DeepLearningが構築する未来を予言しておく

Deep Learningがこうも簡単に囲碁でプロ棋士を倒せるシステムとなるとは
流石に予想外だった。

http://googlejapan.blogspot.jp/2016/01/alphago.html

あと10年はプロは負けないとか言ってる人に対しては
流石にその予想より早くプロは負けるだろうと思ってましたが
ちょっと前はモンテカルロ法を基本としたAIだったんだけどこれでも画期的とか言われてたんだよね
凄まじいブレイクスルーを引き起こしたものです

DeepLearningは基本的に畳み込みとプーリング層を繰り返した構造をしているんだけど
神経のつながりに見立てた重みの値を更新則に従って入力に対して最適な出力を出すよう
学習していくニューラルネットには違いがない
学習機としてのニューラルネットの説明で良くあるのが誤差逆伝搬法は勾配消失の問題で
層を深くすると教師信号の更新が浅い層に届かなくなるというものだったのだけど
その欠点を克服したのが2006年にhintonらが論文で形にしたDeepLearningと呼ばれるニューラルネットだった
(Deep Belief Networkと本人達は論文のタイトルで呼称した
結構唐突に出現したイメージなので本当はこの前後で前兆はあったのかも知らん)

学習が各層で順々に行われていき特徴量を自動で抽出してくれるが
動物とかの一般画像の認識には学習用データ(画像とラベルのセット)が必要で
そのデータを作成するのが一苦労なのである
googleが作ったAlphaGoもプロ棋士の対局データから学習したのだろう※


そうなるとこれからの世の中価値があるのは学習に足る対局データを作れるプロだけという事で
他の仕事はAIで置き換えられる世の中になっていくだろう
超一流以外はみんなへのへのもへじのよううなその他多数と何ら変わらないのだ
職人技を持っている人以外は生き残れない世界になり
人間の不満が溜まっていくだろう

しかしgoogleyoutubeの画像から猫を判別する細胞を持つようにニューラルネットを学習させたというニュースを
知っている方はあれが教師無し学習=ラベル無しの学習用データから結果を出したという事を指摘する事だろう
その通りである。
現在は計算にかかる経済的コスト、時間的コストが見合わないためこのgoogleの使った方法で猫分類機を作り
実装し実際に使われているシステムはない(多分、googleが社内でやってなければ)
このコストが一般人の使用に耐えうるあたりまで下がって来たとき
職人技を持つ人間の技術もまた不毛になるだろう
googleはそれを目指してかD-Waveの様な量子コンピューターの研究を推進している
学習する対象は上質な棋譜のデータではなく適当に自己対局で指した内容でもよくなる

恐らくその辺りが人類が技能・認知能力においてAIに完全敗北を認める
強いAIが産まれる分岐点となるだろう
人類がまともならこのAIに抗いはせず
優れた知性から恩恵を受けようとする筈だ

結果として自分たちから統治における意思決定の機能を確実に人間より優れていると認められた分野から
順次委譲していく事となる

色々もっとまとめて書きたいけど眠いから寝る
明日も仕事があるのは辛いぜ


※追記:プロの棋譜を使ったのではなくネット碁で集めたデータ中心っぽいのですが
    学習対象のデータについては具体的な資料が今のところないので
    どういうデータを使ったか資料が公開されていれば場所を教えて頂けると有り難いです。