１０月２０日、
InfoTalk#106 「この記事、AI記者が書きましたー人工知能による文章自動生成の近未来」
に行ってきたので、内容メモメモ
■「この記事、ＡＩ記者が書きました―人工知能による文章自動生成の近未来」
１．自己紹介＆データセクション紹介
・ビジネスに役に立つか→わからない
成果が出た時点でプレスリリース
・テクノロジーハイプサイクル：日本語版
ソーシャルアナリティクス：ピークだったことが １０年前
→あとに幻滅期
ディープラーニングはピーク
ビッグデータ：最悪期
ソーシャルアナリティクス：ちょっと上がった
・ＩｏＴプラットフォームがこれから
・データセクションのお話
技術だけでは延びていかない
視聴者分析にＳＮＳ：男女とか Twitter分析
ＩｏＴデータ売買市場
ドローンの解析
太陽光パネル
ビッグデータファンド
ソーシャルメディア分析：都知事選挙 年齢層
ソーシャルセンサー
目撃情報を拾ってくる：ディープラーニング
２．「事例」この記事、ＡＩ記者が書きました
文章生成：どのようなイメージをもっていますか？
中部経済新聞創刊７０周年 人工知能が記事書いた
→過去記事をあつめて
アイドルのＴｗｉｔｔｅｒ代行
意図を伝えて書かせる
海外事例
ＡＩと人間が役割分担
ＡＩ記者の進化が読者を増やし、ニュースルームを効率化する
１つのデータソースでマルチユース
日経のＡＩ記者 １０秒でまとめる
・共通する特徴
（１）データから記事生成：データに入っていない記事は書けない
（２）速報に適している
（３）記事を構成する文をパターンで表現できる
Ｑ＆Ａ：
著作権は？
ＩｏＴデータは誰が買うの？
３．「方法」文章生成はこんな仕組み
文章生成を試してみたことがある人
Sec2Secのチャットボット：意味がない
・ポイント
（１）書きたい内容の文をどのようにＡＩに生成してもらうか
（２）作成された記事候補の評価
・（１）書きたい内容の文をどのようにＡＩに生成してもらうか
複数のフォーマット変換
試合数：機械学習によってはデータ不足になる
タグ情報をデータから抽出
１．データ抽出
２．タグ抽出
３．文章の生成
４．記事ＯＵＴ
マルコフ連鎖
ＲＮＮ，ＬＳＴＭ
極大部分文字列：「接戦を制した」→ノードにする
最初の単語だけで、書きたい文の内容は指示できない
ワードサラダ
タグを指定したうえで、文章生成
Ｓｅｃ２Ｓｅｃでも、入力にタグ情報を入れる方法ある
タグをベースにする→タグを定義
学習できない場合→人手で定義 定義を書く
起承転結の４つのブロック
→何万通りの中から、どれがいいか選ぶ
（２）作成された記事候補の評価
電通のＡＩコピーライター「ＡＩＣＯ］、その実力はいかに？
実は書くことよりも、記事を評価できることのほうが重要ではないのか？
→ＧＡＮモデルみたいなの
・まとめ
限定的な分野とテンプレ的な記事であれば、学習や評価に手を書けることによって
ＡＩ記者が活躍できる
・Ｑ＆Ａ
キャッチコピー、広告は自動生成している
化粧品を買いたい女性の気持ち：６０種類しかない
ユーザーにぶつけてみる：会員にメール→１５分ぐらいでわかる
→プログラムベースでできる。で、ＡＩにする必要は？
・人間が理解できる文章のパターンは、決まっている
ディープラーニングにする必要はないのでは？
・アテンション
・意味的な間違いをどれくらい指摘できる？
■学校からのアナウンス
・大学院説明会
・次回は１１月１７日
【所感を追加：Q&Aについて】
・著作権の問題
「著作権法４７条の７」を適用しているんだと思う。詳しくは
コラム：機械学習パラダイス（上野達弘）
http://rclip.jp/2017/09/09/201708column/
・キャッチコピー、広告は自動生成している
ルールが見つかれば、ルールベースのほうが早い。
質問者の場合は、化粧品・通販で、ターゲット女性と絞られているので、
場面が少なく、そのためルールが見つけやすい
一般に記事は、女性だけでなく、男性も読み、
それが家庭で読む場合、学校で読む場合、会社で読む場合・・・など、いろいろなケースがある
これらのケースを詳細化し、組み合わせを考えて場面を形成し、
各場面のルールを導こうとすると、組合せ爆発する。
ところが、読者と、読むケースというのは、昨日と今日で、そんなに変わらない。
そこで、そういう詳細化による分析をしないで、
どうも、こういうときに、これが受けるらしいというのがわかれば、
それを使ったほうがいいことになる。これができる技術が機械学習。
InfoTalk#106 「この記事、AI記者が書きましたー人工知能による文章自動生成の近未来」
に行ってきたので、内容メモメモ
■「この記事、ＡＩ記者が書きました―人工知能による文章自動生成の近未来」
１．自己紹介＆データセクション紹介
・ビジネスに役に立つか→わからない
成果が出た時点でプレスリリース
・テクノロジーハイプサイクル：日本語版
ソーシャルアナリティクス：ピークだったことが １０年前
→あとに幻滅期
ディープラーニングはピーク
ビッグデータ：最悪期
ソーシャルアナリティクス：ちょっと上がった
・ＩｏＴプラットフォームがこれから
・データセクションのお話
技術だけでは延びていかない
視聴者分析にＳＮＳ：男女とか Twitter分析
ＩｏＴデータ売買市場
ドローンの解析
太陽光パネル
ビッグデータファンド
ソーシャルメディア分析：都知事選挙 年齢層
ソーシャルセンサー
目撃情報を拾ってくる：ディープラーニング
２．「事例」この記事、ＡＩ記者が書きました
文章生成：どのようなイメージをもっていますか？
中部経済新聞創刊７０周年 人工知能が記事書いた
→過去記事をあつめて
アイドルのＴｗｉｔｔｅｒ代行
意図を伝えて書かせる
海外事例
ＡＩと人間が役割分担
ＡＩ記者の進化が読者を増やし、ニュースルームを効率化する
１つのデータソースでマルチユース
日経のＡＩ記者 １０秒でまとめる
・共通する特徴
（１）データから記事生成：データに入っていない記事は書けない
（２）速報に適している
（３）記事を構成する文をパターンで表現できる
Ｑ＆Ａ：
著作権は？
ＩｏＴデータは誰が買うの？
３．「方法」文章生成はこんな仕組み
文章生成を試してみたことがある人
Sec2Secのチャットボット：意味がない
・ポイント
（１）書きたい内容の文をどのようにＡＩに生成してもらうか
（２）作成された記事候補の評価
・（１）書きたい内容の文をどのようにＡＩに生成してもらうか
複数のフォーマット変換
試合数：機械学習によってはデータ不足になる
タグ情報をデータから抽出
１．データ抽出
２．タグ抽出
３．文章の生成
４．記事ＯＵＴ
マルコフ連鎖
ＲＮＮ，ＬＳＴＭ
極大部分文字列：「接戦を制した」→ノードにする
最初の単語だけで、書きたい文の内容は指示できない
ワードサラダ
タグを指定したうえで、文章生成
Ｓｅｃ２Ｓｅｃでも、入力にタグ情報を入れる方法ある
タグをベースにする→タグを定義
学習できない場合→人手で定義 定義を書く
起承転結の４つのブロック
→何万通りの中から、どれがいいか選ぶ
（２）作成された記事候補の評価
電通のＡＩコピーライター「ＡＩＣＯ］、その実力はいかに？
実は書くことよりも、記事を評価できることのほうが重要ではないのか？
→ＧＡＮモデルみたいなの
・まとめ
限定的な分野とテンプレ的な記事であれば、学習や評価に手を書けることによって
ＡＩ記者が活躍できる
・Ｑ＆Ａ
キャッチコピー、広告は自動生成している
化粧品を買いたい女性の気持ち：６０種類しかない
ユーザーにぶつけてみる：会員にメール→１５分ぐらいでわかる
→プログラムベースでできる。で、ＡＩにする必要は？
・人間が理解できる文章のパターンは、決まっている
ディープラーニングにする必要はないのでは？
・アテンション
・意味的な間違いをどれくらい指摘できる？
■学校からのアナウンス
・大学院説明会
・次回は１１月１７日
【所感を追加：Q&Aについて】
・著作権の問題
「著作権法４７条の７」を適用しているんだと思う。詳しくは
コラム：機械学習パラダイス（上野達弘）
http://rclip.jp/2017/09/09/201708column/
・キャッチコピー、広告は自動生成している
ルールが見つかれば、ルールベースのほうが早い。
質問者の場合は、化粧品・通販で、ターゲット女性と絞られているので、
場面が少なく、そのためルールが見つけやすい
一般に記事は、女性だけでなく、男性も読み、
それが家庭で読む場合、学校で読む場合、会社で読む場合・・・など、いろいろなケースがある
これらのケースを詳細化し、組み合わせを考えて場面を形成し、
各場面のルールを導こうとすると、組合せ爆発する。
ところが、読者と、読むケースというのは、昨日と今日で、そんなに変わらない。
そこで、そういう詳細化による分析をしないで、
どうも、こういうときに、これが受けるらしいというのがわかれば、
それを使ったほうがいいことになる。これができる技術が機械学習。
アクセス
トータル
ランキング
