インターネットは不可欠になっていますが

AI人工知能で疲れを知らない高性能などちらかといえば

ロボットが宇宙に旅立つときは
その答えこそが、「障害を持つ人たちの障害者のニーズは、個々の障害の区別はあったとしても極めて明確であり、それこそが、社会の自動化という課題を解決する手段そのものなのです。ただ、そうした視点からの技術開発は非常にハードルの高いものになるといわざるを得ません。そして、だからこそ、日本の製造業が今チャレンジすべき目標ともなりうるのです。欧米の「ヴィジョン型の経営」が、テクノロジーの進んだ今、非常に力を発揮しています。ヴィジョン型とは、理想を掲げ、「こうあるべき」という明確な目標とヴィジョンを掲げて進んでいくやり方です。

ここで言うフレームとは「問題の枠組み」という意味だと思っている。私なりに解釈すれば「現実世界では問題の枠組みが決まりません」体何のことか。私が子供の頃読んだ学習漫画に「コンピュータが得意なこと。不得意なこと」が列挙されていた。記憶の底から手繰ってみるとコンピュータが得意なこと:計算がすごくはやいたくさんの内容を覚え、忘れない「大人になった今となってはこの文章を苦々しい笑いと共に思い出すのだ。ハードディスクが永遠にクラッシュしないとでも思ってた?」コンピュータが不得意なこと:新しいものを発明する。

ディープラーニング用フレームワークは多数あり

美しいものを理解したり創りだしたりする。とかそんな内容だったような。「得意なこと」はいいとして「不得意なこと」を今自分なりに考えれば「人間が”ある程度”枠組みを決めてやれない問題を解くこと」ということになる。いや、人工生命が遺伝的アルゴリズムでもってカオスが創発、とか難しいことは聞かなかったことにして、ここでいう枠組みが「フレーム」ということになる。それの何が問題なのか。ここで私が息子に障害物競走に出なさい、といった時のことを書いてみたい。彼は障害物競走にまつわるあらゆることに心配の種を見出していた。最初に網をくぐり抜けるのはいいだろう。

コンピュータエンターテイメントだ


ロボットをベースにした宇宙開発がさらに進んでいきこれは製造業だけでなく、専門分野が細分化された、理系·工学系の大学での研究開発においても同様のことが言えます。それぞれが、いいと思うあるいは、興味のある商品開発分野に特化して開発しているのですがそれが本当に役立つのか、という市場ニーズの視点が欠けてしまっているのです。IoT¥AIの分野においても、いったい何のために、その商品、技術、システムを使うのかが、こちらは逆に明確すぎて、広い範囲でのいわゆる「汎用性」が不足している、という問題があります。また、IoT¥AIにおいても既存の自社技術を活かす、という視点のみに立脚し、トータルでの社会の自動化、という視点がないために、結局は単発技術の開発となり、他のよりネットワークに連動したサービスに負けてしまう、ということになってしまっているのです。では、どのような視点で、技術開発をすればよいか?視点から開発する」ということなのです。

人工知能に代わることになります

その答えこそが、「障害を持つ人たちの障害者のニーズは、個々の障害の区別はあったとしても極めて明確であり、それこそが、社会の自動化という課題を解決する手段そのものなのです。ただ、そうした視点からの技術開発は非常にハードルの高いものになるといわざるを得ません。そして、だからこそ、日本の製造業が今チャレンジすべき目標ともなりうるのです。欧米の「ヴィジョン型の経営」が、テクノロジーの進んだ今、非常に力を発揮しています。ヴィジョン型とは、理想を掲げ、「こうあるべき」という明確な目標とヴィジョンを掲げて進んでいくやり方です。

ALphaGoというれで明るみになってきた


AIその金を私にくれれば
実際バックプロパゲーションの提案後も研究は進められてきました。では、計算コストが非常に高く、実験による有用性の証明が困難でした。この結果、また冬の時代を迎えることになります。しかし、これらの論理的手法の有用性を示す問題を解こうとすると、当時のコンピューターの計算処理能力しかし、近年のコンピューター処理技術の発達、またそれに伴うコンピューターの計算コストの低下によって少しづつニューラルネットワークの有用性を示せる可能性が高まってきました。この学習にはラベル付きの大量のデータが必要になります。また、先にも述べたように、パーセプトロンは教師あり学習でありこの問題に関しても、コンピューター技術の発達とあいまって社会では、技術の発達は新たなブームを呼び起こしました。

ロボットならすでに一般家庭に普及しているがところと

インターネットが爆発的に普及したことにより、ネット上にはたくさんのデジタルデータ生み出されるようになりました。そして、このネット上にあふれるデータとコンピューター処理この火付け役となったのが2012年開催の画像認識コンテスト「ILSVRCにおける教授をはじめとする研究グルのユラルネットワークによるディブラーシグという手法を用いた圧倒的な画像認識精度の実現による勝利です。それまで、このコンテストでは、毎年数%識別精度が改善すれば良い方でした。それを、2016年のこの年いっきに約10%もの識別性能の向上を結果として示したのです。この結果は、人工知能の分野における研究者に衝撃を与えました。