10年以上前の本にも変わらず、正しく未来を言い当てられてる点。そして何よりも現在でも使用されるような概念等の説明が分かりやすいこと。

G検定を読めば、だいたい人工知能についての知識部分については、この内容が書いてあるため、わざわざ購入する必要はありませんでした。 私の場合は同じ本何度も読むのに抵抗がある性格なので、この本を安くする本で購入したことで、復習となり、記憶の定着に役立ちました。 しかし、著者の松尾先生の人生体験についてはこの本にしか書いていないので、興味深く、物語を読み進めるのが好きな方には、こちらの方がとっつきが良いと思います。

人工知能と言われる技術の進歩、研究の歴史を分かりやすい語り口調で解説してくれる。なるほど、そういうことだったのか、と少しだけ時代についていけた気がした。

人工知能に対して、楽観的か？と思ったが 意外とそうではなく、 でも悲観もしていない 私たちの仕事、日本にも何が訪れるか 考えていかないとと思えた

人工知能の歴史と、専門家の立場から見た今後の展望を学ぶことが出来た。 人工知能という技術に対して、世間では過度な期待や心配が取りざたされるが、技術の本質を理解することで正しい判断が出来るようになると分かった。

松尾教授がこの本を書いたのは2015年、そこからAIは大きく進歩し、本の中で語られた宝くじは当たったと思われる。 AIのこれまでの道程は知ることができてなるほどと思ったが、この本から何かインプリケーションがあるかというと、自分は受け取ることができなかった。 ただ、AIに関しては今後も見識を深めていきたいとより思うようになった。

これまで人工知能に関する歴史や今後の人工知能の行き先について、素人にも分かりやすく、興味を持たせてくれる素晴らしい本です。

生成AIの話についていけず、そもそもAIとは何だ？と思いこの本を手に取ったが…面白い！2015年の本なので生成AIは登場していないが、どんな歴史を辿ってきたのか、ディープラーニングとは何か、読む前より頭が整理されたので読んでみて本当に良かった！ 現時点での松尾先生のお話も読んで(聞いて)みたい。

先のカーツワイル本のカウンターとしてChatGPTに紹介されたので。 ２０１５年発行と、AI関連本としては古く、当然生成AIの話は出てこない。 近年のAIは生成AIのインパクトが強すぎて、最近のAI本を読むとどうしてもそちらに重点が移ってしまう（書き手側だけでなくたぶん読む側の期待も）。しかしAIの研究はコンピュータの歴史と同じくらい長く、途中激しい浮き沈みがありながら発展してきたことがよくわかる。とくに２０００年代以降のニューラルネットワーク、奇怪学習、ディープラーニングなどの技術がどのように発展してきたのかを理解しておくのに（生成AIというノイズがないので逆に）ちょうどよいかも。 現在の第３次AIブーム前の、AI冬の時代に著者の松尾氏が味わった苦渋の体験なども（本人はあまり気にしていないようだが）。

「生成AIで世界はこう変わる」（2024）を先に読んだほうがよかったかも。この本の出版当時（2015年）は「2030年には生成AIが秘書、教育、ホワイトカラー支援へ」使用されるようになる未来を予測していたが、それがChatGPTの登場で7、8年早まった感。 -- ・人間の脳内で起きていることも電気信号の伝達なんだから、人間の知能がプログラムで実現できないはずはない ・人間が知識として教えるのではなくコンピュータが自ら特徴量や概念を獲得するディープラーニングでは、コンピュータが作り出した概念は人間の持つ概念とは違うかもしれない＝コンピュータの知能 ・人工知能の壁は「特徴量の獲得」だった、人が教えるのは限界、階層を増やすと教師ありインプットの影響が下層では薄まってしまって思う結果が出ない ・ノイズデータを入れてデータを増やすアプローチがブレイクスルー、わざとデータを欠落させ存在しない部分をも推測できるようにより堅固な特徴量を求めさせる ・入力層と出力層を同じにして、中間層でそれぞれの共通項「特徴量」を探させる→それと答えが合っているかをチェックさせる（教師なし）→ それを用いて更に高次の特徴量を取り出す…の繰り返し→その特徴量にラベルを与えるのは人間（教師あり） ・シンギュラリティ、ある時点で爆発的に成長が加速する

AIスキルのために、G検定の勉強中で、理解の助けになるものをと思って読みました。 2015年の著書なので、その当時の先端情報が、G検定のテキストでは先行研究になっていて、読み流しましたが、ディープラーニングの仕組みがより丁寧に書かれているので、かなり理解の助けになりました。 エンコーダとデコーダも理解できるようになったので、10年後でも十分読む価値があります。

2025年、圧倒的に、世界中でAIブームが起きている今、2015年の本を読む。 読みながら、今のAI技術や世の中の動向に思いを馳せながら、本書に書かれている未来予想と答え合わせができる。悪くない。 「特徴表現の獲得」の壁を超えた＝ブレークスルーが起きた今、超加速度的にAI技術が進歩している実感が湧く。本書を読む前は「すごー、やばー」としか捉えられていなかった今のこの世の中の技術、トレンド変化の背景を、本書の解説をもって認識することができた。 松尾先生の全体を数学や法則で捉える感覚、事象を分解したりメタ認知したりする視座、興味の深さ、尊敬する。 この人は若い頃から人工知能の魅力に取り憑かれ、考え続け、日本の遅れに警鐘を鳴らし続け、今、世界の第一人者になっているんだな。なるべくしてなった人だ。

　二〇一五年の本。少し古いが、人工知能の歴史や仕組み、それに“ディープラーニング”がどうすごいのかまで、わかりやすく書いてあるということで、人工知能についてとりあえず素人がまず知りたいならということでおすすめされて読んだ。 　人工知能はすごいだの怖いだの、煽られたり批判されたりをされてきた側である、人工知能研究の当事者の学者さんの書いたものだからこそ、わかりやすく誠実に語ろうとしているのが伝わったし、実際わかりやすかった。 　ディープラーニングすごい、という話がメインテーマだが、それ以外で面白かったのは「強いAIと、弱いAI」の話。 　人間と同じやり方で思考することができるとするのが「強いAI」で、「弱いAI」は、同じように思考しているように見えるとしても実はやり方が違う、というような話だったか。それは、飛行機ができたとき、羽ばたかないでエンジンで揚力を生み出すことにしたのと似ているのだそうだ。人工知能研究者たちが“本質でないところにこだわらない”で前に進もうとしてきた努力だとも言える。 　「弱いAI」だからといって、“思考ではない”とは言えないのではないか。人間の定義する“思考”に当てはまらなくても、彼ら（？）なりの“思考”や“感情”や“意志”だと捉えても間違いではないのではないか。と思った。

AIの第一人者、松尾先生の著作。もう10年以上前の本だが、”人口知能の60年に及ぶ研究でいくつもの難問にぶつかってきたが、それらは特徴表現の獲得、という問題に集約できる"等、示唆に富んでいる。また松尾先生がこうした分野に興味を持つきっかけとして、高校時代に”自分とは何かを考え眠れない夜を過ごすうちに、認知に興味をもった”とのことで、哲学書も読んでいたとのこと。テクノロジーの最先端をいく方の原点がこうした哲学であることが興味深い。

10年前の本なので、チャットGPTや生成系AIは出てきませんが、過去のAIブームからディープラーニング登場までの流れを読み物として楽しく勉強することができました。

2015年の書籍だが、AIに関するこれまでの潮流がわかりやすく整理されている。 技術的な内容の難しさはあるが、現在のAI技術へのつながりを理解するうえで役に立つ1冊

強いAI、弱いAIについて学ぶことができたし、AIの歴史についても知ることができた。概要的に知りたい方にはおすすめ！

いま、日本で人工知能業界を牽引し、多くの人材を輩出している（←これ大切。人を育てまくっている）松尾豊先生の約10年前の著書。 この本に書いてあることは、ふたつ。 人工知能技術の仕組みや魅力の紹介と、これからの予測である。 前者は今も通じる基礎的な教養で、読んでよかった。続く後者が、今の時点から読むと興味深い。 ChatGPTが世界に波及したいま、松尾先生の予測が外れているのである。つまり、ホワイトカラーの支援から人工知能の普及が始まっているのだ。 一方で、ここで書かれた問題提起とその予測について今も地続きなものがある。技術普及に伴う人権問題、倫理問題はたしかにそう簡単に収まっていない。 松尾先生は、手を動かして、見通そうとしている。その姿勢はいまももちろん続いていて、その研究者としての胆力が、本書を約2ヶ月で書き上げてしまったのだろう。 この本は知識と情熱が詰まった、人工知能をめぐる書籍の日本におけるひとつの古典といえる。

大規模言語モデル的転回以前の2015年(ディープラーニングなどの機械学習や深層学習が隆盛した第3次人工知能ブームの時期)の出版なので、既に人口に膾炙している知識も多いが、著者の先見性は今読んでも目を見張るものがある。 2024年の今でもAmazonでは高評価が付けられているので、この分野では古典的な立ち位置になってきているのかもしれない。 AIの基本的な概念や背景については、まずは本書と今井翔太著作『生成AIで世界はこう変わる』を読めば一般的なリテラシーが身に付くと思う。 ーーーーーーー一以下、抜書きーーーーーーー . うまくいけば、人工知能は急速に進展する。なぜなら「ディープラーニング」、あるいは「特徴表現学習」という領域が開拓されたからだ。これは、人工知能の「大きな飛躍の可能性」を示すものだ。もしかすると、数年から十数年のうちに、人工知能技術が世の中の多くの場所で使われ、大きな経済的インパクトをもたらすかもしれない。つまり、宝くじでいうと、大当たりした5億円が手に入るかもしれない、ということだ。 . 人工知能について報道されているニュースや出来事の中には、「本当にすごいこと」と「実はそんなにすごくないこと」が混ざっている。「すでに実現したこと」と「もうすぐ実現しそうなこと」と「実現しそうもないこと（夢物語）」もごっちゃになっている。それが混乱のもとなのだ。 　 . 人間を特別視したい気持ちもわかるが、脳の機能や、その計算のアルゴリズムとの対応を一つひとつ冷静に考えていけば、「人間の知能は、原理的にはすべてコンピュータで実現できるはずだ」というのが、科学的には妥当な予想である。そして、人工知能はもともと、その実現を目指している分野なのである。 . 私の考えでは、特徴量を生成していく段階で思考する必要があり、その中で自分自身の状態を再帰的に認識すること、つまり自分が考えているということを自分でわかっているという「入れ子構造」が無限に続くこと、その際、それを「意識」と呼んでもいいような状態が出現するのではないかと思う。 . 特徴量というのは「データの中のどこに注目するか」ということであって、それによって、プログラムの挙動が変化する。たとえば、「王手をされているか」というのは１つの特徴量だし、「王将がどのくらい前に出ているか」というのも１つの特徴量である。 　 . 機械学習とは、人工知能のプログラム自身が学習する仕組みである。そもそも学習とは何か。どうなれば学習したといえるのか。学習の根幹をなすのは「分ける」という処理である。ある事象について判断する。それが何かを認識する。うまく「分ける」ことができれば、ものごとを理解することもできるし、判断して行動することもできる。「分ける」作業は、すなわち「イエスかノーで答える問題」である。 　 . ある特徴量がほかの特徴量をカバーするように、最適化されていく。ある特徴量に過度に依存した特徴表現がなくなる。そもそも、ある特徴量だけに依存しすぎるのは危険だ。つまり、一部分の特徴量を使えなくすることが、適切な特徴表現を見つけることに有効に働くのである。 　 . ほんのわずかでも自分よりも賢い人工知能を生み出すことができた瞬間から、人工知能は新たなステージに突入する。数学的には、0.9を1000回かけるとほぼ0だが、1.1を1000回かけると、非常に大きな数（10の41乗）になることから、容易に想像できるだろう。かけ合わせる数が1.0をわずかでも超えると、いきなり無限大に発散することから「特異点」と呼ばれている。 . どのような人工知能をつくればよいかという議論をする際に、「心」の問題は重要だ。心は生命と同等あるいはそれ以上に人間の本質を占め、心を持つ（あるいは一見すると心を持つように見える）人工知能をつくってよいかどうかというのは、大きな論点である。この点を考えておかないと、人工知能に恋愛感情を抱いてしまう、人工知能プログラムを停止させてよいかで争いが起きるなど、さまざまな問題を誘発する可能性がある。

10年くらい前の本だけど、今話題になっている松尾先生の書籍なので読んだ 昔から人口知能の研究はしていて最近やっと注目されるようになった。 10年前にここまできていたのかという驚き 今後注目が益々高まっていく。

人工知能が3度目の春を迎え、ディープラーニング（特徴表現学習）が可能となったことでこの先、様々な産業、軍事における変化を迎えることになる。 特徴表現学習は閾値を人間が調整する機械学習とは異なる。 人工知能に懐疑的であった日本において特筆すべき企業が育ってこなかったが人材はいる。 人口知能がシンギュラリティを迎えても人間が機械に乗っ取られることはない。 日本においては研究者に横串を指して、OSとなるディープラーニングのアルゴリズム開発を進めつつ、具体的なアプリケーションへの適用を検討すべき。

2014年の暮れ、スティーブン・ホーキンスは「完全な人工知能を開発できたら、それは人類の終焉を意味するかもしれない」と語った。 Chat-GPTを使う人も増えてきた 映画「ザ・クリエイター」を見に行く前にAIのことを頭に入れておこうかと手に取る。 主張に裏付けが乏しく説得力にかけると思ってしまい、物足りない。 軍事利用 人工知能技術の独占 は怖いなと思いつつも、軍事利用なんかは止められないのであろうと思う。日本人はドラえもん、アトムと共に育ってきた人が多いのでAIへの危機感を持たない人が多いと言われるが、私もその一人。より良い暮らしができるよう今後のAIの発展を楽しみにしている。

知識のためという点で自分のような初学者向けにおすすめできますが、それ以上に人工知能についての認識や理解を促すという点で素晴らしい内容と感じました。 少し前の情報に基づく書籍ですが、人工知能を前提とした社会や教育・学習について、自分なりに考えてみたいと思っている方に特におすすめできると思います。

序章　広がる人工知能―人工知能は人類を滅ぼすか 第１章　人工知能とは何か―専門家と世間の認識のズレ 第２章　「推論」と「探索」の時代―第１次ＡＩブーム 第３章　「知識」を入れると賢くなる―第２次ＡＩブーム 第４章　「機械学習」の静かな広がり―第３次ＡＩブーム１ 第５章　静寂を破る「ディープラーニング」―第３次ＡＩブーム２ 第６章　人工知能は人間を超えるか―ディープラーニングの先にあるもの 終章　変わりゆく世界―産業・社会への影響と戦略

松尾豊「人工知能は人間を越えるか」読了。AIの定義や歴史がまとまっていてAIに対する過度な期待や誤解が解消された。2015年発行との事だが初学者には十分な内容かと思う。著者のAIにかける思いが伝わってきて感動を覚えた。昨今のAIの趨勢にも数多の技術者の思いが籠っていると感じ見方が変わった。

2014年に書かれているため、戦場におけるドローンの活用など実現化されている事もあるが、ディープラーニングについての入り口にはなっていて勉強になった。これからもう少し勉強していきたい。

人工知能っていろんな分野に応用がきくからすごい。 確かに人間を超えるんだろうなぁ。 素人にもわかりやすい。

０→１からしたら何言ってるのかわからないかも。。。 ある程度知識があると面白い。０→１は中田敦彦の動画でみて興味あったらよんだらいいと思う。

分かりやすい言葉で終始書かれており、知識が少ない私でも読み易くて面白いと感じた。 ディープラーニング、という言葉は知っていたが、何が凄いのか、どんな技術なのかは知らなかった。ディープラーニングは情報の特徴量を機械学習で発見出来る技術であり、過去50年打ち破れなかった壁を越えた技術である。 chatgptのようなAIが登場した背景を少し学ぶことが出来た。

今までの機械学習の歴史や仕組み、これからのAIの展望が書いてある。 第一次と第二次AIブームという数十年ながら長く悲観的な歴史から第三次という成功したディープラーニングについてとてもわかりやすく書かれていた。 やはり、AIの話は研究者に喋らせるべきだと感じた。

人工知能を研究しようと思った背景から、 今の人工知能にできること・できないこと、 そして、これからの人工知能がどうなっていくのかについて 人工知能を広く浅くとらえられました。

聞いた。kindleで買って積読（ライブラリに埋もれてた）だったので消化できて良かった。流れが速い分野なので、ほんの数年で、本の内容と状況が変わってくるなと。

AIに何が出来て、何が出来ないのか。 人工知能について手っ取り早く基本的なことを知りたい時はこの本！と言われるほどベーシックな一冊。 7年前の本ですが入門用には、良書かと思います。

ザクッと人工知能への挑戦の歴史と現在その中核となる、ディープラーニング、機械学習とその基盤となっているベイズ統計の位置付けについて理解できる。

8年前の本とは思えない。 その時点から5年〜20年後を予測して書いてある。 人工知能はこの書籍が書かれた後どう進んで来たのか。 著者が心配する冬の季節の再来は今のところ無い。それどころか更に多くの本が出版されているし、素人でもGoogleなどのサービスを使ったり、流行りのPythonのライブラリを使えば難なく使う事が出来る世の中になった。 AIを謳った商品も数知れず。 身近になった人工知能だけれど、それがどういう経緯で生まれ育って来たものなのか、ディープラーニングとは何なのか。 この本を読んで初めて少し理解出来るようになった気がする。 人工知能は人間を越えるのか？ これに答え、その意味を理解するためには人間の知能への洞察と興味が必要であること。人工知能との違いを考える必要があることが分かった。 著者が懸念していた日本のAI技術。結局GAFAに持って行かれてしまった感が強いのが残念。 直接には関係無いが…小学生が将来YouTuberになりたいと思う時代。これからの世界がどうなって行くのか？ 国を挙げてIT推進を掲げても、小中学生にとっては学校の勉強の一科目。お受験科目。 皆んなが出来るようになるのではなく、やりたいと思う子供が環境に左右されずに自由に学べる環境が必要だと思った。 自分の偏見入りです

人工知能について、ディープラーニングについて、素人にも概念が掴めるように丁寧に解説していて非常に良かった。 2014年時点で人工知能学者の目指している人工知能はまだ出来ていないが、人工知能が出来ないわけがない。その理由も述べられているが、これには首肯する他ない。 また、あとがきの筆者の純粋な人工知能に対する思いになんだか笑ってしまった。 今読んでも学びになる、とても良い本だと思う。

自分のような初心者にもわかりやすい入門書。 何度目かのブームの中にあるテーマであり、ある日突然イノベーションが起こりそうなテーマでもあると感じた。

出版時期に対してある程度技術が進歩した段階で読んでいるためややずるい部分はあるものの、現状認識及び将来予測についてやや疑問があった まず、既存の手法で問題となっていた特徴量生成についてディープラーニングによってほぼ解決したとの論旨に見えたが、技術的な部分と実運用的な部分で少なくとも問題が1つずつあると思う 技術的な部分に関しては、あくまでディープラーニングによって行われるのは特徴量生成であって、入力にどこまで用いるかというフレーム問題は依然として存在し、これは実社会で使用するうえでかなり適用範囲に制限がかかる また、生成される特徴量が人にとって理解可能なものでなくても構わないという話があったと思うが、人にとって理解できない特徴量に対してシンボルをつけることは難しく、またそれを用いた重大な判断を人が信じるためにはかなり盲目的になる必要がある 将来予測についても、実現するための困難についてあまり語らずできるかもしれないものについてかなり多く語っており、本書で恐れている期待値が上がりすぎることによるブームの終了を引き起こしかねないリスクを孕んでいるように感じた とはいえコアメッセージや説明の多くは良いものであると思うので、人工知能に過度に期待しないように読めばいい本だと思う

囲碁、将棋などのコンピュータソフトが実はシンプルな探索木による推論であり、特徴点を与える人間次第である。 どのような特徴点を与えれば有利になるかを考えることが結果的に将棋の強さにつながるのかな。藤井聡太さんの強みもそこにあるのかもしれない。 ディープラーニングについては、非常に面白い。コンピュータが概念を取得する過程は人間が学ぶ過程と同じようなものであり、これを知能として呼ぶのはごく自然だなと感じる。 人工知能の研究はすなわち生物、人間をより知ることに繋がっていくのだろう。

少し専門的な部分もあったけれど、わかりやすかった。特に第５、６章がおもしろかった。人工知能は、単語に対するバックグラウンドを持っていないから、そこを付け足さないとということ。たしかに。

星新一賞で「AIと作った小説」が初入選した2022年に改めて読むと、タイトルの答えはYESなのではないかという思いがこみ上げてくる。 松尾先生によるこれまでのAIブームの解説、そしてDNNの解説はわかりやすく、また当事者ならではの体温が宿ったものでエキサイティングだ。

人工知能に足りない部分はなにか。私達の人工知能に対する知識にかけている部分はなにか。それが十二分に理解させられる書籍となっていたと思います。

人工知能研究分野における権威の1人、松尾豊先生により人工知能研究の経緯から今後の発展にいたるまで、わかりやすく説明された本。いかに人工知能研究において、「人間とは何か」という本質的な部分にフォーカスが当てられてきたかがよく分かり、面白い分野だなと改めて感じた。

人工知能について非常に分かりやすく解説してくれた本です。それでも知識不足の私には難しいと思う部分がありました。ディープラーニングやシンギュラリティについても説明が丁寧でこれ一冊読めば人工知能の基本的なところは抑えられると思います。

AIで何ができるのか、考えるためにまずはAIの理解をと思い読んだ本。 巷で一括りにAIと謳われているものについて、レベル別に説明がありわかりやすかった。 特徴量を見つけるという、これまでネックになっていた部分が可能となったことで、AI技術はさらに進展していくと考えられるとのこと。 5年以上前の本なので、最新の情報というわけではないと想像するが、初めて学ぶことも多く、非常にわかりやすい本だった。

AIについてなんとなく知った気持ちになれる本。 2015年の本なので古い情報もあるかもしれない。でも、人工知能が好きだ！という気持ちが伝わってきて面白く読めた。日本の人工知能開発者の苦悩と希望を知れる。 個人的には、人工知能は難しいと思う。 けれど、人工知能を追い求める過程で世界はもっと便利になっていくから、希望を持ち続けたい。 人工知能という考え方は新しいものだと思っていたけど、実はかなり古くから存在して、コンピュータ以前から研究されていたということに驚いた。 研究者のやりたかったことに、技術が追いついてきている。（スターウォーズみたいでワクワクする） もっと最新のAIの事情の本も読みたいなと思った。

人工知能、とくにディープラーニングに何ができて何ができないのか、将来的にはなにが期待できるのか、よくある理想論だけじゃなくて具体的によく書けている。 ディープラーニングがあればなんでも学習、予測できると勘違いしてるエセコンサルは是非読むべき。 ただ、人工知能は人の仕事を奪うのか、に関しては少々現実に対する考察が甘い気がする。 できるのかできないのかに加えて、実際人はそれを実行に移すのか、に目を向けないと、最終的にどうなるのかを見通すことはできないと思う。 とはいえ、非常に良書であることに違いはなく、世の中の勘違いコンサル、自称エンジニアどもは爪の垢煎じて飲め、って感じ。

私(文学部卒)→星5 夫(理学部大学院卒)→星2 足して2で割って星3.5。 分かってる人からすると「ふーん」。ほぼ分かってない人には「へー」。 そんな本でした。初版から６年経ったので、現在の研究や実用化の進展具合から考えるとどのくらい現在性があるのか私程度の人間では判断できません。が、ひとつだけ。これが書かれた時点ではこんなにもペッパーくんに期待が寄せられていたんだなぁ、と。たしかに、一時期、イオンの店頭にいっぱい並んでたもんなぁ。今、さっぱりお見かけしなくなったけど。「人間同士のやりとり同様にやりとりする人工知能」の呪縛が日本では強すぎるのかな。手塚先生と藤子不二雄先生以来の刷り込みが。

人工知能に無知な自分が読んでも読みやすかった。これまでの歴史、現在どこまで出来るのか、人工知能が出来たと言える状態の定義は哲学者の間でもマチマチであることなどが分かりやすく書いてあった。 初心者に分かりやすかった。 特に誤差伝播法を上司、部下に例えて、部下からのフィードバックを層が深くなればなるほど上司には分かりにくくなるところなど、リアルもそうだと思った。 赤ちゃんが色々覚えて判断するまで学習することは自然とやるものだけれど、機械的にやるのはなんて難しいものなのだと改めて感じた。人間を超えるのはまだまだ先だ。

2015年初版なので、記載されている内容が旧い。ただ、人工知能に興味を持ち、学び始めた人にはオススメしたい。 まず、言葉が平易であり、理解しやすい。自己符号化器あたりは他の書籍よりも分かりやすく解説されていた。 何より人工知能の研究者の謙虚さの理由的な部分は、リアリティがある。今やTV等で持て囃されている松尾先生だが、鼻にかけるような様子が見当たらないのもそれが理由かと納得した。人工知能の研究者の気持ちに触れるという意味でも良書。 あえて言うなら、改訂をお願いしたい。 基本構成は変えず、5年超の間に激しく進歩した内容で差し替えてもらえると、この本は初学者の手に取るべき一冊に間違いなくなる。というか、そうあるべき良書だと考える。 （改訂されたら、★5です）

人工知能が感情を持つことはありえるのか？それが知りたくて読みました。結果、まだまだ難しそうと言うことがわかりました。 人工知能研究の歴史を追って紹介されているので、ちょっと長いです。知りたい一心で最後まで読みましたが地味な内容なので、読むのにちょっと頑張った感がありました。 知らないことを知れたのはよかったです。

168 を使って教師あり学習の精度を上げるというアイデア自体は、かなり古くからある)、 2012年には、 コンペティションで圧勝することによって、ついに多くの人の目に触 れる形で、そのすごさが伝わった。その後の投資合戦、期待感の高まりは前述の通りで ある。 いまになってわかるのは、考え方は間違っていなかった。ただ、やり方が違ったのだ。 実は、こうした特徴量や概念を取り出すということは、非常に長時間の「精錬」の過程 を必要とする。何度も熱してはたたき上げ、強くするようなプロセスが必要である。そ れが、得られる特徴量や概念の頑健性 (ロバスト性とも呼ぶ)につながる。そのために どういうことをやるかというと、一見すると逆説的だが、入力信号に「ノイズ」を加え るのだ。ノイズを加えても加えても出てくる「概念」は、ちょっとやそっとのことではく らつかない。 先ほどの日本全国の天気の分析の例でいうと、ある県の天気とほかの県の天気がたま たま何日か連続で一致していることがあるかもしれない。その結果、たまたま一致して いるだけで、「2つの県の天気が似ている」と認識されてしまうのだ。 そこで、ノイズを加える。 ある地点の天気をちょっとズラすのである。晴れはくもり に、くもりは晴れか雨に、雨はくもりに。サイコロを振って、偶数の目が出れば天気を ズラす、としてもよい。その結果、「ちょっと違う」 天気のデータができる。この天気 のデータも、もとの天気のデータと同じようなデータとして扱うのである。 もともと100日間の天気のデータがあったとして、ノイズを加えると、さらに10 0枚の天気のデータができる。ノイズの加え方はランダムだから、2回やると2回とも 違う天気のデータができる。だから、10回、100回と繰り返してもよい。100回繰 り返すと、もとの100枚の天気のデータが1万枚の天気のデータに置き換えられる。 この1万枚の天気のデータは言ってみれば、「ちょっと違ったかもしれない過去」である。 ある地点の天気が、実は、別の世界では晴れではなくくもりだったかもしれない。何 かちょっとした影響で、ある地点で雨で運動会が中止になったのが、くもりでギリギリ 開催できたかもしれない。こうした「ちょっと違ったかもしれない過去」のデータをた くさんつくることで、データの数を無理やり増やすのだ。 そうすると、何が起こるのか。「ある地点と別の地点の天気がたまたま一致してい た」ということがなくなる。ちょっと違ったかもしれない過去を含めて計算するので、 「たまたま一致」ということはない。 一致するなら一致するなりの理由があるはずである。 ディープラーニングでは、このように「ちょっと違ったかもしれない過去」のデータ 第5章 静寂を破る 「ディープラーニング」 第3次AIブーム② 169

人工知能を知ることは人間を知ることだ。 人工知能が人間を超える。 と言われます。 本書を読んで私は果たしてそうなのかと思いました。 というのも人工知能と人間とはもはや別ものなのではないか？ と思ったためです。 本書を読んで人工知能とは 人間のある側面（最終的にはすべての側面）を完璧にしたもの であると思いました。 そうなると人間に完璧はありえない以上人工知能は人間の知能を模したものではないのではないかと思いました。 ただし人工知能からの対比として人間を知ることはできるかもしれません。 （知るとは結局何かとの対比でしかないのかもしれません） そういう意味では人工知能を知ることは人間を知ることになると思いますが 人工知能が人間を超えるということはないのかなと思いました。 （だって人間と人工知能は違うのだから）

2015年時の人工知能の所在地が分かる。 ディープラーニングについて明快に解説。 人工知能の教養本としては外せない一冊。

ディープラーニングの凄さとなぜ今まで実現できなかったかを理解。 学習の確かさを高める重要性に気づき、コンピューターパワーの高まりで60年のAI研究が大進化した。 確かさを高めるにノイズを与えるっていう逆転の発想が面白い。 ただ、結局学習させる上での制約（ニューラルネットワークで隠れ量と言うそう）は人間が与えてるってことなのか？制約の程度で予測精度が変わる気がする。それを含めた完全自動化は難しいのか？（そもそも不要？）

2015年の本なので、6年前の最先端。ここからAIがどこまで進んでいるか？翻訳精度なんかは飛躍的に上がったし、AIのビジネスでの活用も進んできてる。でもディープラーニングを活用したやり方は大きく変わってない気がするし、AIの基礎や考え方を理解するには分かりやすくてとっつきやすいかな。

著者の熱い想いが伝わってきた。 ディープラーニングによって実現した特徴量の獲得は、つまりコンピュータが概念を理解するということであり、人工知能の歴史上、その発展を阻んできた壁に穴を空けるものであったということ。 現在は画像認識と音声認識が中心のこの技術は、やがて動的なデータから特徴量を学習できるようになり、自分の行動の結果を理解できるようになり、自分の行動による世界の変化を概念として捉えられるようになり、世界を概念で捉えて意味を理解したうえで言語を扱えるようになり、ついには人類の知識を理解できるようになるだろうという将来予測には胸の高まりを覚えた。 技術的な面の説明もわかりやすく、入力値と出力値の答え合わせに用いる答えの値を同じにするという、一見意味のなさそうな教師あり学習のような教師なし学習によって、抽象化がもたらされ、これを多層に繰り返すことで高度な抽象化ができるということ。抽象化によって概念を獲得した人工知能は遂には人間の助けなしに世界を理解するであろうこと。 なかなか凄まじい内容で、日本はビッグデータの活用で出遅れているが、人工知能の人材は厚く、うまく横連携を構築できれば優位に立てるという希望があることがわかった。

5年前の本だが、人工知能の現状と将来がわかった。直近ではビックデータから特徴表現を自ら学習するディープラーニングの技術とその応用が課題となるとのことで、引き続き現状のキャッチアップをしていきたい

新井紀子氏の『AI vs. 教科書が読めない子どもたち』を読了した後、現代のAIを支えるディープラーニングについてより詳しく学んでみたくなり、国内の人工知能分野における若手研究者のホープである松尾豊氏の著作ということで購入。 自分は四半世紀以上IT業界に身を置いているが、この手の専門的内容の書籍がわずか5年で32刷になるということなど聞いたことがない。それだけ世の人々の人工知能に対する関心の高さが窺えるというものである。 本の体裁が手に取りやすい単行本であり、かつ題も人工知能に仕事を奪われるかもしれないと不安を抱く人々に問いかけるものであったからということも、多くの人が手に取った理由と考えられる。本書がハードカバーで『ディープラーニング入門』などの題であったなら、これほどまで売れなかったであろう。 本書は、まず序章で執筆時点（2015年）における最新事例を紹介しつつ、人工知能が社会にもたらすインパクトを述べた後、第1章ではそもそも人工知能とは何かということをイントロダクションとして述べている。 そして第2章から後半までは人工知能の発達史を述べながら、昨今の第3次人工知能ブームが引き起こされるきっかけとなった「機械学習（マシンラーニング）」と「深層学習（ディープラーニング）」について具体例を交えながら多くの紙面を割いて解説する構成となっている。 そのため、過去の人工知能ブームからどのように現在の最新理論やテクノロジーへつながっているのか、なぜディープラーニングが大きな可能性を秘めているのかなどについて、専門家でなくても理解できるように解説されている点は賞賛に値する。 締めくくりの終章では、人工知能の発展が近い将来の人間社会に及ぼすリスクを述べたうえで、日本における課題点も（批判的にではなくあくまでも人工知能研究者として中立的立場で）挙げている。 ただ、人工知能に関して、日本企業は米中の巨大プラットフォーマーに完全に後れを取っているといわれているものの、学術界においては日本国内では長い研究の歴史があり研究者の層が厚いというポジティブなことも述べており、日本が人工知能分野で活躍できる可能性にも言及している。 また松尾氏は終章で、自らを"変化を好む者"としつつ、「目に見えるものが変わっていくことは、つまり目に見える存在理由と目に見えない存在理由が分離し、昇華し、違う形の形態として再構成されていくということでもある。」と哲学的なことを述べているが、これは非常に深い言葉だと感じた。 つまり、今人工知能で起こっていることは、「知能」というものが人間やそれが属する組織から切り離され、様々な産業へと「知識の転移」が起こり、これまでの産業構造を変えてしまう可能性を秘めているということである。 この考えを、既存産業の衰退のきっかけととるか、新たな産業創出の機会ととるかは自由だが、少なくとも近い将来に大きな産業構造の変化が起こるということは本書を読了した方々の多くが感じたのではないだろうか。 これだけ売れた本なのだから、読む前はITや人工知能に携わっていない一般の人にも受けるようなカジュアルでエンタメ的要素のある内容だと勝手に思い込んでいたのだが、その予想は全くの的外れであった。 日本の人工知能界を背負って立つ研究者が著しただけに、読みやすい文体で書かれてはいるものの、非常に論理的・客観的で"マジメな書籍"であることは改めて強調したい。 本書の内容とは関係ないが、松尾氏は高度な理論と技術を有している国内の高専生を高く評価しており、全国の高専生向けに毎年開催されているディープラーニングコンテスト（D-CON）を主催することで、若者が人工知能を活用して実際にビジネス化するところまでを支援している。 社会人やビジネスパーソンもさることながら、本書は人工知能やロボットに興味を持った全国の高専生や高校生にこそ、ぜひ読んでもらいたいと思えた一冊であった。

人工知能の歴史と将来について知りたい人におすすめ。 【概要】 ●人工知能とは ●人工知能の歴史 　第１次ＡＩブーム～第３次ＡＩブーム ●ディープラーニングの先に何があるか ●日本における人工知能発展の課題 【感想】 ●ディープラーニングの登場により、特徴量をコンピュータが自動的に得る可能性があるという。だが、あくまでも可能性だ。 　したがって、「人間の知能がプログラムで実現できないはずがない」という本書に示される「基本テーゼ」はテーゼとして成り立つのだろうか。現時点では、あくまでも仮説の域を出ないと思う。 ●「人工知能が人間を超えるか」という話はよく見られるが、それに対して「人間の何を超えるのか明確でない」という話もよく見る。 　重要なのは「人工知能は何をできるか、できないか」、そして「できるもののうち、何をさせるか」の人間による判断であると考える。人間にとって危険なことは人工知能にさせなければよいのである。それを選択できるのは正しく「人間」であろう。

人工知能は、3回目の春を迎えている。 春をもたらしたのは、ディープラーニングと特徴表現学習。これにより過去2度のブームで終わるのではなく、大きな飛躍の可能性が出てきている。 「AI vs 教科書が読めない子供達」から本書へ。 本書では、AIの可能性についてより詳しく説明されている。 ブレイクスルーは、認識・運動の習熟・言語の意味理解。これだけ読むとよくわからないが、本書を読むと凄さがわかる。 これは、人間が当たり前に出来ていること。 赤ん坊から幼児にかけて出来るようになることが、AIはとにかく苦手。2度の冬は、この峠を乗り越えられなかった。 犬！猫！って認識するのが難しいとか、長いもの！短いもの！丸いもの！角ばっているもの！が混ざっているとアームで握るのも難しい、木と森の違いのような当たり前のことの意味がわかならない　等 むしろAIは、大人にならないと出来ない、難しい法律やレントゲンから診断は得意というからパラドックス的で不思議。 これからわかることは、専門性は持たせられるが、汎用性を持てなかったということ。少しでも新しいこと（例外）をしようとすると人間のお膳立てが必要になってしまう。 このお膳立てがとにかく手間がかかるらしい。 ところが、お膳立てなしにAIが自分で学習出来るようになったというのだからスゴイ！ AIの苦節60年の歴史を変えるかもしれないのだから、すごく興奮する。 2015年の時点では、筆者はAIはまだ宝くじと言っている段階。当たるかもしれないし、当たらないかもしれない。それでも当たれば大きな社会変化を生む技術と。 現在の状態にもすごく興味が湧いてくる。 本書が発売された年に、AIが囲碁のチャンピオンに勝っているが、これは想定よりだいぶ早いらしい。 認識の峠を越えたAIが、どうなっていくのかとても楽しみ。

人工知能とは、人工的に作られた人間のような知能。 第1次AIブーム(1955-60): 探索と推論 - 探索木によって正解を推測し最適解を導く (i.e チェス、将棋); あくまで限定的な範囲での使用。 第2次AIブーム(1980): 大量の専門的知識をコンピューターに入れることによって実用性を高める。if関数を使ったエクスパートシステムの構築 (i.e 医師への診療提言); 必要な知識量が大量すぎる。 フレーム問題：関連ある知識のみを取り出すためにフレーミングが困難。人間による設定が必要。 シンボルグラウンディング問題：記号とそれを意味するものとをくっつけることが困難。ソシュールのシニフィエ(概念)とシニフィアン(意味) 第3次AIブーム(200~?): 増加するデータ量とパターン認識の基礎技術向上による機械学習の発達。パターン化の一つがニューラルネットワーク。しかし、意味されるものと意味するものの認識が困難。 - 特徴表層学習(deep learning)の発明。機会が自ら特徴点を抽出する作業を表層化させることによって、より高度で正確な特徴点を自ら見つけ、特徴表現を学習し、予測(分ける作業)を行うように。 - 今後が行動/結果を通じた学習。言語学習。言語を通じた知識獲得。 - あくまで機会は人間のような本能を持たない。大まかなフレーム決めが必要。(i.e 人間が使わない特徴をもとに独自の言語で会話をしてしまう可能性) - 我々の選択と淘汰を補助。社会においては、幅広い知識を多角的に分析してくれるツールとして活用可。個人に合わせた世界が。 - 機会に自己再生力はない。人間は知能と生命の合わせ持つ。あくまで人間としての本能 - 心 -が最も大切なものに。

シンギュラリティ、ディープラーニング、特徴量設計などについてなんとなくわかった。ここから何か仕事につながるかはわからないが、人工知能についての歴史や今を知れた。ただ本自体が2015年なので、ちょっと古いと感じた。

AIの歴史も踏まえて時系列的に描かれていて内容も読みやすかった。AI検定の課題図書にもなっているはずなので受験予定の人は必読。

ＡＩの基礎知識がわかる本。少し難しいが、AI研究の歴史やAIで出来ること,できないことがよくわかった。特に、ディープラーニングの本質が、非線形の主成分分析を多段で実行していることに、びっくり。

今の人工知能の盛り上がりは第三次ブームである。これまでのブームの後は冬の時代が続いていた。特徴表現学習であるディープラーニングの技術がブイレクスルーとなり、このブームを起こした。まだまだ汎用AIには課題があり、ターミネーターのようなものは非現実的だ。AIの土台である特徴表現学習を握られては、さまざまな産業で遅れをとることになってしまう。 機械学習は昔からあるが、そのなかの特徴表現学習であるディープラーニングがブレイクスルー、重要な技術であることがわかった。日本には情報技術者の数に対して人工知能の研究者が多く人材はいることを知った。

2020/12/30 人工知能について学ぼうとしている矢先に手に取った。過去三度あった人工知能ブームの歴史、冬の時代を振り返ることで、今なぜ再び人工知能のブームが来ているのかがよく分かる。機械学習とディープラーニングの違いもすんなりと理解できた。

最近、何でもAI搭載の新製品と宣伝するケースが多い。それに対して、本書では①単純な制御プログラム、②古典的AI、③ML、④DLと分類。具体例と研究の変遷を比較的分かりやすく説明できてると思います。

人工知能に抱いていた漠然としたイメージを明確にするには入門にピッタリな一冊。 人工知能の変遷、学習のやり方、生命と知能は違う、これからの人工知能は、といった内容。 人工知能が未来の社会に与える影響として、人工知能が人間の知能を越えるシンギュラリティが懸念されているが、知能は超越しても生命を生み出すことは不可能であり、ターミネーターのスカイネットのような人工知能が暴走して人類を滅ぼすことはないのが著者の見解である。 とはいえ、直接的な暴力による影響はないとしても今も単純作業の効率化はますます進んでおり、仕事を奪われることによる間接的な暴力による影響は今後確実に訪れるだろう。 社会や経済的な側面から見ると人工知能の使い方は慎重になる必要があるが、機械学習に代表される人工知能の学習プロセスの技術は興味深い。 深く追及すると高等数学を学んだり相当な努力が必要なのだが、知の探求には最高の題材であり、もっと人工知能について知りたい気持ちになった。

東大の松尾先生の人工知能の発展とその歴史に関する解説書。 教養として読むべき一冊。 ・特徴量を自ら見つけ出せるような人工知能が今後の発展を生む ・手書きの数字をいかに正確に読み取るかを人工知能に学習させる時も、入力と出力を変えて正確な道を見つけるような仕組みを目指してきた。 ・ただし、トロント大学のディープラーニングという手法がブレイクスルーを生み出した。 ・以前からディープラーニング自体はあったが、入力と出力を同じにしていかにその間の隠れ層を精緻なものにするか、何層にも積み重ねるか　というアプローチの違いがブレイクスルーを生んだ。 ・目指すべきことが正確な答えを導き出すことではなく、正確な答えを導き出せるように知能を発展させていく、そこにピン留めした結果であるように感じた。 ・またシンギュラリティについても言及されている。 ・人間は知能+生命である。いかに知能が発達しても生物の根源である生命力や子孫繁栄の本能を生むことは難しい。 ・人間と共存することで、人間を超える人工知能が生まれる可能性があるが、生命力を自ら獲得する人工知能は不可能であるため、シンギュラリティは起き得ないだろうというのが松尾先生の意見。いくつかの人工知能研究組織で倫理委員会などが立ち上がっているのも、そういった倫理観に反する開発を人間が意図的にしない限りは人工知能が人間を超えることはないから。

人工知能は与えられた情報の中でしか解を導き出す事が出来ないので、新しい事を生み出すアビリティがあれば、今のところ人間が不要になる事はないなと思いました。

松尾先生がわかりやすく、AIの歴史や今後の可能性、限界について書いて頂いている。ディープラーニングは特徴表現学習。人間＝知能＋生命を超えることはない、と。何となくだが、なるほど感じました。

人工知能の歴史やその技術的知識のさわりを概観することができる良い本だと感じました。 巷でよく耳にする「人工知能」について、非情報系だけど教養として知っておきたい！と言う方にはうってつけな本です。 逆に情報系が本職の方や既にプログラミングやAI関連の素養がある方には少し物足りないんじゃないかなと思います。

人工知能の入門書としてよくオススメされている良書。AIの発展の過程を第一次ブームから今の第3次ブームをまとめるとともに、今のAIの発展が今までと何が違うのかをわかりやすく説明してくれている。 AIの発展過程で今のディープラーニングの何がすごいかが、やっとわかった気がする。AI自身がモノを認識するって聞いたときは、教師なしの機械学習との違いがわからなかったけど、この本を読んで、AI自身が特徴量を獲得することの可能性がわかった。 ただ自分の理解不足と勉強不足でディープラーニングの仕組み的なことなど、わからないことも多かったので更にこの分野は勉強したい。 なにより、この本が書かれてからたった5年で、恐らく筆者の予想よりもAIのレベルが高まっている気がするので、自分のいる業界へのインパクトなんかも調べたい。

これを読んでから、今まで上辺だけで読んでいた日経新聞の科学技術面の記事の内容がなんとなく理解できるようになりました。読んでよかったです。

人工知能に対して、世の中の過度な期待や憂慮を排除したリアルな評価がされていると感じた。 人工知能とは何であるか、その歴史や仕組みも分かりやすく解説されているので、人工知能の入門書としてはピッタリだと思う。

人工知能の歴史と今後来る将来の姿が、わかりやすく説明してありました。 特に今後の方は、きっとこのように進むのだと思います。 大変いい本でした

松尾豊教授による人工知能とディープラーニングの技術の紹介、これまでの60年の歴史が分かりやすく説明されてある。2015年の本なので最新の状況はチェックしないといけないが、社会が求める期待値と現実について平易な言葉で書かれてある。著者自身や研究者達の苦難の歴史が語られる一方、地道な努力を続けてきた業界関係者に敬意を払いつつ、未来に対しても一歩一歩前進出来ると期待している。人工知能の世界に貢献するのはだいぶ難しいかもしれないが、自分もエンジニアリングの世界で何かしら貢献できれば、と思わせてくれる一冊だった。

人工知能の第一人者である松尾氏が経産省審議官にプレゼンした内容ベースとした入門書的な分かりやすい書籍。 人工知能と一括りにするにはステップがいくつかあり、単純な区分プログラムから自分で考えることができるものまである。 とはいえ、人間であれば自然と理解しているその前提をサンプルで教え込むことの難しさがあり、今まで人工知能は2度の冬を迎え…今ディープラーニング等と共に3度目の挑戦に臨んでいる。 これから、シンギュラリティを迎えるのかわからないが人工知能が発展する中での人間との関わり方をを見たいと思った。

人工知能とは、知能の原理を見つけ、それをコンピューターで見つけることから始まる 世間の人工知能の認識 レベル1.単純な制御プログラムをマーケティング的に人工知能と呼んでいるだけのもの レベル2.入力に応じて、様々な出力をするプログラム レベル3.機械学習を取り入れているもの レベル4.ディープラーニング（機械学習をする際の変数自体を学習するもの） 今まで人工知能には3度のブームがあった。 第一次（推論・探索） 第二次（知識） 第三次（機械学習・特徴表現学習） 第一次（推論・探索） 場合分けのプログラムの発達 モンテカルロ法によって、将棋やチェスの攻略がより一層深くなった。 モンテカルロ法…ある程度まで盤面が進めば、そこから先はランダムに指していく、ということを何千回も繰り返し、スコアのばらつきから最善手を計算する。 第二次（知識） エキスパートシステム ifを与え、膨大な情報をもとに答えを探しこんでいく しかし、人間の一般常識を機械に記述させることはとても難しく、性能がどれだけ上がろうとも、クイズ等では「意味」を理解しているわけではない。 フレーム問題→あるタスクを実行するのに、「関係ある知識だけを取り出してそれを使う」という、人間なら当たり前にやっている作業が、機械には難しい 第三次（機械学習・特徴表現学習） 機械自身に、大量のデータを処理しながら、画像に当てはまる要素をイエス・ノーで分けていき、最終的に画像をある一つの要素に「分類」する。 誤差逆伝播→答え合わせをして間違るたびに、答えに影響する判断基準への重みづけの調整を繰り返して、認識の精度を上げていく学習法 特徴量設計→機械学習の際、どんな変数を読み込ませ、どの変数に重きを置くか？が重要になる。これは人間が決めないといけない。 ※今まで人工知能が実現しなかったのは、「世界からどの特徴に注目して情報を取り出すべきか」に関して、人間の手を借りなければならないから。 ディープラーニング→データをもとに、コンピュータが自ら特徴量を作り出す。 従来の誤差逆伝播だと、入力と出力間の階層が深くなりすぎると、精度がどんどん落ちていく。 これを解決するためには、入力と出力を同じ画像となるようにしている。 「手書きの３」を「これは３です」とするのではなく、「これは手書きの３です」と教えるようにした。 「左下のこの位置が黒くなっていれば、その周辺10ピクセルはまとめて黒くしても結果に影響しない」 このようにひたすら同じ画像のエンコードとデコードを繰り返し、効率的で少ない情報量を経由して元に戻せるかを学習する。 （たくさんの変数を、少数個の無相関な合成変数に集約・抽象化する感じ） さらに、抽象化した特徴量をもとにさらに特徴を抽象化→さらに抽象化...していくことで、最後に現れるのは典型的な３である。そして最後に「これは３だ」と教えてあげれば、学習は非常に少ないサンプルで可能になる。 この抽象化を、機械は自動的に行うことができる。 サンプルの精度を頑強にするコツは、「ノイズを加える」こと。ノイズを加えても加えても出てくる概念は、ちょっとやそっとじゃ揺らがない また、わざと一部のニューロンを欠落させる。 →その担当がいなくなっても組織全体が揺らがないように、ある特徴量が別の特徴量をカバーするように工夫を加えるようになる。 人工知能のブレイクスルーは、機械が人間の使っている概念をどれだけ理解できるかにかかっている 人間の社会は、現実世界のものごとの特徴量や概念をとらえる作業を、お互いにコミュニケーションを取ることによって、共同して行っている 社会システムの中で人間に付随していた学習や判断を、世界中の必要なところに分散できることで、よりよい社会的システムを作ることができる。 今後残る仕事…「非常に大局的で、難しい判断を伴う仕事」「人間と人間が接する仕事」

「人工知能は人間を超えるか ディープラーニングの先にあるもの」の感想: プログラマの思索 https://forza.cocolog-nifty.com/blog/2020/05/post-7f3124.html

2015年の作品ですが、人工知能の研究の歴史と現在の到達点について、順を追ってわかりやすく解説されています。決して煽ることなく、それでいて、ダメ出しもすることなく冷静に人工知能について書かれているのが印象的です。 機械学習、ディープラーニングといった技術については、他の本も読みましたが、本書を読んでもまだストンと腹落ちしたわけではありません。（何となくのイメージは掴めたようですが） 人工知能が人間を征服するかという問いかけに対しては、知能で人間を超えることはあっても、人工知能は生命ではなく、生命体として人間を超えるような自己複製を短期間で繰り返すことはあり得ず荒唐無稽と一蹴されてたのには、なるほどなと思いました。それよりも怖いのは、軍事応用や産業上の独占であるという指摘も、頷けました。 やはり難しい人工知能ですが、少しでも概要をわかりたい方にはお勧めの1冊です。

人工知能の概要を、時系列に沿って解説していてとてもわかりやすい。 人工知能について知りたい時は、まずはこの本から始めるといいと思う。

2020.4.17 読了 面白い。面白すぎる。 久々にこんなワクワクした。 東大の松尾研がAIで有名なのは知っていた。しかし、その松尾豊氏の話のうまさ、わかりやすさ、人の興味を惹く力が余すことなく載っている本だと感じた。 機械学習の基礎から応用、その実用までかなり分かりやすく描かれている。 もう一度大学受験するなら浪人してでも東大の松尾研に入りたいと思うような内容だった。

　５年前なのでこの分野の本としては少し古いかもしれない。それでも、人工知能（AI）は、人類の「敵」ではなく、上手く使いこなすべき「もの」（AIは知能を持てても生命を持つことは困難であると語られている。）ことを希望をもって示してくれる。ヒトの脳を含む進化の過程とAIの発展との類似性も折に触れて語られ、興味深かった。

5年前の本ですが、今話題のAIなるものについて知りたい人は読む価値はあると思います。なぜなら、本書で解説している要素技術は50年来の技術的ブレークスルー。まだまだ覆っていません。 大学時代、ニューラルネットワークの講義を泣きながら受けてAIアレルギーを発症した自分ですが、本書を読んでディープラーニングの何が新しいのかようやく想像がつくようになりました。具体的な部分はまた別の本を読むなり、pythonで手を動かすなりして学びたいと思います。 本書が発売されてからの5年間、たしかに異常検知や画像認識は生活に浸透し、故人の新曲や漫画の新作が発表されるようになりましたね。確かに本書で説明してある技術の順当な適用例だと思います。合わせて購入したAI白書 2020を読むのが今から楽しみです。

ディープラーニングは、上手に対象を抽象化してるのか！ ターミネーター的に人と人工知能が戦争するみたいなことは起こらないから。 AI vs. 教科書が読めない子どもたち と一緒に読んでみた。 P96を読んだ感想。 私はLinked Open Data に興味があって調べていたので、それがどんな歴史と発展があって、人工知能、ワトソンとかの研究に関係していたのが知れてよかった！ オントロジーってそういうことか！ すごく驚いた！ 言葉に意味付けして、関連を定義して・・・ ワトソンはその情報の繋がりの中から対話の答えを導いてたのか！ ディープラーニングについてネットで調べても、あぁ難しそうだなぁって尻込みしてしまっていました。 でも、この本を読んで概形がぼんやり見えてきました。 P60から説明されている第一次、第二次、第三次AIブームがヘェ〜と感じました。 そっか、ハノイの塔みたいな探索もAIの歴史だったのか。 P63　図4　人工知能研究の見取り図 がわかりやすい！ ハノイの塔のような探索の進化で、チェスや将棋、囲碁のAIがあるのね！なるほどー オントロジー研究からLODやワトソンに枝分かれしてるんだ〜。 機械学習・ニューラルネットワークとビッグデータの組み合わせでディープラーニングへと成長していくのか〜。ヘェ〜 検索エンジンも、自動運転もこの木の枝の一本ね。 ありがとうございました。

2018年9月「眼横鼻直」 https://www.komazawa-u.ac.jp/facilities/library/plan-special-feature/gannoubichoku/2018/0901-6938.html

　人工知能について、素人にも分かりやすく、概要と展望を示してくれる。著者は、軍事面への展開を除けば、楽観的にその未来を語っている。素人の個人の願望としては、介護や社会のインフラの整備等での実用を期待しています。人工知能は、美を理解できるだろうか。

詳しくない分野の話であるため、一から現状を知りたいと考えて読み始めた。人工知能の可能性に関する話が、ディープラーニングと特徴表現学習の方法等、第一次AIブームから第三次AIブームで起こった話と共に説明されており、初めて読む者にもわかりやすかった。

100字要約 時代の変遷と共に人工知能が如何に発展を遂げてきたかの概要を説明している。特徴表現学習の発見により大きく進歩したが、今後の飛躍の鍵は頑健性にある。課題は人間が備えた普遍性を特徴量にどう反映するかである。 ーー　メモ　ーー ・語彙 怪訝（けげん）、敵愾心（てきがいしん）、喧伝（けんでん）、憚（はばか）られる 実力を超えた期待には、いかなるときも慎重であらねばならない。 新技術「ディープラーニング」の意義をどうとらえるかにかかっている。 「特徴表現学習」という領域が開拓されたから。 冷静に見たときに、人工知能にできることは現状ではまだ限られている。基本的には、決められた処理を決められたように行うことしかできず、「学習」と呼ばれる技術も、決められた範囲内で適切な値を見つけ出すだけだ。例外に弱く、汎用性や柔軟性がない。 いまの人工知能は、実力より期待感のほうがはるかに大きくなっている。 ◼︎ 序章　広がる人工知能 コンピュータは天才的なひらめきで流れるように文章を生み出すのは苦手だが、有望な組み合わせを大量につくり、トライ&エラーで結果のレベルを上げていく作業は得意中の得意だ。 IBMの「ワトソン」、掃除ロボットのルンバ、ソフトバンクのPepper、iPhoneのSiriなど。 人工知能の父 　アラン・チューリング ディープラーニングの第一人者 　ジェフリー・ヒントン 人類にとっての人工知能の脅威は、シンギュラリティ（技術的特異点）という概念でよく語られる。レイ・カーツワイル氏曰く「2045年」 ◼︎ 第一章　人工知能とは何か？ ー専門家と世間の認識のズレ われわれは、なぜ世界をこのように認識し、思考し、行動することができるのか。なぜ新しいことを次々と考え、学ぶことができるのか。その根本原理は何なのか。いまだによくわかっていないのだ。むしろ、われわれの認識によって始めて、この世界が存在しているのかもしれないのにもかかわらずである（人間原理） 人工知能をエージェントと考え、その入力と出力の関係から考えると、世の中で語られている人工知能も理解しやすい。 * 単純な制御プログラムを「人工知能」と称している（アルバイト） → 言われたことだけをこなす * 古典的な人工知能（一般社員） → たくさんのルールを理解し、判断する * 機械学習を取り入れた人工知能（課長） → 決められたチェック項目に従って、業務をよくしていく * ディープラーニングを取り入れた人工知能（マネージャー） →チェック項目まで自分で発見する ◼︎ 第ニ章　「推論」と「探索」の時代 ー第一次AIブーム 探索木、ハノイの塔 ミニマックス法（2手先の盤面評価から次の自分の指し手を決める）より良い「特徴量」が発見された。 「2つの駒の関係」→「3つの駒の関係」 モンテカルロ法で評価の仕組みを変える ある局面まで来たら、駒の数や位置関係によって点数をつけることを放棄する。そこから交互に、完全にランダムに手を指し続け、とにかく終局させる（プレイアウト） ◼︎ 第三章　「知識」を入れると賢くなる ー第二次AIブーム 人間の持つ一般常識的な知識の膨大さ、オントロジー（存在論）、知識獲得のボトルネック 意味ネットワーク（知識表現） 人間が意味を記憶する時の構造を表すためのモデルである。「概念」をノードで表し、ノード同士をリンクで結び、ネットワーク化し表現する。 フレーム問題 あるタスクを実行するのに「関係ある知識だけを取り出してそれを使う」という人間ならごく当たり前にやっている作業がいかに難しいかを表している。 シンボルグラウンディング問題 記号（文字列、言葉）をそれが意味するものと結び付けられるかどうかを問うものである。 ◼︎ 第四章　「機械学習」の静かな広がり ー第三次AIブーム パターン認識、教師あり学習、教師なし学習、クラスタリング、誤差逆伝播 学習の根幹をなすのは「分ける」という処理である。 代表的な5つの分類 * 最近近傍法 * ナイーブベイズ法 * 決定木 * サポートベクターマシン * ニューラルネットワーク 機械学習では、どんなデータを用意するか、どのように正しい出力（正解データ）を用意するか、この2つの組み合わせによって、いくらでも新しい仕事をさせることができる。 学習には時間がかかるが、予測は一瞬。 弱点は、「フィーチャーエンジニアリング」である。特徴量（素性）の設計であり、特徴量設計である。特徴量というのは、機械学習の入力に使う変数のことで、その値が対象の特徴を定量的に表す。この特徴量に何を選ぶかで、予測精度が大きく変化する。 言語哲学者ソシュール 記号とは、概念（記号内容：シンフィエ）と名前（記号表現：シニフィアン）が表裏一体となって結びついたものと考えた。 ◼︎ 第五章　静寂を破る「ディープラーニング」 ー第三次AIブーム 2012年 世界的な画像認識のコンペティション「ILSVRC」 トロント大学のSuper Visionの圧倒的な勝利 → 深層学習の始まり ジェフリー・ヒントン氏 主成分分析を非線形にし、多段にしたもの ー たくさんの変数を、少数個の無相関な合成関数に集約する方法 「特徴表現をコンピュータ自らが獲得する」という問題にひとつの解を提示した。ディープラーニングは、多階層のニューラルネットワークである。自己符号化器では、「出力」と「入力」を同じにする。入力信号に「ノイズ」を加える。飛躍のカギは「頑健性」（ロバスト性） 基本テーゼ「人間の知能がプログラムで実現できないはずはない」 ▪️ 第六章 人工知能は人間を超えるか ーディープラーニングの先にあるもの マルチモーダル（複数の感覚のデータを組み合わせた）、恣意性、生存、生物、抽象化 例：ドラえもん 言葉で表される概念は、ひとりの人間がつくり出す概念のうちでも、普遍性が高く、ほかの個体とやりとりできる概念である。個々の身体の特性にあまりに強く依存する概念は、言語化するのが難しい場合が多い。（→暗黙知） 人間は生得的な文法（普遍文法）を備えていると言った。ノム・チョムスキー 人間が獲得する概念の中には、単に復元エラーを最小化するだけでなく、何が「快」か「不快」かによって方向付けられているものも多い。「本能」に由来することは、基本的には、進化を経て生み出されるものであり、個体の一生のうちに発現し、発展する知能とは異なる。 人間は試行錯誤によっても創造する。 人から人へ受け継がれる文化的な情報である「ミーム」 進化生物学者リチャード・ドーキンス 脳の中にも種の変化と同じ、選択と淘汰のメカニズムが働いていると主張した。（エーデルマン）→ 遺伝的アルゴリズム シンギュラリティとは、人工知能が自分の能力を超える人工知能を自ら生み出せるようになる時点を指す。「人類最後の発明」 人間＝知能＋生命 ▪️ 終章 変わりゆく世界 ー産業・社会への影響と戦略 「ゆく河の流れは絶えずして、しかももとの水にあらず」方丈記 科学技術の発展はいまに始まったことではなく、その度になくなる仕事もできるが、代わりに新しい仕事が必ずできる。 人間の仕事として重要なもの * 非常に大局的でサンプル数の少ない、難しい判断を伴う業務 * 人間に接するインターフェースは人間のほうがいい 参考＞ Machine Intelligence LANDSCAPE 人工知能研究の大スポンサー DARPA（米国国防高等研究計画局）インターネットの期限になったARPANETは、この予算から生まれている。Siriの元になったCALOのプロジェクトもDARPAの予算で支援された。 「眼の誕生」は強烈で、それゆえに、捕食者からいかに生き延びるか、身を隠すかといった生物の戦略が多様化し、5億4200万年前のカンブリア紀における生物の多様性の爆発の契機となったという。 汎用的なOS部分を独占すれば、各種機能を実現するアプリケーションの製造コストは劇的に下がる。パソコン時代にOSをマイクロソフトに、CPUをインテルに握られて、日本のメーカーが苦しんだように、人工知能の分野でも、同じことが起きかねない。 特徴表現の獲得 知能と生命は別の話であり、人工知能が暴走し人類を脅かすような未来は来ないこと。それより、軍事応用や産業上の独占などの方が脅威であること。 われわれ自身の研究は、人間の研究にほかならないのだろう。

これだけ流行っている人工知能（Artificial Inteligence）。何か知っておかないとなあと思って購入した一冊。勝手に勉強してどんどん頭がよくなるというぼんやりしたイメージしかなかったけど、なんとなくそのアルゴリズムを知って、人工知能が人間を支配するのはまだまだ先だなと思った（AIには欲望がないから）。また、人工知能は1950年代から開発されていて最近のブームはあくまで特微表現学習、ディープラーニングの分野であることを知った。本書から人工知能の開発は知能の定量化、アルゴリズム化でロマンのある分野だと感じたし、それと同時に知能に関わる反面、倫理や哲学にも絡む、サイエンスだけではない分野であることに非常に興味を感じた。そう感じられたのも著者の人工知能に対する熱量が伝わってきたからだと思う。ただニューラルネットワークやディープラーニングの考えがいまいちつかめなかったので、pythonとかで手を動かしながらなにかやれたらなあと思った。あと、人工知能と飛行機の例（飛ぶ原理をはばたきではなく、揚力に気が付いたこと）がアイデア発想の原点として今更ながらすごくぐっときた。 特微量：機械学習の入力に使う変数のことで、その値が対象の特徴を定量的に示す（p46）

AIについて語る前に知っておかなきゃ行けないことがてんこ盛り、分かりやすいし非常におすすめ。 松尾さんはただのaiバブルとなることを避けようとしている。そのために発信することの重要性も分かってて色んな団体を運営したり著作を出してるんだな、というのがヒシヒシと伝わってきた。 人工知能の発展を時系列に紹介していて、その時代ごとの新発見をどこが凄いのか分かりやすく説明してくれる。 G検定とるぞぉ。