▶新着記事を公式LINEでお知らせしています。友だち申請はこちらから！
▶ICCの動画コンテンツも充実! YouTubeチャンネルの登録はこちらから！
ICC KYOTO 2021の最高評価セッション「AIの最新ソリューションや技術トレンドを徹底解説」、全9回シリーズの（その3）は、過去幾度となく繰り返されてきた問い「何ができればAIは知能を持つと言えるか？」からスタート。「人間の時代は終わった」という、AIを設計するAI「Ghelia Spectre」とは？ ぜひご覧ください！
ICCサミットは「ともに学び、ともに産業を創る。」ための場です。そして参加者同士が朝から晩まで真剣に議論し、学び合うエクストリーム・カンファレンスです。 次回ICCサミット FUKUOKA 2022は、2022年2月14日〜2月17日 福岡市での開催を予定しております。参加登録は公式ページをご覧ください。
本セッションは、ICCサミット KYOTO 2021 プラチナ・スポンサーのHelpfeel(Nota)にサポート頂きました。
▼
【登壇者情報】
2021年9月6〜9日開催
ICCサミット KYOTO 2021
Session 12D
AIの最新ソリューションや技術トレンドを徹底解説
Supported by Helpfeel(Nota)
(スピーカー)
清水 亮
ギリア株式会社
取締役会長兼CEO
(モデレーター)
尾原 和啓
IT批評家
▲
▶「AIの最新ソリューションや技術トレンドを徹底解説」の配信済み記事一覧
連載を最初から読みたい方はこちら
最初の記事
1. 天才プログラマー清水 亮が注目する、3つの最新AIトピック
1つ前の記事
2. 自然言語技術が可能にしたAIアート どれだけでも描き直してくれるAI絵師登場
(本文)
何ができれば「AIは知能を持つ」と言えるか？
ギリア株式会社 取締役会長兼CEO 清水 亮さん
清水 結局AIの歴史って、これは機械には無理だろうということをまず定義して、これができたら知能を持っていると呼んでよいとしてきたんです。
例えば昔だったら複雑な計算ができたら、それは知能を持っていると呼んでよい。
だから計算機が自動化されたときに、それは一種の人工頭脳であるとされました。
「でも、やっぱり計算ができるだけでは知能とは呼べないよね」という気がしてきたので、次の段階で、知識を持っていたらそれは知能を持っていると呼んでよいとしました。
知識ベースというのが1980年代のAIとして出てきましたが、「でも知識があるだけじゃ意味ないよね」ということにみんなが気づいて、「じゃあ何だろう？」と。
今は直感力を持っていたら、それは知能と呼んでいいんじゃないかと言われています。
海外ではもう人工知能(Artificial Intelligence)ではなくて「Artificial Intuition」、機械化された直感、「人工直感」と呼んでいますけれど、そういうものが出てくるだろうと言っています。
▶人の助けを必要としない、AIの「直感」学習モデル（WIRED）
さて、そこで次の問題があります。
だとすれば、実際アルファ碁で勝ってしまうというのは直感力が強いわけです。
直感力で人間に勝っているわけですよね。
尾原 そうですね。
清水 藤井 聡太君にいたっては、AIを使って直感力を高めているわけです。
▶藤井四段の「戦い方」に見るAIと人間の頭脳の相乗効果（DIAMOND online）
直感力がAIの優れている点だとすると、宮崎 駿の映画『紅の豚』からの引用で言うと、主人公の豚の飛行機が大破してしまったときに、工房にいる少女に「設計する」と言われて、「冗談だろ？」と言うんだけれど、「設計者に一番大事な能力はなんですか？」と聞かれて、宮崎さんの分身ともいえる豚は「インスピレーションだ」と言うんです。
「良かった、経験と言われたら太刀打ちできないけれど、インスピレーションなら勝負できる」というふうに言って、そのフィオという少女は飛行機を作るわけです。
「インスピレーションだ」という答えが超カッコいいなと思いつつ、われわれの世界も、起業にしろプログラミングにしろAIの設計にしろ、インスピレーションがすごく大事なわけですよ。
だけどそれって、「直感」と「インスピレーション」はかなりニアリーイコールだから、直感もしくはインスピレーションが機械化されたときに、当然囲碁でAIに人間が勝てないのと同じように、他のことでもAIに勝て無くなるわけですよね。
例えば、われわれはAIを作りましたが、AIがAIを作ったら？
尾原 シンギュラリティー（機械の知能が人間の知能を上回るタイミング）的な話になってきましたね。
AIを設計するAI「Ghelia Spectre」
清水 われわれは、「AIを作るAI」をもう実用化しています。
こちらの「Ghelia Spectre」というもので、遺伝的アルゴリズムを使ってニューラルネットワークを自動的に設計して、高性能なネットワークを実現しています。
こちらのスライドの背景のアニメーション動画は、本当にGhelia Spectreが設計したAIのネットワーク図です。
※実際のスライドでは動画です
遺伝型（Genotype）から表現型（Phenotype）を生成して、われわれが持っている独自の分散学習環境で学習させています。
遺伝的アルゴリズムでは、生物と同じように進化して、淘汰して、突然変異をして、交配してAIを作れます。
制約の多い環境で威力を発揮
清水 実際すごいのは、例えば無限にCPUがある、無限にメモリがあるという状況で性能が高いAIを作るのは簡単ですが、そうではなくて、電力がこれしか使えない、CPUがこれしか使えないというときに、この制約の中で動くAIを作るとしたら、Ghelia Spectreは人間より全然得意なのです。
尾原 なるほど。この制約の中で動くAIを最初ランダムにむちゃくちゃ作りまくって、その中で生き残った者を交配させて、生き残ったもののいいとこどりをしたものが生き残れるみたいな形でやると、この環境の中で結果的に一番強いAIが進化的に生まれてくるんですね。
清水 そうです。
実際、「Crop＆Weed」という非常に難しいデータセットがありますが、これはどちらが胡麻の葉か分かりますか？
尾原 えー（笑）。
清水 片方が雑草で、片方が胡麻の葉です。
よく見ると左が雑草で、右が胡麻の葉ですが、人間でも分からないですよね。
尾原 形も明度もいろいろ違うし、環境によっても違うし。
清水 これは、SoTA（state-of-the-art）モデル、いわゆる、人間が作った中で一番いいモデルでも、正解率は37％くらいなんですよ。
尾原 3分の1ぐらい。
清水 それしか当てられません。さらにそのモデルは58MB必要です。
尾原 そこそこ大きい。
清水 まあそんなに大きくないけれどね。Ghelia Spectreで同じ問題を解かせたら、ソニーの出しているSpresenseというめちゃくちゃメモリが小さい、2MBしかないものがあって…
尾原 SoTAモデルの30分の1ですよ。
清水 それで動かせるようにできないかとやったところ、なんと466KB、つまり128分の1のサイズで、正解率は人間が考えたものよりも高い41％になりました。
尾原 ヤバいじゃないですか！
清水 だから、人間の時代は終わったんですよ。
人類の皆さん、お疲れ様でしたというところで、皆さん、たぶん大きさが小さいことの何がいいのかピンとこないと思いますが、単純に言うとパラメータ量が減っているので、計算量が100分の1ということですよね。
実際、僕らも実は「ほんとか？」と思いました。
エンジニアから言われて、本当かを確認するほうに時間がかかったんです。
尾原 論理的には確かにそういうものは作れるなとは思えるけれど、「本当に実務レベルで動くのか？」と。
圧倒的な画像認識速度と省電力性
清水 例えばこれがWebGLを使って、M1 Macなのでまあまあ速いですけど、でもこの手のオブジェクトディテクション（物体検出）の問題だと、だいたい200ミリ秒ぐらいかかるので、結構かかります。
尾原 今世の中である画像認識系を使うと、いいパソコンを使ってもやっぱりそこそこ時間がかかります。
これで画像認識に30秒ぐらいね。
清水 CPUでやると360ミリ秒ぐらいでした。
これをGhelia Spectreでやると11ミリ秒なので、30倍ぐらい速い。
これでも僕らは信じられなくて、何かズルしているんじゃないかと思ったので、カメラからの画像でリアルタイムでできるかをやったら、実際もっと速いんですね、6ミリ秒ぐらいとかで推定できます。
尾原 処理のパスが小さいから速い、電気代がかからない、しかも小型化できるから安くできるはずということですね。
清水 そうですね。
今はこういう画像系などでやっているんですけれど、自然言語でも今やろうと思っています。
GPT-3（※OpenAIが開発している言語モデルの最新版）とさっきから気楽に口にしているけれども、GPT-3を実際に動かすには金額にして2億円ぐらいのサーバーが必要で、電気代も相当かかってしまいます。
でも、もしかしたらこの手法を使えば、もっとはるかに小さいものができる可能性が高いです。
尾原 そうですね。
だから1回GPT-3を使って、この手法でコンパクトなAIを作ってしまえば、本当に極端に言えば1,000分の1とか10,000分の1の電気使用量やサイズで、しかも速く動くみたいなものができるかもしれないということですね。
清水 これが何を意味しているかというと、単純に半導体の性能が100倍になるのと一緒です。
だから、今までできないと思っていたことができるようになってきて、Ghelia Spectreは今年一番注目を浴びている商品ですね。
尾原 ちなみに、これは世の中的な動きなんですか？
清水 Googleなども似たようなことをやってはいますが、ここまではできていません。
彼らはクラウドを売りたいから、小さくすることに対してモチベーションが湧かないんじゃないでしょうか。他の会社も大体同様の理由でこの分野にはあまり派手な行動はしていませんね。彼ら自身が同様の手法を使ってニューラルネットワークの設計をしているという話はちらほら出てきます。
尾原 そこにインセンティブが発生しないというのはありますよね。
ギューッと今までのトレンドの話や分かりやすい実例もあったから、ここで1回質問タイムを入れましょうかね。
清水 何か質問がある方、いらっしゃいますか？
人ができること・できないことのどちらをAIにやらせるか？
質問者1 非常に面白いお話だなと思いながら聞いていましたが、人ができることをAIがやるというのと、人にもできないことをやるという両方があるような気がしています。
どちらに力を入れようとか、どのように考えられて作っているんですか？
清水 実にいい質問ですね。
やっぱり人ができることをAIにやらせる場合って、モチベーションとしては「安くできる」とか「速くできる」だと思うんです。
ただコストダウンに行ってしまうと、大資本に勝てないんです。
要はGoogleとかAmazonとかがコストダウンするという目的だったら、たぶんそっちのほうがはるかに安く作ってしまうので、僕らとしては付加価値を付けたり、人にできないことをやるようにしています。
だから目安として、例えば省力化であっても10分の1だったらやってもいいという社内ルールです。
それを使うことによって10分の1のスピードで終わるとか、10分の1の価格で終わるのだったら作ってもいいかなと。
でも半分とか5分の1だったら価格競争になってしまうから止めよう、それは他の会社にやっていただこうという方針で、基本的にはAIを使うことによって新しい付加価値が生まれることをやるようにしています。
だから主に省力化というより、人にできないことをやるほうがやっぱりメインですかね。
尾原 ちなみに質問を足すと、技術的にいけると見えたときに、どこまでユースケースを考えているんですか？
要は10分の1になったり100分の1になったら、他の人がいっぱいユースケースを考えてくれるという場合もあるし、一方で10分の1になればこのぐらいのことが起きるみたいなことを思いながらやるケースもあるじゃないですか。
清水 両方ありますね。
特にさっきのGhelia Spectre（Part.3参照）の場合は、100分の1なのでにわかに信じられないんですよね。
僕たちが信じるまでに半年かかっているので（笑）、それをちゃんと理解してもらうためのプロセスの中で、いろいろなデモンストレーションを作ったりしていく流れが必要です。
尾原 Ghelia Spectreだと、実はレスポンスタイムの速さに着目すると、またいろいろなユースケースを想定できたりするんですよね。
究極で言うとなんでしょう？
たとえばテニスプレーヤーがメガネに付けておくと、ラケットの角度からこっちに打って来るぞと示唆してくれるみたいな可能性とか、いろいろなものが生まれるので、本当に10分の1、100分の1にしたときに生まれる付加価値って面白いですよね。
顧客への付加価値提供を重視
質問者2 先ほど、もともとあいまいな要件に対してきちんと応えて、AIのソリューションを提供された事例（Part.2参照）をお話しいただきました。
顧客の業務をどれぐらいの期間で分析しながら、何を課題だと出してきたのでしょうか？
清水 なるほど、そのマイクを一番後ろの髪が長い人に渡してください。
彼が開発者なので。
尾原 ありがとうございます。
増田哲朗さん（以下、増田） ギリアの増田（増田 哲朗さん、同社取締役COO）です。
この案件を担当させていただいた増田です。顧客からご相談をいただいて、半年ぐらい密なディスカッションをさせていただきました。
そして現場の方や他の方のお話を聞いていく中で、課題を見つけていきました。
当初からすごく意識したのは清水も言っていたと思いますが、やはり「付加価値」という観点です。
業務効率化みたいな箇所はあるのですが、ただ、本当にクライアント様が何をしたら利益に跳ね返ってくるのかというところを、すごくディスカッションして考えました。
その中で、そこを改善するといろいろなプロセスが改善していってお金につながるよねという話になってきて、実際にそうなったという感じですね。
尾原 ちなみにそのときは、ある程度プロトタイピングみたいなことをやって、インパクトとか、できるできないみたいなことを見たんでしょうか？
それとも論理的に考えて、これとこれがあって、優先順位はこうだよねというふうに、プロダクト開発までいかずにディスカッションレベルでやったんですか？
増田 ディスカッションレベルで、だいたいターゲットがここだなって分かってきたんですよね。
そこでやっぱりPoC（概念実証）のようなものをして、技術的な検証はかなりしっかりやっていきました。
技術的な検証ができて、成果も出ると分かったところで、プロダクトの開発というステップを踏んでいます。
清水 だから乱暴にやっていないんです。
われわれのAIのポリシーはお客様の売上を上げる、利益を上げるが大前提で、コストを下げるというところはあまり重視していないんです。売り上げが上がれば、コストの問題は相対的に小さくなりますからね。売り上げが上がらないところにAIを投入しても、尻すぼみになってしまいます。
でも、ここまでは正直表に出ている話なんですよ。
尾原 おっ！ 来た！
清水 ここからが言えない話も含めて、聞いたらもう後悔するような話です（笑）。
(続)
本内容は本セッションに登壇したした時点での発言者の個人的見解・意見を含むものであり、ギリア株式会社およびICCパートナーズ株式会社（以下「両社」）の公式見解を示すものではありません。
本掲載記事及びその内容に関し、両社はいかなる保証もするものではありません。 万一本文書の内容に誤りがあった場合でも両社は一切責任を負いかねます。
次の記事を読みたい方はこちら
続きは 4.「工事の計画を立てるAI」vs.ベテラン担当者! AIが人間に勝る場面とは をご覧ください。
▶新着記事を公式LINEでお知らせしています。友だち申請はこちらから！
▶ICCの動画コンテンツも充実! YouTubeチャンネルの登録はこちらから！
編集チーム：小林 雅／浅郷 浩子／小林 弘美／戸田 秀成
他にも多く記事がございますので、TOPページからぜひご覧ください。
更新情報はFacebookページのフォローをお願い致します。
