人工知能は何によって進化するか?

人工知能は何によって進化するか?

2016.02.02

現在、IT業界のみならず、さまざまな産業界で最もホットな話題のひとつである「人工知能(AI)」。かつてSFの夢物語だった「考える機械」が、今、さまざまな産業界において、急速なピッチで現実のものになろうとしている。人工知能の進化の裏には、技術面での進化が欠かせないものだった。

人工知能のレベルを引き上げた「ディープラーニング」

人工知能というと、映画「2001年宇宙の旅」の「HAL」のように人類に反乱を起こすちょっと危険なコンピュータ、あるいは「鉄腕アトム」や「ドラえもん」のように人間臭い感情を持ったロボットのことを思い出す人が多いのではないだろうか。現実の人工知能はこういったレベルには達しておらず、画像認識や音声認識など、限られた処理において、「人間が正確に条件を入力しなくても、自分で推測して答えを導き出す」という程度のものにすぎない。しかし、技術の進歩に伴い、その精度と速度は人間を上回るものになろうとしている。

たとえば、画像の中に何が写り込んでいるかを見つけ出す画像認識については、2011年ごろまでは「機械学習」という手法で鍛えられた人工知能は長年、80%程度の正答率を超えることができなかった。しかし2012年に新しい処理方法「ディープラーニング」を使って鍛え上げた人工知能が国際的な画像認識コンテスト「ILSVRC」で前年を大きく下回る誤認識率となった。人間の誤認識率は約5%とされており、2015年にはついに人間を上回る精度を実現している。

画像左:ディープラーニングにより画像認識の精度が上昇、画像右:国際的な画像認識コンテスト「ILSVRC」における画像分類テストの誤認識率。2012年を境にエラーが減っていることがわかる(NVIDIA Deep Learning Day 2016講演資料より)

機械に、人間のように「自分で判断し、自分で答えを見つけ出す」機能を実現させようという試みは、実は1940年代にはスタートしている。「ニューラルネットワーク」という人間の脳の神経伝達を模倣したモデルのうち、最初期の手法である「パーセプトロン」が、最初の学習機能を持った人工知能として登場した。しかし、このパーセプトロンでは解決できない問題が生じてしまった。やがて、「隠れ層」と呼ばれるものを加えた新たなモデルが登場することが問題解決の糸口となったが、十分な精度をもたらすための莫大なデータと、それを現実的な速度で処理する処理速度がなかったため、2000年代にいたるまで人工知能の進化は限定的なものだった。

2000年代に入りインターネットの普及で、学習に利用できる莫大なデータが容易に入手できるようになり、一気にニューラルネットワークを使った研究が進むようになる。特に数段階以上と深い階層を用いるニューラルネットワークを使った学習を「ディープラーニング」(深層学習)と呼ぶようになり、これがそれまでの限定的な浅い階層しか持たない人工知能との決定的な差を生むことになった。

人間の神経伝達をモデル化したものがニューラルネットワーク。それを多層構造にしたものが上記のディープニューラルネットワークであり、これを利用した学習がディープラーニングとなる(画像はGoogle I/O 2015より)

ディープラーニングの何がすごいのか

ディープラーニングは、それまでの機械学習を発展させたものだ。機械学習では、コンピュータに入力するデータの中から、解析に役立ちそうな特徴を抽出するための仕組みに人の手が介在した。ところがディープラーニングでは、こうした特徴抽出すらも処理の中に含まれており、特徴の選択も機械が学習する。人間は最小限の下処理をしたデータを人工知能に与えてやるだけでいい。

たとえば10万枚の写真の中から「猫」の映った画像だけを探す場合、従来の手段では猫っぽい特徴のあるデータをあらかじめいくつか用意しておき、その部分を指定しておくと、機械がその特徴に似た部分を探してくれるというものだった。

これがディープラーニングだと、与えられた写真を精査し、「これは猫っぽいのではないか」という答えを機械が人間に示してくる。それに対して人間が評価を与えると、その評価をもとに再度データを調べ直す、という手法で精度が徐々に高まっていく。まるで「これは? これは?」と親に聞いてくる子供が、さまざまなものを覚えていくような動きだ。

2012年にGoogleはYouTube動画から多量の写真を取り出しディープラーニングを行ったところネットワーク上に猫の画像が抽出された(Google Official Blog 2012年6月26日より)

ディープラーニングは画像認識のほか、自然言語解析や、いわゆるビッグデータのような莫大なデータの解析を得意としている。人間に並び、あるいは上回る精度で有意なデータを見出すことができるディープラーニングから得られる推測データは、人間が参考にするに十分な信頼性を持っている、あるいは人間の感性を超えた解答をもたらす可能性があるのだ。

たとえば米IBM社の人工知能「Watson」は、数十万のレシピを学習した結果、これまでになかった新しいレシピを「提案」するに至っている。

Chef Watsonを利用したウェブサイト。原材料にSakeを入力したところ「Sake Risotto」なるレシピを提示(IBM Chef Watsonより)

チェスや将棋の世界でも、ディープラーニングで過去の打ち筋を研究した対戦プログラムが、これまでの定石とは全く異なる新しい打ち筋を「発明」している。つまり、人工知能は人間と並ぶ、あるいは超える「知性」を持って、これまでの人類の知能が発見できなかった新しい知見にたどり着くことができる可能性を持っているわけだ。事実、製薬分野などでこれまでに見つかっていない新薬を人工知能が「発明」しているケースもある。これこそがディープラーニングがもたらした人工知能のブレイクスルーそのものだと言っていいだろう。

ディープラーニングを支える2つの柱

ディープラーニングには、ニューラルネットワークを鍛えるための莫大な量のデータと、それを処理するための超高速なコンピュータの2つが必要だ。ディープラーニングにたどり着くまでに、十分な精度をもたらすための莫大なデータと、それを現実的な速度で処理する処理速度がなかったため、2000年代にいたるまで人工知能の進化は限定的だったと記したが、そのことは、最近の研究事例を見てもわかる。

たとえば、2012年にGoogleが猫の概念をディープラーニングによって抽出するのに、200×200ピクセルのYouTube動画から切り出した画像を1000万枚用意し、1000台のコンピュータ(16000CPUコア)を使ってようやく達成できたものだ。しかも時間は1週間かかっている。

幸い、大量のデータは、今ならインターネットにいくらでもデータが転がっている。企業などであれば、行動データやいわゆるビッグデータも、人工知能を鍛える上でもってこいの「餌」なわけだ。もう1つの超高速なコンピュータについても、毎年の技術革新のおかげで、スーパーコンピュータクラスの超高速処理が可能なコンピュータを、個人の研究者がなんとか揃えられるようなレベルにまで価格が下がってきている。ただし、ここでイメージすべきは、超高性能CPUではない。求められるのは、GPUの性能となる。

ディープラーニングの発達要素は「ディープニューラルネットワーク(DNN)」「ビッグデータ」「GPU」の3つ(NVIDIA Deep Learning Day 2016講演資料より)

そして、GPUの開発環境や実績などを見ていくと、ディープラーニングの発達は米NVIDIAが握っているとも言えるのだ。NVIDIA自身も、今ではこの人工知能の分野に力を入れている。ではなぜGPUの発達が求められるのか、NVIDIAがこの分野で取り組んでいるのは、どんなことか。次回はこの点についてみていこう。

【平成最後】2018年度の「M&A」件数・金額は、過去最高に - 令和も活況続くか

【平成最後】2018年度の「M&A」件数・金額は、過去最高に - 令和も活況続くか

2019.05.21

2018年度のM&A件数は830件、取引総額は12兆7,069億円

「武田薬品のシャイアー買収」は日本企業最高金額に

日本企業が積極的に海外での地盤固めに動いた様子が見られた

平成最後の年度となる2018年度(2018年4月-2019年3月)は、日本の上場企業によるM&A(企業の合併・買収)が活発だった。

国内の高齢化が進み、中小企業の後継者不在の問題はますます深刻になっている。大手企業でも国際競争が激しくなる中で、規模を拡大したり、「選択と集中」で経営を効率化したりする動きが活発だ。こうした経済環境の中で、多くの企業はM&Aに注目し、自社の成長の手段の1つとして積極的に活用し始めている。

M&A仲介サービス大手のストライクが東京証券取引所の適時開示情報を基に構築したデータベースによると、2018年度のM&A件数は830件、金額(株式取得費用と一部アドバイザリー費用を合わせた取引総額)は計12兆7,069億円となり、いずれも2009年度以降の10年間で最高に達した。

2009年度から2018年度にかけてのM&A件数の推移。ストライクが東京証券取引所の適時開示情報を基に構築したデータベースで集計したもの。※経営権が移動するものを対象とし、グループ内再編は対象に含まない。金額などの情報はいずれも発表時点の情報
2009年度から2018年度にかけてのM&A金額の推移。 ※同上

日本企業最高金額となった「武田薬品のシャイアー買収」

2018年度に注目されたのが取引金額の拡大だ。

武田薬品工業がアイルランドの製薬会社シャイアーの買収に投じた6兆7,900億円は、日本企業が実施したM&Aとしては過去最高額となった。さらに同年は、1,000億円を超える案件がこの10年で最高であった2017年度と並ぶ18件に達するなど、国際競争が激しくなる中で、日本企業がクロスボーダー(国際間案件)のM&Aを活発化させた様子が見てとれる。

武田薬品のシャイアー買収は2018年5月8日に発表され、2019年1月8日に成立した。巨額の買収金額が経営に与える影響を懸念して、創業家一族ら一部の株主が買収に反対したことも話題になったが、臨時株主総会での武田薬品株主の賛成率は9割近くに達した。

武田薬品に次ぐ大型の案件は、ルネサスエレクトロニクスによる米半導体メーカー・インテグレーテッド・デバイス・テクノロジー(IDT)の買収であった。買収金額は日本の半導体メーカーとして過去最高となる7,330億円に達した。自動運転やEV(電気自動車)などの進化に伴い、車載向け半導体の需要拡大が見込まれており、ルネサスエレクトロニクスはIDTの買収によってこの分野の開発力強化や製品の相互補完を目指す考えだ。

それに次ぐ大型の案件は、日立製作所によるスイスABBの送配電事業の買収であり、その金額は7,140億円に達する。日立製作所はABBから2020年前半をめどに分社される送配電事業会社の株式の約8割を取得して子会社化したあと、4年目以降に100%を取得し、完全子会社化する予定だ。再生可能エネルギー市場の拡大や新興国での電力網の整備に伴い、送配電設備に対する需要は一層高まると予想されており、日立製作所は買収により送配電事業で世界首位を目指す。

2018年度(2018年4月1日-2019年3月31日)の取引総額上位10ケース。※金額は株式取得費用と一部アドバイザリー費用を合わせた取引総額 (ストライク調べ)

2019年度も活況続くか

先述したように、金額が1,000億円を超える大型のM&Aは18件あり、武田薬品など金額上位3社のほかに、大陽日酸、三菱UFJ信託銀行、大正製薬ホールディングス、東京海上ホールディングス、JTといった大企業が名を連ねた。

これら18件中17件はクロスボーダーであり、かつ2018年度のM&A件数中、こうしたクロスボーダーは185件(構成比22.3%)に達しており、日本企業が積極的に海外での地盤固めに動いた様子が浮かび上がった。

かつて、日本で企業の投資といえば、研究開発や設備投資が大半を占めていた。しかし、最近の状況を受けて、ストライクの荒井邦彦社長は「全体の成長率が低迷する中で、こうした投資の効果は思うように高まらず、事業戦略としてのM&Aが日本企業でも定着してきている」と分析する。

なお同氏は、2019年度のM&A市場の動向についても「日銀による金融緩和が企業の資金調達環境を改善させており、活況が続きそうだ」と予測している。

出展:M&A online データベース

関連記事
大津の園児死亡事故で炎上した「マスコミ」批判

カレー沢薫の時流漂流 第43回

大津の園児死亡事故で炎上した「マスコミ」批判

2019.05.20

漫画家・コラムニスト カレー沢薫さんの社会派連載!

第43回は、大津の痛ましい事故で炎上した「マスコミ」問題について

滋賀県・大津市で散歩中の園児の列に軽乗用車が突っ込み、園児二名死亡、多くの負傷者を出す、という事故が起った。

池袋のプリウス事故の衝撃が冷めやらぬまま、また痛ましい事故が起ってしまった。池袋の事故では「高齢者の自動車運転問題」「上級国民疑惑」が大きく注目されたが、今回の事故では全く別のものが炎上した。

マスコミ問題である。

マスコミが保育園を追求したのは視聴者のため?

事件が起こった当日夕方、被害者の園児が通っていた「レイモンド淡海保育園」が記者会見を行ったのだが、そこで質問をした記者の血が青とか紫とかほとんど寒色系じゃないかと、大きく批判された。

記者会見が、どのような内容だったかというと「危険な場所という認識はあったのか?」「保育士が道路側にいたのか?」という、何としてでも保育園側に批があったようにしたくてたまらない質問、「園児たちの様子は普段と変わらなかったのか?」という意図のわからない質問、 「散歩したのは園に庭がないからか?」という「園に庭さえあればこんなことには…」という「ニ兆円さえあれば」に匹敵する、壮大なたられば論などが挙げられ、質問を受けた園長は号泣、それを記者がバッシャバッシャ撮影するという地獄絵図だったそうだ。

記者会見を見た多くの人が「何を食ったらそんな質問ができるんだ」と思っただろうが、この記者会見は、たまたまその場にプラスチックを食って育った選りすぐりのサイコパッシャーが大集結してしまったという、悪い意味でのアベンジャーズだったワケではないと思う。

記者が何故あのような質問をしたかというと、決して趣味ではなく、おそらく「視聴者の見たい画」「聞きたい言葉」を引き出そうとした結果なのではないか。もちろん「あんなもの見たくなかった」という人が大半だと思う。

しかし、池袋プリウス事故で加害者が即逮捕されないことが大きく批判されたことからも、現在の我々視聴者に「悪が一刻も早く、俺たちの目に見える形で処されるところが見たい」という「ニーズ」が少なからずあることが分かっているのだ。

つまり「お客様に一秒でも早く悪が吊るされる様をお届けします!」というニーズに応えようとする企業努力が、「悪くもない保育園をとりあえず悪にして即斬る」という、完全に間違った「悪・即・斬」になってしまったのではないだろうか。

「マスゴミ」問題は視聴者の問題?

しかし、「被害者側への無配慮な取材はいらん」というのも、今回の件だけではなく、視聴者側が何度も言い続けている「ニーズ」である。

何故それが無視されてこのような会見が行われるかというと、被害者の声まではいらなくても、やはり我々が平素「センセーショナル」な物を求めてしまっているからではないだろうか。よって記者たちは「とにかく刺激的なものを撮ってこい」と言われ続け、感覚がマヒし、本来配慮が必要なはずの取材にすら「センセーショナルさ第一」で臨んでしまい、まるで不倫記者会見のようなノリの質問が飛ぶことになってしまったのではないだろうか。

やはり報道というのは「視聴者が何を見たがっているか」が反映されるものだ、需要がなければ供給はなくなる。このような記者会見が行われなくするためには、何度でも我々が「こういうのはいらんのや、見んし、お前らの雑誌買わんわ」と言い続けるしかないだろう。

ところで、「質問をした記者を特定して処してやろう」という動きも当然のように起こったらしい。やはり我々の「悪を処したい」「処されるのを見たい」という気持ちは根深い物があるのだ。

ちなみに、今回の事故では当初、車を運転していた52歳と62歳の2人が逮捕された。「また高齢者か」という声も上がったが、この年齢で高齢者と呼べるかは微妙なところだ。結局「車を運転する以上誰でも事故を起こす可能性がある」ということである。

車を運転しない人は「歩道を歩いていて車が突っ込んでくるなんてどうしようもない」という被害者観点から絶望したと思うが、車を運転する人は加害者観点でも恐怖したと思う。

もちろん安全運転に越したことはないが、人間には「限界」と「不測の事態」があることでおなじみである。持病もないのに運転中に突然何らかの発作が起こる可能性だってあるのだ。「どうしようもないこと」で被害者になることもあるが、加害者になることもあるのである。

つまり、車がないと生活できない土地で、私が週一ぐらいしか外出せず、引きこもり続けているのは、近隣住民の命を守る草の根活動でもあるのだ。しかし、それは無職だからできる事業なので、多くの人が、少なからずリスクを負って車を運転しなければいけない。

そのリスクを減らすには、運転者が気をつけることはもちろんだが、何せ限界がある。つまり、人間がこれ以上、進化することなく、むしろ高齢化で退化する一方だとしたら、無機物の方を整備していくしかない。

事故が起りにくい道路作り、そして車だ。

現に、車の事故防止機能はどんどん進化しており、自動運転化の開発も進んでいるという。自動運転が本当に安全なのか不安もあるが、少なくとも老が運転するよりは確実に安全になるだろう。

しかし、今のところそういった事故防止機能がついた車を買うか否かは、任意である。そして、そのような機能がついた車は高くなる。よって私の車は金銭的問題で、タイヤとハンドルがついているぐらいであり、運転手がミスったら、そのミス通り事故を起こしてくれる、素直な仕様である。

現在でも事故防止機能のある車を購入した場合、補助がもらえることもあるようだが、導入が任意な以上、つけない人はつけないだろう。これからの車には、タイヤ、ハンドル、事故防止機能を、もう屋根ぐらい忘れても良いから義務付けるべきではないだろうか。

関連記事