AIxDesign をテンプレートにして作成

開始行:
*AI × Design ***オープンな開発環境がつくる未来 九州産業大学 芸術学会 研究報告（Web版は随時加筆・修正） ~ ***CONTENTS #contents2_1 ~ **1. はじめに 本稿では、AI の開発にデザイナーが関わることを前提に... [[M.マクルーハン>Google:M.マクルーハン]]流に言えば、テ... これからのプロダクトの多くが、クラウドとの接続を... AI の技術の背景にあるのはデータサイエンスと情報通信技術... ~ ~ **2. AI の基本概念 Artificial Intelligence という言葉は、1956年に開催された... AI と呼べるか否か、1950年にアラン・チューリングが提唱した... 機械が人間を騙せるか否か・・については、文字による対話 ＞... AI と呼ばれているものには様々なタイプのものがあります。話... ~ ***2.1. 汎用型AI と 特化型AI ''汎用型 AI''とは、人間と同様に様々な問題に対応できる能力... ~ ***2.2. 強いAI と 弱いAI ''強いAI''と''弱いAI''という分け方もあります。''強いAI''... ~ ***2.3. 記号処理的人工知能 と 非記号処理的人工知能 これは、現在使われているAIテクノロジーを区分するのに重要... -''記号処理的人工知能'' --記号処理用のプログラミング言語で構築 --トップダウン的な処理プロセスになる --記号を厳密に定義するため、フレーム（文脈）が限定される -''非記号処理的人工知能'' ← 現在の主流 --ニューラルネットに代表される機械学習によって構築 --ボトムアップ的な処理プロセスになる --記号は厳密に定義されないため、フレーム（文脈）に柔軟に... ~ ~ **3. 人工知能の歴史 人工知能は、コンピュータという機械の進化にともなって、過... ~ ***3.1. 黎明期　1940年代〜 ダートマス会議以前という意味でのこの黎明期、 AI のア... -チューリングマシン 計算機を数学的に実現するために、数学者アラン・チューリン... -人工ニューロン 1943年、W.S. マカロックと W.J. ピッツは「形式ニューロン... -電子計算機 ENIAC 1946年に開発された世界初の電子式コンピューター。計算手順... -チューリングテスト アラン・チューリングが1950年の論文で提案した「人と人工的... -ダートマス会議 1956年7月から8月にかけてダートマス大学で開催されたこの会... ~ ***3.2. 第一次ブーム　1960年代〜 -LISP：LISt Processor（リスト処理言語） LISPは1958年にジョン・マッカーシーが考案したプログラミン... -Macsyma, REDUCE： 数式処理（多項式処理、不定積分など） -ELIZA：自然言語処理（パターンマッチと概念辞書による会話... J. ワイゼンバウムが 1964 から開発を手がけた会話模... -人工無脳（注：「無能」ではありません） chatterbot、chatbotと呼ばれる会話ボットに利用されるプログ... -エキスパートシステム 記号処理的な推論型の人工知能で、コンピュータが知的な判断... ~ ***3.3. 第二次ブーム　1980年代〜 コンピュータの性能向上と低価格化が進み、AI ワークステ... -第5世代コンピュータ 1982年、日本の国家プロジェクトとしてスタートした非ノ... -バックプロパゲーション（誤差逆伝播法） D.E. ラメルハートらが1986年に発表したニューラルネットの学... --ニューラルネットワークに学習サンプルを与える --ネットワークの出力を求め、出力層における誤差を求める ＞その誤差を用いて、各出力ニューロンについての誤差を計算 --個々のニューロンに期待された出力と実際の出力の差を計算... --より大きな重みで接続された前段のニューロンに対して、局... -[[人工知能学会>https://www.ai-gakkai.or.jp/]] 1986年、日本にAIを専門とする学会が誕生しました。 //-統計・確率型のAI //多数のデータを統計的に処理し、もっとも確率の高いもの（... ~ ***3.4. 第三次ブーム　1990年代後半〜 パワーを要するアルゴリズムを実装できるだけの処理速度と記... //-エージェント指向 //自律分散協調的に動作する「知的エージェント」を想定する... -IBM DeepBlue 1997年、チェスのプログラム DeepBlue が人間の世界チャンピ... -IBM Watson 2011年、米国のクイズ番組 Jeopardy! で、IBMの Watson が人... -Boston Dynamics BigDOG Boston Dynamics は、1992年に MITのマーク・レイバートが、... --[[boston dynamics>YouTube: boston dynamics]] --[[DARPA military robots>Google: DARPA military robots]] -Bonanza / Ponanza いずれも、コンピュータ将棋ソフト。bonanzaは、保木邦仁が作... -AlphaGo 2015年、Google DeepMind によって開発された囲碁プログラム ... ~ ~ **4. AI開発のキーワード ***4.1. [[機械学習>MachineLearning]] 機械学習（ML）とは、データサイエンス、あるいは非記号型... 例えば、ヒト、犬、猫の大量の画像と、その画像がヒトか、犬... このときコンピュータの中に自動的に出来上がる「入力と出力... 機械学習には大きく3つのタイプがあります。 -1) 教師あり学習 教師あり学習とは、ヒト・犬・猫の事例のように問題（説明変... -2) 教師なし学習 教師なし学習とは、与えられたデータから背後にある規則性... -3) 強化学習 強化学習では「行動」を入力として、「正解」の代わりに「... 参考：[[MachineLearning]] ~ ***4.2. [[ニューラルネットワーク>NeuralNetwork]] ニューラルネットワーク (NN) とは、人間の脳内にあるニュー... #image(NeuralNetwork/ArtificialNeuron.png,right,40%) 右図は１個の人工ニューロンを図式化したものである。n 個... 　'''''y = f ( wSUB{1};・xSUB{1}; + wSUB{2};・xSUB{2}; ... ニューラルネットワークは、この人工ニューロンを配列した入... -1) ネットワークに学習サンプルを与える -2) ネットワークの出力の誤差を求め、それを用いて、各出力... -3) 期待された出力と実際の出力の差（局所誤差）が小さく... -4) より大きな重みで接続された前段のニューロンに対して... 参考：[[NeuralNetwork]] ~ ***4.3. ディープラーニング #image(NeuralNetwork/NeuralNetwork.png,right,40%) ディープラーニング（DL:深層学習）はトロント大学の G... 入力層には説明変数に対応するユニットを設定し（例えば 28... 問題は中間にある隠れ層の数と各層のユニット数ですが、そ... ~ ~ **5. AIの開発環境 デザイナーにとって AI の開発はハードルが高いもの... ~ ***5.1. ハードウェア AI 開発に特別なハードウエアは必要ありませんが、大量の... -1) GPU：Graphics Processing Unit GPU は 3DCG 用のチップですが、数十から数千のコアを使... -2) FPGA：Field-Programmable Gate Array FPGA は、汎用の CPU と高速な GPU の中間的な存在で、購入... -3) ASIC：Application Specific Integrated Circuit ASIC は特定用途向けの集積回路で、量産によって単価を下け... -4) TPU：Tensor Processing Unit TPU は Google が開発したチップで、一般的な GPU より... ~ ***5.2. クラウドプラットフォーム 一般に上述のようなハードウエア環境を準備するにはそれな... -[[Amazon Web Services(AWS)>https://aws.amazon.com/jp/]] -[[Google Cloud AI>https://cloud.google.com/products/ai/]] -[[IBM Watson>https://www.ibm.com/watson/]] -[[Microsoft Cognitive Services(Azure)>https://azure.micr... ~ ***5.3. 開発環境 Google Colaboratory [[Google Colaboratory>https://colab.research.google.com/]... [[Googleトレンド｜Colaboratory>https://trends.google.co.j... ~ ***5.4. 開発環境 Jupyter Notebook [[Jupyter notebook>http://jupyter.org/]] は Python の対話... [[Googleトレンド｜Jupyter>https://trends.google.co.jp/tre... ~ ~ **6. AIの開発言語 / ライブラリ / サンプル ***6.1. [[Python言語>Python]] Python はオランダのグイド・ヴァンロッサムが BBC... -Pythonに関する記事は別ページにあります > [[Python]] ~ ***6.2. ライブラリ #image(ライブラリ一覧.jpg,right,40%) ライブラリとは、汎用性の高い複数のプログ ラムを再利... ~ ***6.3. データサンプル AI の開発を学ぶには、大量のデータサンプルが必要に... -1) [[Iris>http://archive.ics.uci.edu/ml/datasets/Iris]] 植物学者 R. Fisher による「あやめ」のデータで、統計ソ... -2) [[The Boston Housing Dataset>http://lib.stat.cmu.edu/... 米国ボストン市郊外における地域別の住宅価格のデータセ... -3) [[Wine Quality>https://archive.ics.uci.edu/ml/dataset... ポルトガルワインの一種 Vinho Verde を測定したデータ... #image(DataScience/MNIST.jpg,right,20%) -4 ) [[MNIST>http://yann.lecun.com/exdb/mnist/]] 手書き数字の画像データ(28 × 28px) と正解ラベルのペ... -5) [[MegaFace and MF2>http://megaface.cs.washington.edu/]] 顔認証の機械学習のサンプルで、約 70 万人分の 顔写真（... ~ ~ **7. サンプルプログラム #image(SampleCode.jpg,right,30%) AI のプログラムというと、膨大なコードの記述 がイ... 　右は、先述の手書き数字サンプル MNIST を用いて、0 〜 9... -1) データのインポート --ライブラリからデータを読み込む --x は入力画像、 y は正解ラベル --train が学習用、test が評価用 -2) 入力画像データのスケール変換 --2次元画像 (28 × 28px) を1次元 (784px) に変形 --輝度(0〜255)を 最小値 0、最大値1にな るよう正規化 -3) 正解ラベルの対応づけ --0 〜9の正解ラベルをカテゴリーデータに変形 -4) 学習モデルの構築 --中間層の追加が簡単な Sequential モデルを選択、 --入力層はデータ仕様から 784、中間層は 64 と設定 --ニューロンの出力を判定する活性化関数には ReLU((ReLU（ラ... --出力層には正解数 10、判定には Softmax 関数((Softmax 関... -5) モデルに訓練過程を設定 --model.compile で訓練過程を設定 --最適化の手法として、確率的勾配降下法 (SGD) --損失関数に多値分類 (categorical_crossentropy) を選択 -6) 機械学習の実行 --model.fit で学習開始 --epochs は学習反復回数で、ここでは 10 回反復 --loss は正解とのズレで、 0 に近いほど正解に近い --accuracy は正確性で、100% に近いほど正解に近い --この例では 10 回の反復計算を 20 秒程度で終えていま... -7) 評価用のデータで正解率を検証 --評価用データに対する正解率を model.evaluate で計算 --ここでは 94.4% 正解するモデルができました。 -8) 混同行列でミスの発生状況を確認 --100 件のデータを用いて、実際にどこにミスが生じ... --出力された表は「[[混同行列>Google:混同行列]]」といって... --対角線上にあるのが正しく分類されたもの --対角線外のセルは、誤って予測されたもの --表からは、サンプル 100 件中3件、「4 と 0」、「5 と 6... ~ ~ **8. AI 時代の展望 開発環境、開発言語、ライブラリ、データサンプル、いずれも... 現代は、AI, ロボット , IoT 等をキーワードとする第4次産業... 　人手不足が叫ばれてはますが、それは「高度なスキルを持っ... 人の仕事が機械に代替される順序は、1) 足、2) 脳、 3) 腕、4... 結果として、知的作業の代替は、職業訓練のみならず、資格・... クリエイティブといわれる業種においてもその代替は始まって... さて、代替の最後は「手・指」ですが、ここに至るにはまだ時... もはや我々は、パターン化、マニュアル化できるようなスキル... 　ヒトにしか感じることのできない身体的な感覚、他者との共... 理想の未来と現状とのギャップを埋める方法を模索するのがデ... AI がもたらす未来には脅威論も楽観論もありますが、確実に言... 　社会を構成する全員が AI に関する知見と関心を共有し、そ... 　前の節で触れたとおり、AI の開発はインターネット革命を引... 　理想を共有して、現実とのギャップを埋める。そのためには... 現代に生きる我々は、労働の対価として賃金を得て生活すると... 　真偽は定かでありませんが、古代ローマでは「奴隷が働いて... ~ ~ **APPENDIX ***参考文献 -日本経済新聞社編, AI 2045, 日経プレミア , 2018 -甘利俊一, 脳・心・人工知能, 講談社, 2016 -新井紀子, AI vs 教科書が読めない子どもたち , 東洋経... -井上智洋, 人工知能と経済の未来 , 文芸春秋 , 2016 -宇沢弘文, 人間の経済, 新潮新書, 2017 -太田満久他 , TensorFlow 開発入門 , 翔泳社 , 2018 -小林雅一, AIが人間を殺す日, 集英社, 2017 -掌田津耶乃 , データ分析ツール Jupyter 入門 , 秀和シス... -鈴木貴博 , 仕事消滅 , 講談社 , 2017, p.76 -田中潤 松本健太郎, 誤解だらけの人工知能 , 光文社 , 2018 -西垣通, AI原論 - 神の支配と人間の自由-, 講談社選書, 2018 -日経コンピュータ, AI開発最前線, 日経BP, 2018 -日経ビッグデータ編 , Google に学ぶディープラ... -マーティン・フォード（松本剛史訳）, ロボットの脅威, 日経... -松原 仁, AIに心は宿るのか, 集英社, 2018 -矢野和男, データの見えざる手, 草思社, 2014 -吉川隼人 , 機械学習と深層学習 , リックテレコム , 2017 ~ ***関連ページ -[[DataScience]] -[[Data]] -[[Statistics]] -[[MachineLearning]] -[[NeuralNetwork]] -[[DataMining]] -[[ArtificialIntelligence]] -[[ArtificialIntelligence/Links]] ~ ~ ~

終了行:
*AI × Design ***オープンな開発環境がつくる未来 九州産業大学 芸術学会 研究報告（Web版は随時加筆・修正） ~ ***CONTENTS #contents2_1 ~ **1. はじめに 本稿では、AI の開発にデザイナーが関わることを前提に... [[M.マクルーハン>Google:M.マクルーハン]]流に言えば、テ... これからのプロダクトの多くが、クラウドとの接続を... AI の技術の背景にあるのはデータサイエンスと情報通信技術... ~ ~ **2. AI の基本概念 Artificial Intelligence という言葉は、1956年に開催された... AI と呼べるか否か、1950年にアラン・チューリングが提唱した... 機械が人間を騙せるか否か・・については、文字による対話 ＞... AI と呼ばれているものには様々なタイプのものがあります。話... ~ ***2.1. 汎用型AI と 特化型AI ''汎用型 AI''とは、人間と同様に様々な問題に対応できる能力... ~ ***2.2. 強いAI と 弱いAI ''強いAI''と''弱いAI''という分け方もあります。''強いAI''... ~ ***2.3. 記号処理的人工知能 と 非記号処理的人工知能 これは、現在使われているAIテクノロジーを区分するのに重要... -''記号処理的人工知能'' --記号処理用のプログラミング言語で構築 --トップダウン的な処理プロセスになる --記号を厳密に定義するため、フレーム（文脈）が限定される -''非記号処理的人工知能'' ← 現在の主流 --ニューラルネットに代表される機械学習によって構築 --ボトムアップ的な処理プロセスになる --記号は厳密に定義されないため、フレーム（文脈）に柔軟に... ~ ~ **3. 人工知能の歴史 人工知能は、コンピュータという機械の進化にともなって、過... ~ ***3.1. 黎明期　1940年代〜 ダートマス会議以前という意味でのこの黎明期、 AI のア... -チューリングマシン 計算機を数学的に実現するために、数学者アラン・チューリン... -人工ニューロン 1943年、W.S. マカロックと W.J. ピッツは「形式ニューロン... -電子計算機 ENIAC 1946年に開発された世界初の電子式コンピューター。計算手順... -チューリングテスト アラン・チューリングが1950年の論文で提案した「人と人工的... -ダートマス会議 1956年7月から8月にかけてダートマス大学で開催されたこの会... ~ ***3.2. 第一次ブーム　1960年代〜 -LISP：LISt Processor（リスト処理言語） LISPは1958年にジョン・マッカーシーが考案したプログラミン... -Macsyma, REDUCE： 数式処理（多項式処理、不定積分など） -ELIZA：自然言語処理（パターンマッチと概念辞書による会話... J. ワイゼンバウムが 1964 から開発を手がけた会話模... -人工無脳（注：「無能」ではありません） chatterbot、chatbotと呼ばれる会話ボットに利用されるプログ... -エキスパートシステム 記号処理的な推論型の人工知能で、コンピュータが知的な判断... ~ ***3.3. 第二次ブーム　1980年代〜 コンピュータの性能向上と低価格化が進み、AI ワークステ... -第5世代コンピュータ 1982年、日本の国家プロジェクトとしてスタートした非ノ... -バックプロパゲーション（誤差逆伝播法） D.E. ラメルハートらが1986年に発表したニューラルネットの学... --ニューラルネットワークに学習サンプルを与える --ネットワークの出力を求め、出力層における誤差を求める ＞その誤差を用いて、各出力ニューロンについての誤差を計算 --個々のニューロンに期待された出力と実際の出力の差を計算... --より大きな重みで接続された前段のニューロンに対して、局... -[[人工知能学会>https://www.ai-gakkai.or.jp/]] 1986年、日本にAIを専門とする学会が誕生しました。 //-統計・確率型のAI //多数のデータを統計的に処理し、もっとも確率の高いもの（... ~ ***3.4. 第三次ブーム　1990年代後半〜 パワーを要するアルゴリズムを実装できるだけの処理速度と記... //-エージェント指向 //自律分散協調的に動作する「知的エージェント」を想定する... -IBM DeepBlue 1997年、チェスのプログラム DeepBlue が人間の世界チャンピ... -IBM Watson 2011年、米国のクイズ番組 Jeopardy! で、IBMの Watson が人... -Boston Dynamics BigDOG Boston Dynamics は、1992年に MITのマーク・レイバートが、... --[[boston dynamics>YouTube: boston dynamics]] --[[DARPA military robots>Google: DARPA military robots]] -Bonanza / Ponanza いずれも、コンピュータ将棋ソフト。bonanzaは、保木邦仁が作... -AlphaGo 2015年、Google DeepMind によって開発された囲碁プログラム ... ~ ~ **4. AI開発のキーワード ***4.1. [[機械学習>MachineLearning]] 機械学習（ML）とは、データサイエンス、あるいは非記号型... 例えば、ヒト、犬、猫の大量の画像と、その画像がヒトか、犬... このときコンピュータの中に自動的に出来上がる「入力と出力... 機械学習には大きく3つのタイプがあります。 -1) 教師あり学習 教師あり学習とは、ヒト・犬・猫の事例のように問題（説明変... -2) 教師なし学習 教師なし学習とは、与えられたデータから背後にある規則性... -3) 強化学習 強化学習では「行動」を入力として、「正解」の代わりに「... 参考：[[MachineLearning]] ~ ***4.2. [[ニューラルネットワーク>NeuralNetwork]] ニューラルネットワーク (NN) とは、人間の脳内にあるニュー... #image(NeuralNetwork/ArtificialNeuron.png,right,40%) 右図は１個の人工ニューロンを図式化したものである。n 個... 　'''''y = f ( wSUB{1};・xSUB{1}; + wSUB{2};・xSUB{2}; ... ニューラルネットワークは、この人工ニューロンを配列した入... -1) ネットワークに学習サンプルを与える -2) ネットワークの出力の誤差を求め、それを用いて、各出力... -3) 期待された出力と実際の出力の差（局所誤差）が小さく... -4) より大きな重みで接続された前段のニューロンに対して... 参考：[[NeuralNetwork]] ~ ***4.3. ディープラーニング #image(NeuralNetwork/NeuralNetwork.png,right,40%) ディープラーニング（DL:深層学習）はトロント大学の G... 入力層には説明変数に対応するユニットを設定し（例えば 28... 問題は中間にある隠れ層の数と各層のユニット数ですが、そ... ~ ~ **5. AIの開発環境 デザイナーにとって AI の開発はハードルが高いもの... ~ ***5.1. ハードウェア AI 開発に特別なハードウエアは必要ありませんが、大量の... -1) GPU：Graphics Processing Unit GPU は 3DCG 用のチップですが、数十から数千のコアを使... -2) FPGA：Field-Programmable Gate Array FPGA は、汎用の CPU と高速な GPU の中間的な存在で、購入... -3) ASIC：Application Specific Integrated Circuit ASIC は特定用途向けの集積回路で、量産によって単価を下け... -4) TPU：Tensor Processing Unit TPU は Google が開発したチップで、一般的な GPU より... ~ ***5.2. クラウドプラットフォーム 一般に上述のようなハードウエア環境を準備するにはそれな... -[[Amazon Web Services(AWS)>https://aws.amazon.com/jp/]] -[[Google Cloud AI>https://cloud.google.com/products/ai/]] -[[IBM Watson>https://www.ibm.com/watson/]] -[[Microsoft Cognitive Services(Azure)>https://azure.micr... ~ ***5.3. 開発環境 Google Colaboratory [[Google Colaboratory>https://colab.research.google.com/]... [[Googleトレンド｜Colaboratory>https://trends.google.co.j... ~ ***5.4. 開発環境 Jupyter Notebook [[Jupyter notebook>http://jupyter.org/]] は Python の対話... [[Googleトレンド｜Jupyter>https://trends.google.co.jp/tre... ~ ~ **6. AIの開発言語 / ライブラリ / サンプル ***6.1. [[Python言語>Python]] Python はオランダのグイド・ヴァンロッサムが BBC... -Pythonに関する記事は別ページにあります > [[Python]] ~ ***6.2. ライブラリ #image(ライブラリ一覧.jpg,right,40%) ライブラリとは、汎用性の高い複数のプログ ラムを再利... ~ ***6.3. データサンプル AI の開発を学ぶには、大量のデータサンプルが必要に... -1) [[Iris>http://archive.ics.uci.edu/ml/datasets/Iris]] 植物学者 R. Fisher による「あやめ」のデータで、統計ソ... -2) [[The Boston Housing Dataset>http://lib.stat.cmu.edu/... 米国ボストン市郊外における地域別の住宅価格のデータセ... -3) [[Wine Quality>https://archive.ics.uci.edu/ml/dataset... ポルトガルワインの一種 Vinho Verde を測定したデータ... #image(DataScience/MNIST.jpg,right,20%) -4 ) [[MNIST>http://yann.lecun.com/exdb/mnist/]] 手書き数字の画像データ(28 × 28px) と正解ラベルのペ... -5) [[MegaFace and MF2>http://megaface.cs.washington.edu/]] 顔認証の機械学習のサンプルで、約 70 万人分の 顔写真（... ~ ~ **7. サンプルプログラム #image(SampleCode.jpg,right,30%) AI のプログラムというと、膨大なコードの記述 がイ... 　右は、先述の手書き数字サンプル MNIST を用いて、0 〜 9... -1) データのインポート --ライブラリからデータを読み込む --x は入力画像、 y は正解ラベル --train が学習用、test が評価用 -2) 入力画像データのスケール変換 --2次元画像 (28 × 28px) を1次元 (784px) に変形 --輝度(0〜255)を 最小値 0、最大値1にな るよう正規化 -3) 正解ラベルの対応づけ --0 〜9の正解ラベルをカテゴリーデータに変形 -4) 学習モデルの構築 --中間層の追加が簡単な Sequential モデルを選択、 --入力層はデータ仕様から 784、中間層は 64 と設定 --ニューロンの出力を判定する活性化関数には ReLU((ReLU（ラ... --出力層には正解数 10、判定には Softmax 関数((Softmax 関... -5) モデルに訓練過程を設定 --model.compile で訓練過程を設定 --最適化の手法として、確率的勾配降下法 (SGD) --損失関数に多値分類 (categorical_crossentropy) を選択 -6) 機械学習の実行 --model.fit で学習開始 --epochs は学習反復回数で、ここでは 10 回反復 --loss は正解とのズレで、 0 に近いほど正解に近い --accuracy は正確性で、100% に近いほど正解に近い --この例では 10 回の反復計算を 20 秒程度で終えていま... -7) 評価用のデータで正解率を検証 --評価用データに対する正解率を model.evaluate で計算 --ここでは 94.4% 正解するモデルができました。 -8) 混同行列でミスの発生状況を確認 --100 件のデータを用いて、実際にどこにミスが生じ... --出力された表は「[[混同行列>Google:混同行列]]」といって... --対角線上にあるのが正しく分類されたもの --対角線外のセルは、誤って予測されたもの --表からは、サンプル 100 件中3件、「4 と 0」、「5 と 6... ~ ~ **8. AI 時代の展望 開発環境、開発言語、ライブラリ、データサンプル、いずれも... 現代は、AI, ロボット , IoT 等をキーワードとする第4次産業... 　人手不足が叫ばれてはますが、それは「高度なスキルを持っ... 人の仕事が機械に代替される順序は、1) 足、2) 脳、 3) 腕、4... 結果として、知的作業の代替は、職業訓練のみならず、資格・... クリエイティブといわれる業種においてもその代替は始まって... さて、代替の最後は「手・指」ですが、ここに至るにはまだ時... もはや我々は、パターン化、マニュアル化できるようなスキル... 　ヒトにしか感じることのできない身体的な感覚、他者との共... 理想の未来と現状とのギャップを埋める方法を模索するのがデ... AI がもたらす未来には脅威論も楽観論もありますが、確実に言... 　社会を構成する全員が AI に関する知見と関心を共有し、そ... 　前の節で触れたとおり、AI の開発はインターネット革命を引... 　理想を共有して、現実とのギャップを埋める。そのためには... 現代に生きる我々は、労働の対価として賃金を得て生活すると... 　真偽は定かでありませんが、古代ローマでは「奴隷が働いて... ~ ~ **APPENDIX ***参考文献 -日本経済新聞社編, AI 2045, 日経プレミア , 2018 -甘利俊一, 脳・心・人工知能, 講談社, 2016 -新井紀子, AI vs 教科書が読めない子どもたち , 東洋経... -井上智洋, 人工知能と経済の未来 , 文芸春秋 , 2016 -宇沢弘文, 人間の経済, 新潮新書, 2017 -太田満久他 , TensorFlow 開発入門 , 翔泳社 , 2018 -小林雅一, AIが人間を殺す日, 集英社, 2017 -掌田津耶乃 , データ分析ツール Jupyter 入門 , 秀和シス... -鈴木貴博 , 仕事消滅 , 講談社 , 2017, p.76 -田中潤 松本健太郎, 誤解だらけの人工知能 , 光文社 , 2018 -西垣通, AI原論 - 神の支配と人間の自由-, 講談社選書, 2018 -日経コンピュータ, AI開発最前線, 日経BP, 2018 -日経ビッグデータ編 , Google に学ぶディープラ... -マーティン・フォード（松本剛史訳）, ロボットの脅威, 日経... -松原 仁, AIに心は宿るのか, 集英社, 2018 -矢野和男, データの見えざる手, 草思社, 2014 -吉川隼人 , 機械学習と深層学習 , リックテレコム , 2017 ~ ***関連ページ -[[DataScience]] -[[Data]] -[[Statistics]] -[[MachineLearning]] -[[NeuralNetwork]] -[[DataMining]] -[[ArtificialIntelligence]] -[[ArtificialIntelligence/Links]] ~ ~ ~

ページ名: