比較できないのだが。
ところがこのGoogle I/Oで発表したCloud TPUは、180テラFLOPSだという。それどころかGoogle Compute Engineを通して誰でも活用することができ、しかも研究者たちは無料でCloud TPUが利用できるのだから、とんでもない話だ。GoogleのAIにかける意気込みは、日本政府の思惑など完全に吹き飛ばしてしまっている。
基礎研究の分野でも、想像以上に加速している。Google.aiと言う新しい組織を立ち上げているようだが、ここでAutoMLという取り組みがなされているという。このAutoMLとは、現在ネットワークが何百層にもなり、非常に時間がかかるようになってきたニューラルネットワークの設計を、ニューラルネットワーク自体にさせようという研究だ。詳細は不明だが、Cloud TPU上で可能性のありそうなニューラルネットワークを複数準備し、そこからニューラルネットワークによる学習プロセスを回すことで、最適なニューラルネットワークを見つけていくという考え方のようだ。言わば、AIがAI自体を設計するのだ。
機械学習の世界には、アルゴリズムを自動選択してくれるDataRobotという製品が1年前から実用化されている。これは、データサイエンティストでなくても一般ユーザーが簡単に機械学習を利用できるように、データ投入さえすればアルゴリズム選択とチューニングまで自動的に決めてくれるソフトウェアだ。実際に機械学習を利用している人ならわかるはずだが、この最も面倒で時間のかかる工程を、自動化してくれるので実用的な製品なのだ。もっとも選択できる機械学習のアルゴリズムは決まっているので、新規のアルゴリズムを自動生成するに近いAutoMLと比較してはいけないのかもしれないが、発想は同じだろう。
まあとにかく、AI研究者たちが長い時間をかけてコツコツとアルゴリズムを研究してきた時代は、過ぎ去ってしまったようだ。世界のトップレベルの研究が、すぐに無料で公開されてしまうのでは、その研究成果を追いかけるだけで現場は精いっぱいだろう。専門の研究者がやっと追従できる世界なのだから、一般ユーザーは既に理解できなくなってきている。ましてや、AIがAIの設計を始めたら、AI専門家まで追従できなくなるSFのような世界になってしまいそうだ。
私がこのサイトを立ち上げたのは2016年6月なので、ちょうど1年前だ。その頃はDeep Learningどころか、機械学習という言葉でさえ世間に通じなかった。Googleは2015年頃からAIエンジニアをかき集めだし、2016年3月には「AlphaGo」で世界を驚かせていた。日本ではその頃Deep Learningはまだまだ研究者のものでしかなく、企業はこの技術の重要性を認識すらしていなかった。
あれからわずか1年で、GoogleはDeep Learningの本格的な利用を始めている。日本は人材の面でも問題が多いが、研究者でさえDeep Learningが必要とする莫大な計算機リソースを持っていない。それでも今年になって、政府主導の元で60億円を投じ、130ペタFLOPSのAI専用の巨大インフラを2018年度に構築しようとしている。日本のスーパーコンピュータ「京」は10ペタFLOPSなので、この130ペタFLOPSという数値はとんでもない値にも思えるが、浮動小数点演算の測定方法が異なるはずなので、単純には比較できないのだが。
ところがこのGoogle I/Oで発表したCloud TPUは、180テラFLOPSだという。それどころかGoogle Compute Engineを通して誰でも活用することができ、しかも研究者たちは無料でCloud TPUが利用できるのだから、とんでもない話だ。GoogleのAIにかける意気込みは、日本政府の思惑など完全に吹き飛ばしてしまっている。
基礎研究の分野でも、想像以上に加速している。Google.aiと言う新しい組織を立ち上げているようだが、ここでAutoMLという取り組みがなされているという。このAutoMLとは、現在ネットワークが何百層にもなり、非常に時間がかかるようになってきたニューラルネットワークの設計を、ニューラルネットワーク自体にさせようという研究だ。詳細は不明だが、Cloud TPU上で可能性のありそうなニューラルネットワークを複数準備し、そこからニューラルネットワークによる学習プロセスを回すことで、最適なニューラルネットワークを見つけていくという考え方のようだ。言わば、AIがAI自体を設計するのだ。
機械学習の世界には、アルゴリズムを自動選択してくれるDataRobotという製品が1年前から実用化されている。これは、データサイエンティストでなくても一般ユーザーが簡単に機械学習を利用できるように、データ投入さえすればアルゴリズム選択とチューニングまで自動的に決めてくれるソフトウェアだ。実際に機械学習を利用している人ならわかるはずだが、この最も面倒で時間のかかる工程を、自動化してくれるので実用的な製品なのだ。もっとも選択できる機械学習のアルゴリズムは決まっているので、新規のアルゴリズムを自動生成するに近いAutoMLと比較してはいけないのかもしれないが、発想は同じだろう。
まあとにかく、AI研究者たちが長い時間をかけてコツコツとアルゴリズムを研究してきた時代は、過ぎ去ってしまったようだ。世界のトップレベルの研究が、すぐに無料で公開されてしまうのでは、その研究成果を追いかけるだけで現場は精いっぱいだろう。専門の研究者がやっと追従できる世界なのだから、一般ユーザーは既に理解できなくなってきている。ましてや、AIがAIの設計を始めたら、AI専門家まで追従できなくなるSFのような世界になってしまいそうだ。