ここから本文です
AI(人工知能)& IoT
AIとIoTについて、ともに学びましょう。

『信用スコア』?!

 「信用スコア」は、簡単にいうと、「各個人の信用度合いを、様々な個人のデータを元に、独自のアルゴリズムを用いて、スコアリングしたもの」。言い換えれば、「あなたはこれくらい信用できますね」という信用のレベルをスコア化(数値化)することによって、信用力を見える化した数字といえる。

 米国では「FICOスコア」、中国では「芝麻信用」という信用スコアがそれぞれ普及。そして、その信用スコアが日本でも広がり始めている。中でも市場のけん引役として、すでに信用スコアサービスを展開している「J.Score(ジェイスコア)」が注目を集めている。

イメージ 1

 「J.Score」は2017年9月にみずほ銀行とソフトバンクが立ち上げたフィンテックベンチャー。同社が提供する信用スコアサービス「AIスコア」はユーザーが入力したさまざまなデータを分析した上で、信用スコアを提示してくれるのだが、その分析にAI技術とビッグデータが活用されている。

 実際には、いくつかの質問に答えるとAIによって自分の可能性が“スコア”として算出される。「AIスコア」の診断は無料かつ個人が特定される情報は不要。名前はニックネームでよく、個人信用情報機関に記録が残ることもない。

 スコアは1000点を上限として、年収や職業などの基本情報から、性格や趣味まで幅広い項目を分析して算出。スコアの算出は、スマホ上で簡単かつ迅速に行うことができる。最初にスコアを算出するためには、年齢、職業などの簡単な18問程度の質問に応えるだけでOK。

 しかし、この時点でJ.Scoreのマイページに表示される情報の入力状況は5%。さらに追加情報を入力することで、「AIスコア」を変化させていくことができる。そして、その追加で入力する内容は、収入や毎月の支出、資産などから、今後やってみたい趣味や習い事、洋服やアクセサリーを買うときに重視するポイントといった、生活習慣、趣味嗜好、語学力など、非常に幅広いものとなっている。

 J.Scoreでは、このスコアをもとに「リワード」と呼ばれる様々な特典を受けることもできる。旅行代理店の割引や百貨店の特別優待、英会話やジムなどの優待など様々なものがある。

 信用スコアは多くのメリットもあり、日本でも拡散していくと思われるが、すでに中国では、中国政府が進める「人々の社会的な信用度をスコアとして数値化するシステム」が、浸透し始めており、スコアが上がればローン金利が下がったり病院で優待されるなどのメリットがある反面、信用度が下がれば公共交通機関の利用が制限されるなどの厳しい“罰則”も待っている。

 クレジットスコア(金融機関が与信審査で参考にする数値)はクレジットカードやローンの申請の判断にしか使われない。しかし中国では、政府がより広範な「社会信用システム」なるものの構築を進めており、人々を日々の行動などさまざまな基準で採点し、14億人いる中国国民の「信用度」を査定することが最終的なゴール。

 中国ではこの社会信用システムのせいで航空券や鉄道のチケットを売ってもらえなかったり、NPOなどの組織の立ち上げが禁止されたり、特定のデートサイトが利用できなくなるといった事態が現実に起きている。

 中国政府は14年にこのプロジェクトに着手。20年までの全国展開を見込んでおり、個人の行動を追跡して採点するだけでなく、民間企業や政府職員の業務なども評価対象とする計画。

 システムが完成すれば、すべての中国国民は公的および私的機関から提供された自分の個人データの統合ファイルをもつことになる。

 中国政府の独裁的な性質から、社会信用システムを、中国共産党への絶対服従を確実にするための社会監視制度だと批判する意見もある。

【アリババの「芝麻信用」が急速に普及】
 社会信用システムは政府主導である一方、民間セクターのシステムに頼っている部分も多くある。アリババグループの金融部門アント・フィナンシャルサービスグループは15年、「芝麻信用(セサミ・クレジット)」というシステムを導入。これは中国初となる実用的なクレジットスコアサービスで、同時に社会的信用の保証システムや、決済サービス「Alipay(支付宝)」のユーザーロイヤリティーを高める仕組みとしても機能する。

 芝麻信用のスコアは最低が350点、最高が950点で、点数が高ければ低金利でローンを組めたり、賃貸物件の契約で敷金が不要になったりといった特典がある。またレンタルサービスを利用する際にデポジットを払わなくてもいいなど、恩恵はさまざまな分野に及ぶ。

 こうした民間企業の提供するクレジットスコアサービスと、中国政府の準備する社会信用システムとの境界は曖昧になっている。例えば、中国の裁判所はアリババと協力していることが明らかになっている。裁判所が科した罰金の滞納者の情報をアリババと共有することで、該当者は芝麻信用でのスコアが下がるという仕組み。

 官民どちらでもクレジットスコアの対象分野が急速に拡大するなか、こうしたシステムが世界でも例を見ない「ITを活用した独裁制」につながるのではないかという懸念が生まれつつある。

【社会組織の立ち上げも監視】
 社会信用システムが国民の監視強化につながるのではないかという懸念を裏付ける証拠のひとつとして、「違法な社会組織」の取り締まりに利用されている点が挙げられる。行政事務などを担当する民政部は5月、組織名に「国際」「中国」といった単語を使うことで政府機関とつながりがあるかのように装う違法組織が増えており、こうした組織にかかわったものは社会信用システムのスコアに影響が出るだけでなく、ブラックリストにも記載されると発表した。

 IoTの進展により、無意識のうちに、個人情報がネットを通して監視、管理されてしまう可能性は高い。恐れる必要はないが、しっかりと見極める必要はあると思われる。


参考
WIRED:中国で浸透する「信用スコア」の活用、その笑えない実態
https://wired.jp/2018/06/26/china-social-credit/

dataway:信用スコアとは?信用スコアの仕組みやメリット、利用データについて
https://www.dappsway.com/entry/all-about-credit-scores

BLOGOS:自分の信用度はいくつ?注目の信用スコアサービス「AIスコア」
https://blogos.com/article/358566/

開くトラックバック(0)

 デジタル革命による産業構造の再定義(第4次産業革命)により新たに出現した業界をクロステック(X-Tech)と呼ぶ。

 クロステック企業は新たな社会基盤となる基幹情報システム群(コアシステム)を提供するため、プラットフォーマーと呼ばれる。

 クロステックにより全体最適化された社会が、日本政府が提唱する「Society 5.0」。

Finance(金融)×Technology(技術)→ FinTech(フィンテック)
Agriculture(農業)×Technology(技術)→ AgriTech(アグリテック)
Education(教育)×Technology(技術)→ EdTech(エドテック)
Advertisement(広告)×Technology(技術)→ AdTech(アドテック)など

 そんな○○×Techという名称を総称してX-Tech(クロステック)と呼ぶ。

 FinTech、Agritech、EdTechなど、多くのX-Techキーワードが生み出されているのは、テクノロジーの発展と、インターネットが常時存在する生活が当たり前になっていることが一つのポイントになってくると考えられる。

 また、IoTも合わせてスマートフォンとともにセンサーデバイスが数多く存在。私たちが日々生活するだけで、そうしたスマートフォンやWebブラウザの操作、センサーデバイスから刻々とデータが生成されるようになっていると言える。そうして集まったデータを旧来の市場にぶつけることで新しい付加価値を生み出せるようになってきたと言える。

 AdTechのように元々テクノロジー主体だった分野はもちろん、農業や教育、医療などインターネット技術とは縁遠かった分野においても活かせるデバイス、センサーが登場してきている。

参考
フリー百科事典『ウィキペディア(Wikipedia)』

開くトラックバック(0)

 昨今のAI・IoTの発展は、指数関数的な成長を示しており、ITの進展と同様、「ムーアの法則」が論じられることが多い。

【ムーアの法則】
 ムーアの法則とは、コンピューターのCPU等に使われる「半導体のトランジスタ集積率は18ケ月で2倍になる」という経験則に基づいた指標で、インテル創業者のひとり、ゴードン・ムーアが提唱した半導体進化の法則。

 「18ケ月でトランジスタ集積率が2倍になる」を言いかえれば、「1.5年で集積回路上のトランジスタ数が2倍になる」ということ。

 n年後のトランジスタ倍率=pとすると、
イメージ 1

 2年後に2.52倍、5年後に10.08倍、10年後に101.6倍、20年後には10,321.3倍と加速度を増し、指数関数的に倍率が急上昇していく。

 「集積回路上のトランジスタ数が2倍になる」ということは、「処理能力が2倍になる」ことを意味する。また、同じ面積の集積回路上に2倍のトランジスタが実装できるということは、「コストが半分になる」ということ。
 したがって、導体に関わる製品や部品を生産する企業にとっては、無視することのできないものとなっている。

 ムーアの法則は、1965年にゴードン・ムーアが論文で提唱してから、既に50年以上経過しており、その間、半導体の集積率はほぼ法則通りの進化を遂げてきているといえる。

 現在、半導体製造プロセスは10nm(1nm=10億分の1メートル)に移行しつつあり、トランジスタのサイズが原子サイズまで微細化されることを意味し、物理的な限界が近いとも言われる。

 一方、「テクノロジーの進化は技術革新を含めて指数関数的に成長を続ける」という「収穫加速の法則」が提唱され、ムーアの法則を継承するものとして注目を集めている。

【収穫加速の法則】
 収穫加速の法則とは、「進化の速度は本質的に加速度を増していく」という、アメリカの発明家・未来学者、レイ・カーツワイルが提唱している法則。

 「新たな技術が生み出す産物は、次の新たな技術のために使われ、産物に成果を重ねることで、指数関数的に進化する」と捉えられている。言いかえれば「技術革新による新たな技術が、次世代の技術革新をもたらすまでの時間間隔は、時の経過とともに短くなる」ということを意味している。

 人間は直線的な変化は予測できるが、指数関数的(エクスポネンシャルな)変化は予測できないので、劇的な変化に柔軟に対応できる体制造りが重要。AIにおける「シンギュラリティ」が騒がれている所以でもある。


参考
BOXIL:ムーアの法則とは | その現状・限界って?収穫加速の法則も徹底解説
https://boxil.jp/mag/a2994/

開くトラックバック(0)

『LPWA(LPWAN)とは?』

 LPWA(Low Power Wide Area)またはLPWAN(Low-Power Wide-Area Network)とは、「なるべく消費電力を抑えて遠距離通信を実現する通信方式」で、IoTの構成要素の1つとして注目されている。

 2022年までに50億台のデバイスがLPWA(LPWAN)によってネットワーク接続されるだろうと言われている。

 Low Power=省電力、Wide Area=広域エリアで、文字通り低消費電力で広い領域(キロメートル単位)を対象にできる無線通信技術。

 無線通信規格にはさまざまな種類があり、無線LAN(いわゆるWi-Fi)、Bluetooth、Bluetooth Low Energy(Bluetooth 4.0に統合)、ZigBee、IrDA、RFIDと数多くの規格があるが、LPWAはそれらよりも広い範囲をカバーする。転送速度と通信距離から主な無線通信をマッピングすると以下の図のようになる。

イメージ 1
主な無線通信の通信距離と転送速度とを比べたときのLPWAの位置付け

 Wi-Fiの転送速度は最大およそ54Mbps(IEEE802.11a/11gの場合)と高速な通信が可能だが通信距離は100〜300メートル程度、Bluetoothの転送速度は最大24Mbpsで通信距離は10〜100メートル程度。一方のLPWAの場合、たとえばSIGFOXの転送速度は最大およそ100bps、通信距離は最大50キロメートル程度。
 LPWAは通信速度は遅いものの、低消費電力で広域通信が可能なことから、IoT(=すべてのモノがインターネットにつながる)やM2M(=デバイス同士がインターネット経由で通信する)に特化した活用ができると期待されている。

 一方、消費電力でみた場合、Wi-Fiの消費電力は大きい。BLE(Bluetooth Low Energy)では、機能や実装により異なってくるので一概には言えないが、ボタン電池1つで何ヶ月といった省電力性、これに対して、LPWAではボタン電池で数年単位の動作を実現するという。

 LPWAは大きく分けて、LTEや5Gの標準化を推進する3GPP(Third Generation Partnership Project)が取り組む認可周波数帯でのLPWA、いわゆる「セルラー系LPWA」と、IEEEおよび各アライアントがISM(Industry Science Medical:産業・科学・医療分野で汎用的に使うために割り当てられた周波数)バンドを利用する「非セルラー系LPWA」に分けられる。

 現在、セルラー系LPWAとして「NB-IoT」、非セルラー系LPWAとしてSIGFOX社の「SIGFOX」、LoRa Allianceの「LoRa」、Wi-Fi Allianceが進めている「Wi-Fi HaLow」(IEEE 802.11ah準拠)などがある。

■セルラー系LPWA
【NB-IoT】
 NB-IoTはいわばLTE版のLPWA、通信速度はおよそ100kbps、通信距離は最大およそ20キロメートル。

■非セルラー系LPWA
【SIGFOX】
 フランスのSIGFOX社(2009年設立)により開発されたもので、Sub-GHz帯、Ultra Narrow Band方式の無線技術を使い、通信速度はおよそ100bps、通信距離は最大およそ50キロメートル。

【LoRa(LoRaWAN)】
 LoRa」はローレベルの物理層の規格の名称で、上位層まで含めた規格として「LoRaWAN」が使われる。Sub-GHz帯、Ultra Narrow Band方式の無線技術を使い、通信速度はおよそ250kbps程度、通信距離は最大およそ10キロメートル。

Wi-Fi HaLow(IEEE802.11ah)】
 IoT分野での利用を想定した新しい無線LAN規格。Sub-GHz帯(日本では920MHz帯)を利用し、半径1kmまでの長距離通信を実現。最大接続数も現行の約2000から約8000に高め、動作条件によるが単3アルカリ電池1個で数年間の動作も可能になるという。

 M2Mの具体例としては、車両の追跡、駐車場管理、エレベータ・自動販売機の遠隔監視、水道・ガス・電気等の計測、産業用資材・機器の管理、農業管理など、IoTの事例としては、フィットネス・ヘルスケアを中心にスマートデバイスの普及が、徐々に進みつつある。


参考
ビジネス+IT:LPWAの基礎を解説、IoT向け無線通信技術「LoRa」「NB-IoT」「SIGFOX」は何が違うのか
https://www.sbbit.jp/article/cont1/33292

SORACOM:LPWA (LPWAN) とは? Low Power Wide Area
https://soracom.jp/lpwa/

businessneteork.jp:「11ah(Wi-Fi HaLow)」は日本でどうなる?――1km通信は難しいが、それでもIoTの本命
https://businessnetwork.jp/Detail/tabid/65/artid/4641/Default.aspx

開くトラックバック(0)

 RNN(Recurrent Neural Network)は、時系列データの予測でよく使われるディープラーニングの代表的手法であり、時系列のデータポイントは、各層の入力として利用される。また、各層の出力は、次の層の入力としてだけでなく、ユーザーが使用可能な出力としても利用される。
イメージ 1

 ニューラルネットワークの出力を別のネットワークの入力として利用するような再帰的構造を持ったニューラルネットワークのことをRecursive Neural Networkと呼び、こちらも「RNN」と略すが、一般的に「RNN」といえば「Recurrent Neural Network」を指す。

 Recursive Neural Networkの中でも、隠れ層同士の結合が時系列に沿って直線的であり、かつその隠れ層が同一構造のものであるような場合を「RNN(Recurrent Neural Network)」という。

 「時系列データ」とは、特定の情報について、時間順序を追って取得されたデータのことで、データ分析上の特徴としては、データポイントそれぞれを独立したものと見なすのではなく、「ある時点のデータが、それ以降に発生するデータに何らかの影響を及ぼしている」と考えることであり、自然言語も時系列データとしての性質を持っているといえる。例えば文章中で最初に「私」という単語が来たら、その次に来るのは「は」や「の」といった助詞が来ると予想できる。

参考
deepinsider:RNN(Recurrent Neural Network)の概要を理解しよう(TensorFlow編)
https://deepinsider.jp/tutor/introtensorflow/whatisrnn

開くトラックバック(0)

 畳み込みニューラルネットワーク(Convolution Neural Network)とは、AIが画像分析を行うための学習手法の1つで、略してCNNとよばれることもある。

 CNNは、「畳み込み層」「プーリング層」という2種類の層を繰り返して構成される。

【畳み込みニューラルネットワークを利用した画像処理の流れ】
①入力画像の全体に対して畳み込み層でフィルター処理を行う。
②処理した画像をプーリング層に流し込む。
③プーリング層で画像の解像度を下げる処理を行う。
④出力層で、1次元の列データにフラット化し、全結合のニューラルネットワークにより、10個のノードに集約する。
⑤SoftMax関数により、それぞれのノードを確率に変換する(全て足すと1になる)。
 ※非線形な要素を入れるため、畳み込み層の後に「活性化関数」が挿入される。 (参考:AI人工知能テクノロジー 「やっぱりよく分からない活性化関数とは」)

【SoftMax関数】
参考ページ:Qiita:softmax関数を直感的に理解したい


イメージ 2

【畳み込み(Convolution)】
 「畳み込み(Convolution)」処理では、画像の特徴を見つけるためにフィルターをかける。すなわち、素性(Feature)マップを生成する。画像をインプットとしてフィルターをかけ、フィルターの枚数分の画像を出力する。コンボリューション(Convolution)は数学用語で、日本語では「畳み込み」。掛け算の結果を足し集める演算からなり、コンボリューションを画像処理に使うと、画像を滑らかにしたり、シャープにしたりできる。掛け算の係数は、3×3などのサイズのマトリックスで指定。これをオペレーター、フィルター、マスク、カーネルなどと呼ぶ。

イメージ 7

【フィルター】

[具体的な処理]
◆入力画像例

イメージ 8

◆ゼロパディング
 入力画像と出力画像のTensor(テンソル)を同一にするために、周囲をゼロで埋める処理を「ゼロパディング」という。
イメージ 9

◆フィルター例
イメージ 10

◆掛け算と足し算
イメージ 6

あとは、ひとつずつずらして計算を繰り返す。

【プーリング(Pooling)】
 素性マップの局所的なパッチに対して、そのパッチに含まれる素性の「プール」(かたまり)を作り、その中で最も値の大きいものだけを取り出し、特徴を粗く整理する。

[具体的な処理]
◆画像例(プーリング処理前の畳み込み)
イメージ 1

◆プーリング
イメージ 3


イメージ 4

イメージ 5



参考
Qiita:【入門者向け解説】畳み込み処理入門(TensorFlowで説明)
https://qiita.com/FukuharaYohei/items/702eb2430ee9dfbe763a

Qiita:【入門者向け解説】プーリング処理入門(TensorFlowで説明)
https://qiita.com/FukuharaYohei/items/73cce8f5707a353e3c3a

Udemy:畳み込みニューラルネットワークとは?手順も丁寧に解説
https://udemy.benesse.co.jp/ai/convolution-neural-network.html

CodeZine:コンボリューションを用いた画像の平滑化、鮮鋭化とエッジ検出
https://codezine.jp/article/detail/129

開くトラックバック(0)

 人間の脳と同じように様々な知的振る舞いをこなすことのできる「汎用人工知能」が2030年頃には完成すると言われている。仮に実現すれば、私たちの生活は一変する。鍵となるのは、「全脳アーキテクチャ」

 今騒がれている人工知能の多くは「特化型人工知能」。一つのタスクしかこなせないのが特徴。たとえば、Googleのような検索エンジンやSiriなどの音声認識が当てはまる。インプットしたある特定の分野には高い能力を発揮するが、人間の脳のように「自律的に考え判断し行動する」というようなアウトプットはできない。

 一方、「汎用人工知能」「自律的に物事を考え判断する」という特徴を持っている。

 「汎用人工知能」を完成させるためには、人間の脳をモデルとした機械学習器をつくる必要がある。汎用人工知能は2つの方式のいずれかによって実現されると言われている。

 1つ目は、「全脳エミュレーション方式」。これは、1000億のニューロンと100兆のシナプスから成る脳の神経系のネットワーク構造をすべてデータ化してコンピュータ上にソフトウェアとしてすべて再現するという方式。

 2つ目は、「全脳アーキテクチャ」。脳の構造を模倣した「人工脳」を作ることで実現される方式。「全脳アーキテクチャ」は、おおよそ2030年には完成されると言われており、もし実現できれば一人の人間の知性を凌駕する「汎用人工知能」が生まれるとされている。

 人工知能による影響を経済学の観点から研究する井上智洋氏は、「全脳アーキテクチャ」による汎用人工知能が誕生するとされる2030年を「第4次産業革命の始まり」と語る。

 第4次産業革命は、「ビッグデータ」「IoT」「人工知能」によってもたらされる産業革命。産業革命の歴史をたどると、1770年には、蒸気機関による第1次産業革命が起き、1865年には内燃機関や電気モータによる第2次産業革命が起きた。そして、1995年にはパソコンやインターネットが引き金となった情報革命である第3次産業革命が起きた。

 井上氏は、これら産業革命の歴史を俯瞰して「第4次産業革命は、第1次産業革命に匹敵するほどの大きな変化になる」と語る。

 第4次産業革命が起きると、経済構造に大きな変化が訪れる。これまでの資本主義経済を形成していた「機械化経済」が、人工知能やロボットが生産活動に必要なインプットを主導する「純粋機械化経済」へと変わっていくとされる。

【機械化経済】
 産業革命以前には、技術の進歩が穀物収穫量を増大させても、同じ分だけ人口も増加し、1人あたりの食い扶持が変わることはなかった。これを「マルサスの罠」という。ところが産業革命はそれまでと違って、爆発的な人口増大をさらに上回るスピードで生産性を増大させ、マルサスの罠からの「劇的な脱却」をもたらした。この産業革命以降の資本主義の経済を「機械化経済」と呼び、2つの特徴的な構造を持つ。

 1つは「規模に対して収穫一定」。労働と機械(資本)をインプットとして、工業製品やサービスといった生産物がアウトプットとしたとき、インプットを倍にすると比例してアウトプットも倍になる。

 もう1つが「限界生産量遁減」。インプットにおける機械だけを増やしても、労働者の人数が変わらなければ、生産力は増大しない。

【純粋機械化経済】
 最初の産業革命では「生産の機械化」がなされたが、汎用人工知能の出現は「労働」をも機械化すると予想される。機械が「生産手段」から「生産の主体」に変わる。
 「機械による機械の生産」が無限に繰り返され、生産規模がどこまでも拡大。「限界生産量遁減」からの脱却が起こる。

 「労働者の多くが雇用されず、汎用AI・ロボットが生産活動に全面的に導入されるような経済、機械が生産の主力になり代わる経済」が「純粋機械化経済」。


参考
Biz/Zine:「人工知能の経済学」視点で考える第4次産業革命――雇用なき経済成長と認知アーキテクチャ
https://bizzine.jp/article/detail/1890

文藝春秋:井上智洋著「人工知能と経済の未来 2030年雇用大崩壊」

開くトラックバック(0)

 最近、「IoT」「ビッグデータ」「ロボット」「AI(人工知能)」などのキーワードと共に、『ゲームチェンジングテクノロジー』という言葉をよく耳にする。

 「ゲームチェンジングテクノロジー」(ゲームを変える技術)とは、全く新しい概念や科学に基づいた革新的な技術を指し、私たちの生活様式、コミュニケーションの取り方、働き方、世界市場ひいては国家間の支配勢力図を激変させる革新的な技術のこと。

 革新的な技術は、軍需領域から発生するケースが多く、米国国防総省(陸海空軍、海兵隊)が取り組んでいる重点研究領域から「ゲームを変える3つのテーマ」を挙げると、

【ゲームを変える3つのテーマ】
・オートノミー(autonomy:自律)
 何らかの仕組みを自律的に動かす機能を指し、そこに組み込まれるアーキテクチャやアルゴリズム、センサーを通した環境との相互作用、操作する人間とのインターフェース、人間社会を統治する様々なルールとの関係、などが含まれる。
 オートノミーを支えるために人間の限界や弱点を補うのが、人工知能(AI)、データと知識が融合される多くの局面で人間の判断を支援する。

・アナログ技術の復権
 アナログデータをデジタル化するITは進化してきたが、環境から得られるデータをすべてデジタル化することは効率が悪い。多くの消費電力を必要とし、小さなエラーが大きな障害をもたらす。それに対し、アナログ処理は低消費電力でロバスト性が高い。人間の脳の処理を模した脳型コンピュータが発展し、アナログ処理とデジタル処理を組み合わせた技術が新しい可能性を拓くと考えられる。

・全地球測位システム(GPS)を代替する新しい技術
 SWaP-C(Size, Weight, Power, Cost:小さく、軽く、パワーがあり、安い)の要求を実現する形で、今世紀に入り最も進んだ技術の一つがGPS であったが、妨害などを受けやすく、室内や海中では機能しないという問題があった。
 このため、GPS 信号が遮断された状態でも位置情報を計算できるナビゲーションの研究が進んでいる。すでに慣性計測ユニットを持つ超小型チップやチップサイズの原子周波数標準発振器なども開発され、GPS 代替研究の波及効果は大きい。


 これからは、「ゲームを変える技術」は何かを見極めることが益々重要になっていく。ゲームを変える技術を見誤ると、市場から退場させられる危険がある。また、AIを始めとして、革新的な技術は、エクスポネンシャルな進歩を遂げるので、しっかりと追従していく必要がある。


参考
日経ビジネス:米軍事研究から見える「ゲームを一変する技術」
https://business.nikkei.com/atcl/report/15/226265/011000203/

開くトラックバック(0)

 AIを含むロボティクス革命が急加速を始め、「Genetics」「Nanotechnology」「Robotics」が絡み合いながら、シンギュラリティに向けてエクスポネンシャルな発展をしていくと先に述べたが、物事がエクスポネンシャルに成長するとき、多くのケースで「D」の頭文字を持つ六つの事象が連鎖反応的に起こるという。

 「エクスポネンシャルの6D」は、民間による月面探査レースで有名なXプライズ財団のCEOであるピーター・H・ディアマンティス(Peter H. Diamandis)氏が提唱するエクスポネンシャルな成長を説明するフレームワーク。

・Digitalization(デジタル化)
・Deception(潜行)
・Disruption(破壊)
・Demonetization(非収益化)
・Dematerialization(非物質化)
・Democratization(大衆化)

イメージ 1

【Digitalization(デジタル化)】
 「デジタル」と聞くと、コンピュータを利用した技術を思い浮かべるが、連続した量のことを指す「アナログ」の対立概念が「デジタル」。「デジタル化」は量を離散的に数えることができるようになること。

【Deception(潜行)】
 「デジタルカメラ」が主流の現代だが、「デジカメ」が出た当初は「オモチャみたいなもの」と馬鹿にされていた。エクスポネンシャルな進化の初期段階では、横軸と平行に近い形で推移。これが「潜行」。

【Disruption(破壊)】
 当初は横軸と平行に推移していたグラフが徐々に上向きになり、あるポイントで直線的な成長予想を突破。「これは思っていたよりもすごい」と気づく瞬間、この段階が「破壊」。

【Demonetization(非収益化)】
 「破壊」に続く四番目のDが、「非収益化」。写真のデジダル化によって、コダック社はフィルムという収益源を失った。長距離電話はSkypeやLINEの無料通話機能によって非収益化。

【Dematerialization(非物質化)】
 「非物質化」は物やサービスそのものが消えること。スマートフォンは、電話機、ICレコーダー、ゲーム機、テレビ、CDプレーヤーなど、多くの物を非物質化。

【Democratization(大衆化)】
 高価な物やサービスが、非収益化と非物質化による当然の結果として、誰にでも手に入るようになる「大衆化」。エクスポネンシャルな技術進化がもたらす連鎖反応の最終段階。

 ディアマンティスは、こんなことも言っている。
「直線的な思考しかできない者にとって、六つのDは六人の死に神(Death)にほかならない」

 何とも不吉な言葉だが、実際に、この展開を読むことが出来ずに市場から撤退した企業や業種がいくつもある。

 人の考えが及ばないような急速な技術進歩に対して、その予兆をしっかり捉えていく必要がある。

齋藤和紀著「シンギュラリティ・ビジネス AI時代に勝ち残る企業と人の条件」(幻冬舎)

開くトラックバック(0)

「G・N・R」革命とは?

 カーツワイルは、これから人類の進化に最も大きな影響をもたらし、私たちの生活を激変させる3つの「革命」を挙げている。それは「ジェネティクス(Genetics)革命」「ナノテクノロジー(Nanotechnology)革命」「ロボティクス(Robotics)革命」の3つ。それぞれの頭文字を取って「G・N・R」革命と呼ばれる。「AI」はその大改革の一部でしか過ぎない。

【ジェネティクス(Genetics)革命】
 ジェネティクス(Genetics)は遺伝子工学のこと。カーツワイルは、「生命の根拠をなす情報プロセスを理解することによって、生物を再プログラムできるようになり、病気の実質上の根絶、人間の潜在能力の劇的な拡大、根本的な寿命の延長を実現することができる」と述べ、「次の10年で、ほとんどの病気が治療可能になり、老化は速度を落とせるか又は逆行させることになると指摘。

【ナノテクノロジー(Nanotechnology)革命】
 ナノテクノロジーは、物質をナノメートル (nm, 1nmは1mの1000000000分の1)の領域すなわち原子や分子のスケールにおいて、自在に制御する技術のことである。ナノテクと略される。(ウィキペディアより)
 21世紀には、ほとんどの人間がバーチャルリアリティーの中で人生を送ることになる。神経系に何か機器を埋め込んだり、まぬけなゴーグルを着けたりする必要はない。その代わり、体内を顕微鏡でしか見えないような小さなナノロボットがたくさん動き回り、視覚的映像などの感覚を神経系統に直接注入できるようになる。
(カーツワイル氏の予測)

【ロボティクス(Robotics)革命】
 ロボティクスとは具現化された人工知能を内包するものであり、人工知能が最も重要な要素なのだとカーツワイルは言う。我々は「既に『ナローAI』時代の真っただ中にいる。」ナローAIとは、特定の仕事をこなすためだけにプログラミングされた機械のことだが、これはまさに入り口。ナローAIと比較すると、ストロングAI、つまり今後予測される人工知能は課題解決において人間と同じくらい臨機応変になる。そして、人間の知性レベルに追いついた人工知能は、機械特有の特徴により以下の点で人間を凌駕する。

・機械は人間には到底真似できない方法で情報を蓄積することが可能。
・機械は完璧に記憶を保持することが可能。
・絶え間なく最高かつ最新のレベルを維持し続けることが可能。

 人間にプログラミングされる「ナローAI」が「ストロングAI」に進化するには、AIが自分自身で学習する機械にならなければならない。その機械学習の新しい領域のひとつが「ディープラーニング」。「アルファ碁」のようなAIも誕生。いよいよAIを含むロボティクス革命が急加速を始めたと見てよい。「G」「N」「R」が絡み合いながら、シンギュラリティに向けてエクスポネンシャルな発展をしていく。

参考
Exponential Japan:カーツワイルの近未来予測(GNR)
http://www.exponential.jp/?p=331

齋藤和紀著「シンギュラリティ・ビジネス AI時代に勝ち残る企業と人の条件」(幻冬舎)

開くトラックバック(0)

[ すべて表示 ]

本文はここまでですこのページの先頭へ
みんなの更新記事