今年最後、12/28に東北大学で講演することが決まりました。
講演のタイトルは「ヒトとAIの共生、そしてシンギュラリティ」です。
無料で、東北大の関係者でなくても参加可能です。
日時: 2018年12月28日(金) 15:00-
会場: 仙台市青葉区片平2丁目1−1東北大学金属材料研究所2号館1階 ラウンジ(地図)
主催: 東北大学金属材料研究所 宇田研究室
多くの方のご参加をお待ちしております。
「はじめてのディープラーニング」、Amazonの本総合で1000位以内に入りました。
「はじめてのディープラーニング」、8月の発売以来じわじわと順位を上げてきましたが、本日Amazonの本総合で1000位以内に入りました。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年12月9日
Amazonで扱っている書籍は少なくとも100万冊はあるので、上位0.1%には入れたことになります。#はじめてのディープラーニング pic.twitter.com/yTcK6hXEBe
現在、「ディープラーニング」で検索するとベストなポジションに表示されます。
Amazonで「ディープラーニング」を検索すると、ベストなポジションに表示されるようなりました。 #はじめてのディープラーニング pic.twitter.com/MfbsBUjmcG
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年12月6日
ディープラーニングは価値のある技術ですが、その先にあるものをそろそろ考えてもいいかもしれません。
今のディープラーニングは単なる関数なので、自ずと限界があるでしょう。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年12月1日
問題はその先。全てのものに生命性を宿そうとするALifeに答えがありそうに思える。#人工生命 https://t.co/N1KH0fx1l5
人工知能を包括する「人工生命」、生物の群れを模倣する「群知能」などはその候補に思えます。
誤差逆伝播法(バックプロパゲーション)に代わるアルゴリズムが確立できればいいのですが。
問題は計算資源。自然界は無限に複雑なので、生命、知性の本質を効率よくアルゴリズムとして抽出する必要があります。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年12月1日
自然界は無限に複雑でまるごとシミュレートするには計算資源が足りないので、本質的なアルゴリズムを抽出する必要があります。
今年末、来年初めにかけて 、Udemyで自然言語処理のコースをリリース予定です。
著書「はじめてのディープラーニング」では再帰型ニューラルネットワークと自然言語処理がページ数と時間の関係で扱えませんでしたが、年末にリリース予定のUdemyのコースではこれらをメインにしあす。#はじめてのディープラーニング
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年12月5日
自然言語は興味深い対象ですが、consistentなルールがなくアルゴリズムで扱うのはなかなか難しいですね。
技術書・ビジネス書大賞2019の投票が始まりました。
SAI-Lab代表の著書「はじめてのディープラーニング」を気に入ってくれた方は、ぜひ投票をお願いできないでしょうか。
投票に必要な本のISBNは、「4797396814」になります。
「はじめてのディープラーニング」はこちらになります。
先週「ホモ・デウス」を読み終わりましたが、まだその余韻を引きずっています。
ユヴァル・ハラリ氏のリアルと虚構を徹底的に区別しようとする姿勢には感銘を受けるばかりです。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年11月25日
AIが知性を宿すとすれば、人類だけではなくAI、そして他の動物の幸福まで考慮した地球の最適化に迫られるはず。https://t.co/iezD2FqDvl
ブロイラーのように種の繁栄と、種の幸福が相反することもあるので、人工培養による細胞肉は有望なテクノロジーに思えます。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年11月25日
最大の敵は人類の無知や愚かさであり、我々はなるべく早い段階で「知性の本質」を知る必要があります。
SAI-Labのミッションは「ヒトとAIの共生」なので、様々な共鳴するものを感じました。先ずは、我々がAIのことをよく知るところから始めないと、と改めて原点に立ち返る思いです。
文: 我妻(SAI-Lab代表)
人工知能学会の合同研究会に参加するために、慶應大学の矢上キャンパスを訪れました。日吉駅を降り、坂を上り降りして理工科部へ。
このキャンパスを訪れるのは初めてですが、理工学部がアクセスに難があるのはもはやテンプレートのようです。
人工知能学会、合同研究会に参加するため、日吉にある諭吉さんの大学へ。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年11月22日
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年11月22日
急な坂を上り降りして、ようやく理工学部のある矢上キャンパスにたどり着きました。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年11月22日
これからPreferred Networksの方の「深層学習の現在とこれから」という講演が始まります。
でも、今回の一番の目的はその後に始まる汎用人工知能研究会です。#人工知能学会 pic.twitter.com/mo9Qs15iku
人気すぎて立ち見が出る勢いの、Preferred Networks岡野原さんの講演が始まりました。
Preferred Networksの岡野原さんの質疑応答。コンピュータのパフォーマンスは人の脳のパフォーマンスを超えつつあるのに、なぜヒトのような知能は実現できないのか。 #人工知能学会
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年11月22日
鳥よりも飛行機の方が圧倒的に効率が悪ように、現在の人工知能は脳よりも圧倒的に効率が悪いとのこと。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年11月22日
この問題解決のキーになるかもしれないのがメタ学習。
— 我妻幸長@著書「はじめてのディープラーニング」発売中 (@yuky_az) 2018年11月22日
過去の学習経験をもとにすることで、比較的少ない情報での学習が可能になる。
「鳥よりも飛行機の方が圧倒的に効率が悪ように、現在の人工知能は脳よりも圧倒的に効率が悪い」ということで、コンピュータの性能向上を待たずとも、まだまだアルゴリズム側でできることがありそうな感触です。
その後、汎用人工知能研究会に参加。
初参加だけど、アカデミックな世界の第一線で汎用人工知能を研究している先生たちの講演を聞けて満足です。
印象としてですが、人工知能のアルゴリズムがますます複雑化し、その一方で脳の機能もますます複雑であることが分かってきているようです。ヒトの知能のような極めて汎用性の高いアルゴリズムを構築するためには、むしろシンプルな構成要素の集合体として知能を発現させてた方がアプローチとして有望なのでは、と個人的には思いました。
いわゆる創発による知能の発現ですね。
そういえば、「ホモ・デウス」をようやく読了しました。
ヒトの生理現象や知能は、データや情報であるとの方向性で科学の世界での共通認識になりつつありますが、この本では、人類の後釜となるのは「データ」もしくは「情報そのもの」になりそうだということを指摘しています。
そもそも、人間の本質は本当にデータや情報なのかは証明されてはいませんし、これらが人類の後釜になるというのは予測にしかすぎません。
しかしながら、本の中ではその数々の兆しが指摘されています。個人的には十分にありうる未来のように思えますが、それは人類にとってそれほど悪い方向ではないと考えています。超進化したAIにとって人類は大した脅威ではないし、危害を加える理由も無いからです。
以下は、「ホモ・デウス」の中で扱っていたピグミー族の歌です。
本当に、この歌の背景となる豊かな精神性までデジタル化することは可能なのでしょうか。全てをデータにすると、失われてしまう大事なものがあるのでしょうか?あるいはそのようなものは無く、全てはデータ化することが可能なのでしょうか。
テクノロジーの爆発的な発展に伴い、なおさら人間(もしくは生物全般)の本質が我々に問われているように思えます。
世界最大のオンライン教育プラットフォーム、Udemyで新しいコースを公開しました。
ディープラーニング : Pythonでゼロから構築し学ぶ人工知能(AI)と深層学習の原理
https://www.udemy.com/deepzero/?couponCode=DZ-BLOG
本コースは、ディープラーニングをゼロから実装する講座です。
TensorFlowやChainerなどのフレームワークを使わずに、畳み込みニューラルネットワーク(CNN)までゼロから構築できるようになりましょう。
ディープラーニングをフルスクラッチで構築することにより、普遍的な原理がしっかりと身につけます。
原理さえ習得できれば、どのようなフレームワークであっても今後身につけるのに苦労しません。
人工知能(AI)、特にその一分野であるディープラーニングは世界中の人々の関心を集めており、ビジネス、アート、研究、さらには宇宙探索に到るまで、様々な分野で活用され始めています。
本コースは、可能な限り多くの方がディープラーニングの本質を学ぶことができるように、プログラミングと数学から始めて畳み込みニューラルネットワークに至るまで、手を動かしながら少しずつ丁寧に学べるように設計されています。
また、扱うコードは直感的な分かりやすさを重視しています。
変数名やコメントにも注意を払い、可能な限りシンプルで可読性の高いコードを心がけています。
本コースには前提となる知識が2つあります。
1つ目は、何らかのオブジェクト指向プログラミングの経験です。
本コース内でもPythonの解説をしますが、何からのプログラミング言語の経験があると学習がスムーズになります。
プログラミングが全くの初心者の方は、他のコースで基礎を身につけた上で本コースに臨むことをお勧めします。
2つ目は、中学-高校レベルの数学の知識です。
本コース内でもディープラーニングに必要な数学の解説をしますが、ベースとなる数学の知識があった方が望ましいです。
数学に自信のない方は、他のコースで数学を学んだ上で本コースに臨むことをお勧めします。
————————————————————
本コースの主な内容は以下の通りです。
Pythonの基礎
→ ディープラーニングを学ぶために必要なPythonの基礎を学びます。
数学の基礎
→ ディープラーニングを学ぶのに必要な数学のベースを身につけます。
ニューラルネットワーク
→ ニューラルネットワークの原理と仕組みを学び、簡単なニューラルネットワークのコードを実際に構築します。
バックプロパゲーション
→ 誤差の逆伝播により、ニューラルネットワークが学習する仕組みを学びます。
ディープラーニング
→ ここまで学んできた内容をベースに、層をいくつも重ねた深層学習を構築します。
畳み込みニューラルネットワーク
→ 畳み込みニューラルネットワークをゼロから構築します。
————————————————————
本コースは動画を見るのみでも学習が進められるようになっていますが、可能であればPythonのコードをダウンロードして動かしながら進めるのが望ましいです。
コードがダウンロード可能なので、これをベースにオリジナルのディープラーニングのコードを書いてみることもお勧めです。
実際に自分でディープラーニングのコードを書いてみることで、さらに学習するためのモチベーションが生まれてくるかと思います。
本コースの開発環境、AnacondaとJupyter Notebookは簡単にダウンロード、インストールすることができます。
以上のように、ディープラーニングをゼロから構築しその原理を身につけていただくことが本コースの目的です。
本コースを修了した方は、学習意欲が刺激されてディープラーニングのことをさらに知りたくなっているかと思います。