Soogle

---

AI経営ポイント
・既存事業をディスラプト（破壊）する事業体は、自社ではできない前提に立って、その事業をどう獲得して内部に取り込むか
・非科学的な、属人的な、解明されない能力でお金が儲かることはない

・我々のビジネスモデルは、個人が欲しい情報、例えば求人や住宅関連など様々なジャンルの情報を提供し、個人（消費者）と情報の提供者であるクライアント（広告主）を結びつける、マッチングプラットフォームだ。リクルートが介在することで、消費者、クライアントの双方にとってのメリットを最大化するビジネスモデル。リクルート社内では「リボンモデル」と呼んでいる。データを軸にして、かつ大量のデータによってレバレッジが効くようになっていくとすれば、これは優れたエンジニアの力で収益が左右されるということだ。10年前、20年前だと、優れた営業が収益の多くを支えていたが、これからは優れた営業をそのまま維持しながらも、優れたエンジニアによって、これまでの何十倍ものレバレッジが効くようになる。
・2015年に、AI研究所（Recruit Institute of Technology＝RIT）を設立し、米グーグルのトップリサーチャーだった、AIサイエンティストのアロン・ハレヴィ氏を招聘することにした。いま彼の下には10人ほどの優秀な人材が既に集まりつつある。
・どんなに優れたアルゴリズムが生まれ、画期的な技術が活用されても、データベース基盤という土壌ができなければ、レバレッジは十分に効かないと考えている。
参考：リクルートが持つ“宝の山”のデータを解析、人類を豊かに　2017/7/21

---

・経済産業省が主導する「ソサエティー5.0（第5期科学技術基本計画）」：産学官が連携し、人工知能（AI）やビッグデータ、ロボットなどの分野に資源を集中し、イノベーションを起こそうという国家プロジェクト
・スマートフォンの登場→米国のグーグルやアップルが、スマホをゲームのプラットフォームとして構築→日本勢は、そのプラットフォームの上で彼らにサービスを提供＝日本のゲームメーカーは米国勢の“小作人”→業績が振るわない
・忘れてはならない大きな強み→日本が「課題先進国」→少子高齢化による人手不足→AIを導入する理由としては強み
・EUや米国では失業率が問題視され、あまり歓迎されていないのが実情　（EU離脱の主な原因は、イスラム移民による失業率の増加）
・人の神経回路を模した計算手法であるディープラーニングによって画像認識が可能になり、ようやく「目」を持つロボットが誕生した
・今までは、大量生産の時代だったが、AIを導入することで、一人一人のニーズに細やかに対応し、非常に質の高いサービスや製品を提供することができるようになる
参考：田原総一朗の政財界「ここだけの話」｜2017/7/21AI戦争で日本は米国の“小作人”になるか

---

Q:人工知能の研究は、ご著書によれば17世紀から行われてきたとのことですが、今世紀に入って爆発的な進化を遂げているように見えます。20世紀と21世紀の人工知能（ＡＩ）の研究にはどういう違いがあるのでしょうか。
A:一言でいえば、ロジック（20世紀）から知覚（21世紀）へという進化です。

20世紀のＡＩの研究は、論理的思考を再現することや記号の処理が中心でした。
21世紀は人間の直感的思考の再現や、画像や音声などの感性データを処理することに研究の中心が移ったのです。

　学習方法
「ルールを覚えさせる」（20世紀）から、
「ディープラーニングを含む機械学習」（21世紀）へ

たとえば、20世紀のＡＩでは、ネコを、「食肉目ネコ科の哺乳類」、「体長は成猫で80センチ程度、足裏に肉球がある」、「ネズミの駆除用に飼いならされてきた」などの辞書的な意味を入力し、それを蓄積することで、ネコとは何かを知ったことになっていたのです。
21世紀のＡＩでは、ネコを含んだ膨大な画像を読み込ませ、ＡＩがさまざまなネコの特徴や規則性をとらえて学習することで、別のネコの画像を見せたときにも、ネコだと同定することができます。

　このような技術を「パターン認識」といいます。パターン認識には、音声認識や画像認識などがありますが、ディープラーニングは特に画像認識の精度を飛躍的に向上させました。ロボットなどの機械にこのような高度な画像認識技術を組み込めば、機械が眼を持つことになります。


　意味がわかるかどうかというときの意味には、いろいろな側面がある。

1.指示対象の理解。「ここ」とか「それ」などの内容を、正しく指し示されたものに置き換えられるかどうか。

2.現実世界での対応。たとえば、レストランでＡＩ付きのロボットがお客から、「この席は冷房がきついので他の席に移っていいですか」と言われた時、その客がエアコンの風が当たらない席への移動を希望していると理解できるかどうか。また、席を椅子のような座る場所と理解できるかどうか。

3.高次な意味の理解。「ネコの手も借りたいほど忙しい」というとき、ネコは自由気ままで、人間の命令に従わないという通念やイメージがあることを知らないと、この比喩の正確なニュアンスは理解できません。

4.言葉の意味を使われ方の中で学ぶこと。言葉そのものに最初から意味やルールがあるのではなく、言葉は使われていくなかで、意味やルールが決まります。実際に言葉が使われている状況をよく観察し、その場その場での使われ方から、理解していかなくてはなりません。

5.抽象的な概念の理解：社会、経済、市場、自由、権利のような抽象的な概念を理解できるかどうか。

　など、言葉の意味にはいろいろな側面があり、言語理解の壁はまだまだ乗り越え難いのです。

Q:そうした抽象概念、高次元を含めた意味の理解、あるいは私たちが一般に文脈を理解するといっているようなことは、ＡＩには不可能なのでしょうか。

A:【現状ではまだ難しい】ですが、画像や音声の認識の精度は向上しています。
こうしたセンスデータと言葉の使われ方のビッグデータとを結びつけて学習すれば、不可能とはいい切れません。

・「視覚情報や音声情報などのセンスデータはクオリアではない」と断言している点です。
・「クオリアには機能がない」と私は度々主張しています。

AI開発進捗の背景
コンピュータの精度が上がったこと
センサーなどIoT関連の技術が上
がったこと→蓄積されるビッグデータが増えたこと
脳科学が発展したこと

参考：http://www.dhbr.net/articles/-/4999?page=3

---