何でもかんでも人工知能搭載と称された製品が溢れてますが（単純な制御プログラムを搭載しているだけの家電とか）、 そもそも人工知能とは何か。人工知能で、すでに実現していること、実現しそうなこと、実現しそうもないこと、 そういった、人工知能の技術を正しく理解するのに、一番わかりやすい本ではないかなと思います。

人工知能研究の歴史・経緯と、今後の展望や、それに向けての課題・期待等が整理されていて、人工知能に興味を持った初心者にはちょうどよい内容だった。 専門的な内容についてはあまり深堀されていないので、初学者にはいい反面、すでになんらかの本で知識を得ている人には物足りないと思います。

時代毎の人工知能の開発の歴史を追った上で、現在の状況を説明しているのがわかりやすい。ディープラーニングと機械学習との違いもよくわかった。 1960年代の第1次ブームでは、推論と探索によって問題を解く研究が進んだ。チェスや将棋などのゲームでは、盤面を評価するスコアをつくり、そのスコアがよくなる次の差し手を探索した。こちらは点数を最大に、相手はこちらの点数を最小にする手を指すミニマックス法を用いる。局面が最終段階に入ったら、終局するまでランダムに手を指し続けて、その勝率で盤面を評価するモンテカルロ法を用いる。トイ・プロブレムは解けても、複雑な現実の問題は解けないことが明らかになり、1970年代には冬の時代を迎えた。 1980年代の第2次ブームでは、大量の知識を入力することによって現実の問題を解く開発が行われた。知識の概念はノードをリンクで結ぶことによるネットワークで表現したが、それをコンピューターで見つけるライトウェイト・オントロジーによってデータマイニングが進んだ（セマンティックウェブやLinked Open Dataとして研究が展開されている）。IBMが開発したワトソンも、ウィキペディを基にライトウェイト・オントロジーを生成して解答に使っている。 1998年頃から、ウェブページのテキストを扱う自然言語処理と機械学習の研究が発展した。学習とは分ける作業で、判断をイエス・ノーで答えるもの。教師あり学習では、正しい出力を与えて、その分け方を学習させる。分ける方法のひとつであるニューラルネットワークでは、シナプスの結合強度にあたる重みづけを、全体の誤差が小さくなる方向に調整する誤差逆伝播によって精度を上げていく。 機械学習の入力に用いる変数である特徴量に何を選ぶかで予測精度が大きく変化するため、研究機関はその設計にしのぎを削ってきたが、2012年の画像認識コンペでは、コンピューターが特徴量を作り出すディープラーニングを用いたトロント大学が、他のチームより10ポイント以上低いエラー率を出して衝撃を与えた。自己符号化器は、入力と同じものを出力にも置き、ニューラルネットワークを用いてできるだけ近くなる重み付けと隠れ層を生成する（主成分分析を非線形にしたもの）。生成された隠れ層をさらに入力と出力に置いて次の隠れ層を生成することを繰り返すことにより、高次の特徴量が生成される。入力にノイズを加えたたくさんのデータを作って学習させたり、ニューラルネットワークの一部を停止することにより、頑健な特徴量が得られる。 著者は、これまでに研究されてきた人工知能のトピックが、今後ディープラーニングの技術を用いて洗い直されると予測する。時間を扱うことができるようになれば、動画や音声を処理することができる。物を動かすなどのコンピューター自らの動作とその結果を学習することができれば、動作の概念や行動した結果の抽象化が進む。日常の概念を獲得できれば、それに言葉を結びつけることができる。言葉を理解できるようになれば、ウェブや本を通して人間の知識を吸収することになるという。 日本企業： ＦＲＯＮＴＥＯ：訴訟時の証拠閲覧に人工知能を用いている。 プレファードインフラストラクチャー：機械学習技術のビジネス活用を目的としたプレファードネットワークスを設立。

人工知能の入門書。長年人工知能研究に携わり、この領域の光と陰を肌で感じて来た松尾先生が判りやすく気持ちを込めて解説する人工知能の過去、現在、未来の可能性。 １つの問いに対してゼロかイチかのようなハッキリした解がないのが研究であり、最近の技術に紐付いたトレンドワード。 人工知能研究に携わる人は形式拘らず、本質的な部分にこだわる人が多い、というのは興味深い。

人工知能の今がわかる本。 フィンテックなんかのムック本と違って、イメージや今後の付き合い方も湧きます、 入門者にも最適。

もはやバズワードですらないほど一般的に語られるAIだけど、実は中身はまったくもって理解しておらず、ちょっとはまともに理解する助けになりました。 すくなくとも、マシーンラーニングとディープラーニングの定義はまともに理解してなかったけど、違いというか、すみわけが少しわかりました。 ■レベル１（アルバイト）：単純な制御プログラム ～厳格なルールを決め、その通りに動くだけ エアコン・掃除機 ■レベル２（一般社員）：古典的な人口知能 ～荷物の種類に応じてたくさんの知識がいれられている 将棋・掃除ロボット ■レベル３（課長）：機械学習～サンプルとなるデータをもとに、ルールや知識を自ら学習 ■レベル４（マネジャー）：ディープラーニング 機械学習する際のデータを表すために使われる特徴量自体を学習、ルールを自分でつくり、時間がたつほど高率的な方法を学ぶ P99　ワトソン自身は質問の意味を理解して答えているわけではなく、質問に含まれるキーワードと関連しそうな答えを、高速に引っ張り出しているだけ P103　「知識獲得のボトルネック」あらゆる事態を想定して、必要となる知識を入れる作業がいかに膨大で、いかにばかげたことか p109　知識を書くということは、予想以上に大変で、なかなか書ききれない。知識を書ききるというのはほとんど不可能？

読みやすくて良かった というか（イデア論的な？）概念を構築する因子が、機械と人間では異なるに違いない、という点に気づけただけでもえらく儲けた

＜目次＞ はじめに　　人工知能の春 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から第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　　　人工知能は人類を超えるか～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 おわりに～まだ見ぬ人工知能に思いを馳せて ＜内容＞ 日本の人工知能の若き第一人者の本。とても読みやすく、世界や日本の人工知能の歴史を学ぶことができる。また、経済学者などとは違う視点から今後の世界の動き(仕事や国の施策、企業の戦略)などを予想したりしている。人工知能の研究者なので、肯定的な未来を描いているが、情報産業の二の舞をしないようにと釘を刺している点が重要かもしれない。

人口知能に関する大局的な解説。素晴らしい本に出合えた。技術的に細かいところについて質問したいことが幾つも残ったが、とっかかりを与えてくれた。

特徴量を自分で発見できるようにしたのが、ディープラーニング。その概念がわかりやすく解説されている。 ■成熟度に基づく人工知能の４つの段階 【レベル１：単純な制御プログラム】 最近では、人工知能搭載のエアコンや洗濯機などを時折目にする。これらは実は制御工学やシステム工学といった分野であり、単にマーケティング的に人工知能を名乗っているに過ぎず、単純な自動制御プログラムのことを指すことが多い。例えばエアコンに搭載された人工知能は、エネルギー消費量や室温などのデータを収集し、省エネルギーの自動制御運転を行う。 【レベル２：古典的な人工知能】 ２０１２年に将棋の名人が人工知能に敗れた、というニュースを記憶している方も多いのではないだろうか。この種の人工知能は、入力と出力を関連づける方法が洗練されており、振る舞いのパターンが極めて多彩である。このレベルの人工知能は、推論や探索をおこなったり、大量の知識ベースを蓄えたりしている。将棋の例のように、分野によっては、既に人間の能力を超越しているケースも存在する。 【レベル３：機械学習を取り入れた人工知能】 機械学習とは、サンプルデータを元に機械がルールや知識を自ら自動的に学習するモノを指す。このレベルの人工知能で代表的なものには検索エンジンが挙げられる。検索エンジンは、ウェブサイト内に使用されているキーワードからそのサイトの特徴を認識し、学習することで、質の低いコンテンツや、有害コンテンツを見分けて表示のランクを下げている。その結果、検索エンジン全体が最適化されている。 【レベル４：ディープラーニングを取り入れた人工知能】 ディープラーニングとは、機械が物体の特徴を自力で学習することができる技術のことを指す。

★SIST読書マラソン2016推薦図書★ 【所在・貸出状況を見る】 http://sistlb.sist.ac.jp/mylimedio/search/search.do?target=local&mode=comp&materialid=11500545 本を読んで読書マラソンに参加しよう！ 開催期間10/27～12/7　（記録カードの提出締切12/14）

ビッグデータとか人工知能とか言うけど、それが何を指しているのか定義してくれる人は少ない。人工知能は「キーインデックス」を自力で見つけられるほど賢くなく、人間が定義してやらねばならなかったが、今後そのレベルを突破する兆しがあるとのこと。

【人工知能競争における日本の課題】 人工知能の社会における期待値は異常に高まっているが、まだアルゴリズムの開発競争の段階で、ビジネスに大きなインパクトや利益をもたらして完全に普及するまでには若干時間がある。アルゴリズムが成熟した後は「ビッグデータの量」と、そこから得られた「知識を横に転移できるマーケット」があるかの勝負になる。よって、日本は応用市場・ビジネスの創出とビッグデータの収集に加えて、「データ利用に関する競争ルールと法整備」を行い、市場を開拓して積極的に投資できる体制を整えていかなければならない。

シンギュラリティを超えたとき、人間はAIに支配される。 人工知能を研究している身としては、その話はまだまだ先だと感じる。

岩本さんに人工知能を説明するための購入した本。 系譜の整理があり、全体を広く浅く解説してあったので全体理解にとても役立った。

2015年現在の人工知能の開発状況がとてもわかりやすい。 今までの歴史も概説されているし、どのような仕組みで人工知能が「学習」するかも、ぼんやりとだけど理解できた。 なぜ機械翻訳が難しいか→人の一般常識という膨大なデータを入力することが不可能であるため、単純な逐語訳で不自然になるから。 人工知能が思考し、選択するときの「場合分け」の基準をどのようにプログラムするか、ということ＝ディープラーニングが現在の開発のキモのよう。

最近は、「人工知能」「ＡＩ」という言葉を目にしない日は無いぐらいのブームになっているが、何十年も前から何度もブームになっては、消えている「人工知能」が、何故今またブームになっているのか、その本質が分かる本。実用化されている最先端の「人工知能」と、脚光を浴びている「ディープラーニング」の違いが分かる。

2016/09/04 結論は、思っているようには行かない。 あと、SF的な「ニンゲン　イラナイ」みたいなのは人類規模で人類に絶望しないと無理。ソフトもハードもシステムも金と時間が必要。(ここは少し残念笑) 人間の能力はすでに超えている。計算機しかり。 学習の力は偉大。今は人間が教えている。それを自分で修正できるようになるにはまだ時間がかかる。 人間の当たり前って実は凄い高度なんだなぁと感じた。

今話題のディープラーニングと人口知能。何が画期的で、どのような可能性を秘めているのか。人工知能の歴史とともに解説する。とてもわかりやすかった。

人口知能の研究がどんな経緯で発展し、現状何が出来るかがわかる良書。本質を見抜く力をコンピュータが手に入れると確かに太刀打ちできなそう。人間の強みは対人での相手への印象・感情的な部分になっていくのかな。

人工知能のこれまでの研究史がまとまっており、全体像をつかむのに最適だったと思います。 個々の技術をある程度わかった上で読むと、それらを時間軸上に並べて関係性を理解できる良著でした。

わかりやすい、そして、人工知能について冷静に解説してくれている本。 ブームに踊らされている(?)私たちですが、本書を通して、人工知能の全体像を理解することができます。 本書では、人工知能の歴史として、今までのブームとそれぞれの技術的背景が述べられています。そして、ディープラーニングについて技術的に解説してくれています。そのディープラーニングの先にあるものとして今後、人工知能がさらに発展していくと予想しています。 しかしながら、人工知能が自らの意思を持つなど人類を征服したり人工知能を作り出す可能性は現時点では「ない」と断言しています。一安心(笑) また、人工知能の技術的な発展に伴い産業・社会へ影響についても言及しています。 その中で、やっぱりポイントと思うのが、人工知能技術の独占。特徴表現学習部分を特定企業に握られたり、ブラックボックス化されたりして、「学習済」の製品が製造販売された場合、すべての産業を牛耳られてしまう可能性があること。 いま、日本は負けていると思いますが、なんとか逆転してもらいたいところです。 今後の人工知能の先行きから目が離せません。 情報系の方も非情報系の方も一読の価値ある専門書です。 お勧め。

【無限の知】 個人的には人工知能でも、生物を超えることは不可能と思っています。 人工知能がそれなりにできるようになると、なくなる仕事（職を失う）が出てくるといわれますが、わたしはそれでいいと思います。 わたし自身、仕事は機械にしてもらうことをつねづね考えています。 「仕事なんかは人のすることではない！」 人はもっと創造、芸術、美術、探求に時間をさくべきです。 日々の小金稼ぎに時間を取られて、いかに効率よく時間を使い、いかに仕事をこなしていくかを必死に考えている場合ではありません。 また、仕事で疲れた体を、趣味やスポーツでリフレッシュしている場合ではないのです。 リフレッシュなんか必要ないのです。 ギリシア時代の奴隷制度ではないですが、奴隷の部分を機械が担うのです。 仕事→奴隷✕ 仕事→機械○

人工知能の概要、歴史、今後を平易な言葉で説明しているので、非常に読みやすいです。 今は第３次AIブームとのことですが、ブームというよりは少しずつ生活の中に入り始めていて、本格的な人工知能活用の時代が始まったということではないでしょうか。ディープラーニングがバスワードにならずに、その本質を誰もが議論し始めているような気がします。 人工知能を話題にすると必ずと言っていいほど、人間を超えるか否かの議論になりますが、超えるのは明白であると考えます。 すでに、グーグルやアマゾンを利用していることで人工知能の恩恵にあずかっているわけなので、人工知能とうまく付き合っていけば、幸せに暮らしていけるでしょう。その幸せが人工知能によってコントロールされているか否かを議論したければ、議論すれば良い。その議論する相手も人工知能かもしれないけれど。

可能性に近寄るのも遠ざかるのもいいが、無視することだけはできないのか。環境変化に対応するのを面倒くさく感じることに自分の経験（言いかえれば経年）を感じる。

あたしの知識不足で、途中からちょっと難しかった。が、今の人工知能について、少しは理解できた。これからの社会に人工知能がどう活かされていくのか。どのような人工知能ができてくるのかとても楽しみである。

　「脳の神経細胞の中にシナプスという部分があって、電圧が一定以上になれば、神経伝達物質が放出され、それが次の神経細胞に伝わると電気信号が伝わる。つまり、脳はどう見ても電気回路なのである」 　「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」 　本書では人工知能の今を説明する。1950年代後半から始まった人工知能研究は二回のブームを経験している。 　1950年代後半から1960年代後半での第一次AIブームでは「推論・探索」を行うことで、特定の問題を解く研究が進んだ。 　しかし、これは与えられた問題に対して、回答を出力するという単純なプログラムで未知の問題に対応できないというう課題が残った。 　1980年代後半から1990年代前半までの第二次ブームでは、ICTの進歩により膨大なデータを扱うことが可能になった。 　しかし、膨大なデータを処理することの難しさが露呈されて結局AIブームは収束する。 　そして2000年代に入り、インターネットの普及とコンピュータ性能の飛躍的な向上がビッグデータの処理を可能にした。 　そして、大量のデータを用いた「機械学習」が広がり始める。今までは人間が教える立場だったが、機械が自ら学習するという概念だ。 　さらに進んだ機械学習、ディープラーニングにより人工知能研究は一つの壁を乗り越えた。 　人工知能とはなんなのか。実現するのか。実現した場合の未来はどうなるのか。 　人工知能の今がわかる。

イ・セドル戦の衝撃を理解する第一歩として良いのでは無いでしょうか？ 人工知能って想像してたのと全然違ったと思われる方多いのでは？？

いま人工知能まわりで何が起きているのか？そもそも人工知能って何？といったところから分かりやすく、丁寧に書かれていた。 人工知能まわりでは2度のブームがあって、今は3度目のブームとのこと。「ディープラーニング」関連がそれ。「ネコをネコと認識することがコンピュータにとっていかに難しいか」その課題に今ひとすじの光が射しているらしい。 シンギュラリティの考え方も面白いと思った。 前書きで壮大にあおったわりには、終章が平凡だったので、あら？と思ったが、あとがきで、人工知能学会誌の表紙を「萌え化」した人だと知って、おもしろい人だなと思いなおし、星4つ。 人工知能というキーワードに興味がある人は読んで損はないかも。

かなりわかりやすくAIの歴史や現状や問題点が書かれていて、AIに興味を持っている人なら必読の書って気がする。 しかしまあ、本書を読んでなお、僕のAIに対する恐怖心は収まらないんだよなあ。

人工知能学会の要職をつとめる東大准教授の書いた人工知能の概説本．数式も全く出てこないし，スラスラ読めてなんとなくわかった気になる．歴史と現状については先日読んだ「AIの衝撃」と重なる部分が多いが，ディープラーニングと言うブレークスルーが起こった後の人工知能について，その課題や近未来像を詳しく語っているのが特徴． 強いニューラルネットワークを作るのに，ノイズを混入させるとか，途中層の半分を止めるとか，過酷な環境に追い込むことでそれが可能になるというのはなかなかおもしろかった． このレベルが物足りなくなると後は専門書を読むしかないのかな．

いま人工知能について知りたければこの人の著作を読むべし。 人工知能は別に人を作ろうとしているわけじゃない。 知性ではなくて道具としての知能を作ろうという試み。 ディープラーニングでパラダイムシフトが起きたといって良いんだと思うけど 近い将来インターネットと同じように社会に溶け込んでいるだろう。

最近、人工知能（AI）という言葉が身近になった。人工知能は将棋、チェスやクイズ番組で人間に勝利して話題になり、グーグルは人工知能搭載の自動車の自動運転技術を開発中で、自動掃除ロボット「ルンバ」は既に商品化され、iPhoneにはSiriが入っている。人工知能とは何か、人工知能はどのように開発され、どこまで進化し、人間社会にどんな影響を与えるのだろうか。「人間の知能がプログラムで実現できないはずがない」という立場で60年前に始まった人工知能の研究の歴史、現状そして将来の展望を、第一線の研究者が一般の人々に分かりやすく解説したのが本書だ。 　著者は人工知能研究の様々な例を挙げているが、そのひとつが皆さんもよく使っている自動翻訳だ。参考程度にしか使えない翻訳文にがっかりする機能だが、実は自動翻訳はとても難易度の高い技術なのだ。例えば「He saw a woman in the garden with a telescope.」は「彼は望遠鏡で、庭にいる女性を見た」と訳したいところだが、グーグル翻訳では「彼は望遠鏡で庭で女性を見た」となり、庭にいるのは彼だと解釈される。文法的にはどちらも間違いではないが、人間にとっては何となく庭にいるのは女性で、望遠鏡で覗いているのが男性という気がする。その「何となくその方がありそう」ということを知識としてコンピュータに入れなければ、期待する翻訳結果にはならない。しかし、あらゆる事態を想定して必要な知識や一般常識を入れるのは膨大な作業でとてもできる事ではない。「知識」を入れることで人工知能の精度を上げることには限界があるのだ。 　それを克服する技術として現在盛んに研究されているのがディープラーニングだ。ディープラーニングは、コンピュータが与えられたデータから注目すべき特徴を見つけ、その程度を表す「特徴量」を取り出し、それを使った「概念」を自ら獲得する技術だ。あとはその「概念」と「意味（語）」を結び付ければ、データをもとに「何を表現するべきか」が自動的に獲得されることになる。「人工知能が自ら学習して賢くなる」と言えるかもしれない。 　今注目のディープラーニングにはGoogle、Facebook、Yahoo!などの企業が競って大きな投資をしている。ディープラーニングの研究が進んでいけば、人工知能は防犯、自動運転、物流、翻訳、人間とのコミュニケーションなどあらゆる分野で社会的に大きなインパクトを与えるものになるだろう。人工知能が人の職業を奪うのではないかという懸念についてはしばしば議論されているが、オックスフォード大学の論文で提示された「あと10年～20年で無くなる職業・残る職業」リストは衝撃的だ。10年～20年とはすぐ目の前の事ではないか。この未来予想が実現するかどうかは分からないが、十分に根拠のある可能性のひとつだと理解しておくべきだろう。 　進化し続ける人工知能が、人類を征服したり自ら人工知能を作り出したりすることはあるのだろうか。著者は様々な可能性を考慮した上で、現時点ではそれは夢物語に過ぎないと、その可能性をはっきりと否定している。しかし人工知能の可能性を過小評価するべきではなく、様々な問題が起こる前に議論を尽くす必要がある。人工知能は「万人のためのもの」であるべきで、また「人間の尊厳を侵してはならない」という倫理観に沿って正しく使われなければならない。 　現在人工知能にできる事とできない事、そして将来できるようになる事を正しく理解し、その時社会がどのように変化して私達にどのような影響を及ぼすのかを予測する知識は、これから社会に出る皆さんが成功するための重要な鍵になるだろう。

正確には読み終わってはないけど、斜め読みできた。 歴史のレビューと、現在の状況の整理、展望。予備知識なくても読める。よしよし。

最近はやりのDeep learningとは何か知りたくて読みました。簡単にわかりやすく書いてくださっているように思います。 でも、著者が最後に書いていらっしゃる経歴も、AIの歴史をみるようで楽しめしました。

我々が生きるこの世界においてふくざつな問題を解く方法は実は選択と淘汰、つまり遺伝的な進化のアルゴリズムにしかないのかもしれない 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 技術的特異点（ぎじゅつてきとくいてん、英語：Technological Singularity）、またはシンギュラリティ（Singularity）とは、人工知能が人間の能力を超えることで起こる出来事とされ、テクノロジーが急速に変化し、それにより甚大な影響がもたらされ、人間の生活が後戻りできないほどに変容してしまうとする ...

人工知能のメカニズムやこれまでの歴史、今後の課題などを興味深く知ることができました。特に印象に残っている言葉が「シンギュラリティ（技術的特異点）」という概念。人工知能の技術が様々な分野で応用されることを期待するとともに、社会への影響や利用に関する倫理面などについても同時に議論する必要のあることが分かりました。

ディープラーニングによる人工知能の躍進。ディープラーニングにより、起こりつつあることは「世界の特徴量を見つけ特徴表現を学習すること」とある。 シンギュラリティの到来を期待と不安でまっていたけど、それを夢物語と言う。それでも、ビックデータや、コンピュータの高機能化、ネットワークの更なる発達は自分達の仕事、社会を変えていくものと思う。その仮定でいつかシンギュラリティの到来と言うものに出会うことを期待したい。それは、人間とサルを分けるミッシングリングの解明とどちらが早いのだろう。

最近の人工知能ブームってつまりどういうことかわかってなかったんだけれど、この本の説明はめちゃめちゃわかりやすかった。

ドラえもんがいかに実現困難な発明かがよくわかる本。 今やバズワードとなった「人工知能」について、リアルな状況や将来の可能性を語っている。 人工知能の分野は歴史こそあるものの、その実現の難しさから長年日の目を見ることができなかったという。 そこに「ディープラーニング」が登場し、ここ数年でにわかな盛り上がりをみせている。ディープラーニングでは、与えられたデータから機械が自ら特徴を識別し、学習することができる。 例えば猫の写真を見たとき、私たちはその顔、形、色、毛並み（といった特徴量）から「これは猫」と判断することができる。 機械に同じことをさせるためには、猫を識別するための大量のパターンのインプットが必要である。あらゆる種類の猫の画像を読み込ませ、データから判断できるようにする。ちょっとでも風変わりな猫が現れたら、参照データがないことから正しい判断は行えないかもしれない。 しかしディープラーニングでは、機械はデータをもとに自ら特徴量を作り出すことができる。これは、人工知能分野を新たなステージへと大きく推し進める技術であると筆者は言う。 本書ではディープラーニングに限らず、人工知能に関する歴史やそれにまつわる概念などを一通り学ぶことができる。 間違いなくこれからさらに取り沙汰される話題であるので、本書で正しい知識を頭に入れておく必要があるといえる。

AIの知識かじりかけの人が、人に話せるくらいの知識を得られる本。 AIの過去から現在、そして未来まで分かりやすく説明されている。納得感もすごくあって、読み応えもある。 この本をきっかけに、さらに突っ込んだ内容の書籍に飛びつけると思う。そういう意味で、とてもいい導入本だ導入思う。

http://hinbeee.blog31.fc2.com/blog-entry-2514.html

読書会の課題本。前半のAIの歴史については、それなりに面白く読めた。しかし、後半は将来の展望というよりも、海外に遅れをとっていることへの負け惜しみとしか思えない内容でガッカリした。

私は学生時代に、いわゆるデータマイニングとか文章解析のようなことをして、似たデータを高速に探すという研究をしていた。本書の中で、これまでのAIブームの課題は「特徴量の選び方」でたるという記載を見て、確かにそうだったなぁと思い出した。どんなにパラメータの計算が速くたって、そのパラメータの選び方が間違っていたら意味がない。限られた分野でルールが固定された世界の特徴量であれば、人海戦術で選んで入力できるんだろうけど、人の生活とか曖昧性の高いものはそうは行かない。結局、特徴量に何を選ぶかか課題だわ〜と思って、卒業し社会人になった。 ディープラーニングが、その「特徴量の選び方」すら機械自身で学べるようになるものなのだ、という記述を読んで、確かにそれはすごい！と感心してしまった。しかも、入力と答えを同じものにして機械に学習させようとするのは、少しでもテストデータとか正答率の計算の検討をしたことがある人であれば、「それしかないよね」と思う手法だと思う。それが実現化したんだ！という著者の興奮は僭越だけど同感できる。 とは言え、描いている未来は現実的で、研究者のイメージに反して（失礼か！？）ビジネスライクなのが説得力がある。特にマッドサイエンティストになった場合の、検討3パターンは面白かった。 あとは、今データ解析を学んでいる学生さんにオススメしたい。私も研究を始める前にこの本を読んで入れば、これまでの歴史、自分の研究の立ち位置、そして将来のイメージを理解して、より高いモチベーションを持てたのではないか。1-4章だけでいいから、あと10年早く出版してほしかったよ！！笑

【ついに一歩、踏み込んだ。】 ずっと認識に携わってきた人間なので、この一歩の大きさが身にしみてわかります。とてもわかりやすい説明にも感服。新しいAI、楽しみにしています…！

アルファ碁で話題になったディープラーニングという技術についてわかりやすく解説されていた。以下に詳しい感想が有ります。http://takeshi3017.chu.jp/file6/naiyou23701.html

ダーウィンの進化論によれば、生き残るのは「変化に適応したもの」であった。では、変化に適応するためには何が必要か。その一つの答えは「先の出来事を予測する能力」であろう。その際、重要なのが抽象化能力である。「草が不自然に動いた」という現象から「敵が現れるかもしれない。」ということを導き出せるか。より少ないサンプル数で導き出せれば、生存確率はその分上がる。 ディープラーニングによって、人工知能はこれまで不可能であった「特微量（データの中のどこに注目するか）」を自ら導き出すことに成功した。事象から概念をつかむことができるようになったのだ。つまり、抽象化能力を獲得したことになる。 本書は「人間の知能がプログラムですべて実現できる」可能性に過度な恐れを抱くのではなく、技術革新によって社会がより豊かになる道を模索すべきだと主張する。例えば、産業毎に集積されている膨大な情報を抽象化し、水平展開できれば、ビジネスの様相は大きく変わる。完全オーダーメイドの消費が現実味を帯びてくる。 人工知能の持つ「無限」の可能性をどこまで予測できるかがビックデータの時代を生き残る術なのかもしれない。もっとも、その「予測」すらも人工知能にしてもらう時代がくることがディープラーニングによって示されているのであるが…

AIの歴史の概観。 足元のAIのディープラーニングの解説は、人間の認識（概念→記号化）を分析してい。興味深かったのは、機械の概念化プロセスと、人間のそれが必ずしも同じではないこと。 認知心理学を深堀してみたいと思ったきっかけ。

これは面白い。AIとは何か、過去の人工知能ブームを経て、やって来たディープ・ラーニングの本質など、興味深い。

将棋進化理由 ２つのコマの関係→３つのコマの関係 モンテカルロ法で途中から 採点方法をランダムに刺した時に 勝利する確率が高いものを選ぶようにした。 クイズの問題は単語で切って 確率の高いものを答えている。 文章自体は理解してない 翻訳も然り。 第五世代コンピュータプロジェクト のような計画があったことに 驚きと嬉しさ。 昔は、AIに知識を詰め込ませるだけだった。 ヒトの特徴表現の取り方が精度を決めてた。 最近のAIはディープラーニング。 AIが効果的な特徴表現を決める。 何層にもわたって。 相関を理解。 シンギュラリティ 人工知能に取って代わられない仕事 人間に接するインターフェイスは人間のほうがいい、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 人工知能の開発に関して有利なのは ビッグデータを持っている グーグル、アマゾン、フェイスブック

人工知能について初めて読んだ本。人工知能のなんたるかについて多少なりとも理解できたと思う。これを機に、いくつか人工知能に関する本を読んでみようと思う。

人類の希望か、あるいは大いなる危機なのか？「人間のように考えるコンピュータ」の実現へ、いま、劇的な進展が訪れようとしている。知能とは何か、人間とは何か。トップクラスの人工知能学者が語る、知的興奮に満ちた一冊。

グーグルのα碁がイ・セドルに完勝した衝撃から1週間、もはやα碁が世界トップクラスの実力を持ちさらに強くなっていることは疑いようも無い。相手の能力を吸収する人造人間セルに対する人間界の英雄ミスター・サタンになぞらえられたイ・セドル(元々囲碁界の魔王と呼ばれている)が一矢報いた4局目ではα碁はまるでバグを起こしたようにミスを連発した。今日行われたコンピューター囲碁大会では日本のZENが優勝したが、ここでもディープラーニングを用いてレベルが上がったようだ。 本書の発行は2015/3/10、そしてちょうど1年後の今年3/9のα碁の勝利でディープラーニングの有効性は証明されたと言って良い。1,2局はイ・セドルにもチャンスがあるように見えた。4局目ではα碁がバグを起こしたように見えた。しかし、3局目や5局目はほぼ完勝に見える。どうやったらこんなに強くなるのか本書にディープラーニングがどういうことをやってるのか解説されている。 チェスや将棋では駒得を点数化したり最近の将棋ソフトでは3つの駒の位置関係を点数化したりしてどの手を選ぶかを判断している、この場合点数の重み付けをするのはプログラマーだ。そしてモンテカルロ法という手法で手を選ぶ。将棋の場合先手の勝率が52%程度でこれがベイズ確率で言う事前確率だろう。モンテカルロ法ではランダムに次の手を選び何通りもの対局をさせてみる。点数の重み付けは勝率に跳ね返るので、例えば次の手が10通りなら一番平均点数の高い手を選べば良い。 しかし囲碁ではこれまでは良い重み付けができなかった。またオセロが10の60乗、チェスが120乗、将棋が220乗に対し囲碁は360乗の変化がある。ちなみに100乗はgoogolと言う単位だ。1年前までは人工知能学者以外は囲碁はAIは人間の敵では無いと考えられていたし、α碁がヨーロッパチャンピオンに5連勝した昨年10月でもイ・セドルに勝てるようにはとても見えなかった。ではどうやったらこんなに強くなるのか。 コンピューターに黒白どちらが優勢かを教えるのは難しい、そこで取られた方法がディープラーニングで簡単に言うと画像処理装置を持ったα碁は過去のプロの対局を学習し、どうなれば優勢かの特徴を自分が集めた画像データーを元に解析した。α碁は過去の対局から独自に特徴を見つけだし、自分で重み付けを作り出す。残念ながらそのアルゴリズムを言語化する事ができないのでα碁が何を考えているのかはわからない。手だけを見てると、過去の常識が通じない、新しい常識が生まれるというような感想が出てくるわけだ。「特徴表現をコンピューター自らが獲得する」ことができれば後はひたすら学習を繰り返しセルのように成長していく。 何がディープかと言うと人間の神経系を模式化したニューラルネットワークの階層が深い層になっている。特徴表現は何種類もあるので例えば10通りの特徴の程度を入力し、さらにその影響度に重みをつけて次の階層に送る。人間の場合は刺激によって神経同士をつなぐシナプスが強化されて重み付けをしている。そこに色だとか形だとかの情報が取り込まれ統合されて一つの認識を作る。コンピューターも多層化するとAからJの10通りのうち次の層ではABC、BDIなど複数の組み合わせでデーターを処理しさらに次の層に送る。そうして高次の特徴を積み上げていくとそこに概念が生まれる。 ここで面白いブレークスルーが入力と出力を同じにするようにした事だ。多層にすると浅い層までフィードバックがうまく働かなかった。平社員の情報を統合して社長まで伝え、それに対する答えを平社員に伝えるといつの間にか前提が変わっていたと言うようなものだ。そこで、出力を同じにして答え合わせをし処理がうまくいっている事を確認する。他にもある特徴はまとめて集団化したりわざとノイズを与えて頑健性を強めたりという事もする。 2012年グーグルは「ネコ」を認識するのに1000万枚の画像をニューロン同士のつながりが100億個という巨大なニューラルネットワークを使い、1000台のコンピューターを3日間走らせている。金額にして1億円相当だ。α碁の場合はCPU1202、GPU176からなりグーグルのHPで見積もるとお値段は60億を超えるらしい。 α碁が負けた第4局ではイ・セドルの歴史に残る1手がα碁が見積もる勝率を狂わせたのかもしれない。コンピューターは不利な状況になるとモンテカルロ法により変な手を繰り出す傾向があり、粘って逆転というのは苦手らしい。スカウターが故障したようなものか？これも本当のところはα碁に聞いてみないとわからない。 「目の誕生」によるとカンブリア大爆発は視覚の獲得によって起こったとされる。コンピューターはすでにイメージセンサーという視覚とGPUという視神経を手に入れ自ら学習するようになった。コンピューターが自分より賢いコンピューターを設計できるようになる日は思ったよりも近いかも。

グーグルのα碁がイ・セドルに完勝した衝撃から1週間、もはやα碁が世界トップクラスの実力を持ちさらに強くなっていることは疑いようも無い。相手の能力を吸収する人造人間セルに対する人間界の英雄ミスター・サタンになぞらえられたイ・セドル(元々囲碁界の魔王と呼ばれている)が一矢報いた4局目ではα碁はまるでバグを起こしたようにミスを連発した。今日行われたコンピューター囲碁大会では日本のZENが優勝したが、ここでもディープラーニングを用いてレベルが上がったようだ。 本書の発行は2015/3/10、そしてちょうど1年後の今年3/9のα碁の勝利でディープラーニングの有効性は証明されたと言って良い。1,2局はイ・セドルにもチャンスがあるように見えた。4局目ではα碁がバグを起こしたように見えた。しかし、3局目や5局目はほぼ完勝に見える。どうやったらこんなに強くなるのか本書にディープラーニングがどういうことをやってるのか解説されている。 チェスや将棋では駒得を点数化したり最近の将棋ソフトでは3つの駒の位置関係を点数化したりしてどの手を選ぶかを判断している、この場合点数の重み付けをするのはプログラマーだ。そしてモンテカルロ法という手法で手を選ぶ。将棋の場合先手の勝率が52%程度でこれがベイズ確率で言う事前確率だろう。モンテカルロ法ではランダムに次の手を選び何通りもの対局をさせてみる。点数の重み付けは勝率に跳ね返るので、例えば次の手が10通りなら一番平均点数の高い手を選べば良い。 しかし囲碁ではこれまでは良い重み付けができなかった。またオセロが10の60乗、チェスが120乗、将棋が220乗に対し囲碁は360乗の変化がある。ちなみに100乗はgoogolと言う単位だ。1年前までは人工知能学者以外は囲碁はAIは人間の敵では無いと考えられていたし、α碁がヨーロッパチャンピオンに5連勝した昨年10月でもイ・セドルに勝てるようにはとても見えなかった。ではどうやったらこんなに強くなるのか。 コンピューターに黒白どちらが優勢かを教えるのは難しい、そこで取られた方法がディープラーニングで簡単に言うと画像処理装置を持ったα碁は過去のプロの対局を学習し、どうなれば優勢かの特徴を自分が集めた画像データーを元に解析した。α碁は過去の対局から独自に特徴を見つけだし、自分で重み付けを作り出す。残念ながらそのアルゴリズムを言語化する事ができないのでα碁が何を考えているのかはわからない。手だけを見てると、過去の常識が通じない、新しい常識が生まれるというような感想が出てくるわけだ。「特徴表現をコンピューター自らが獲得する」ことができれば後はひたすら学習を繰り返しセルのように成長していく。 何がディープかと言うと人間の神経系を模式化したニューラルネットワークの階層が深い層になっている。特徴表現は何種類もあるので例えば10通りの特徴の程度を入力し、さらにその影響度に重みをつけて次の階層に送る。人間の場合は刺激によって神経同士をつなぐシナプスが強化されて重み付けをしている。そこに色だとか形だとかの情報が取り込まれ統合されて一つの認識を作る。コンピューターも多層化するとAからJの10通りのうち次の層ではABC、BDIなど複数の組み合わせでデーターを処理しさらに次の層に送る。そうして高次の特徴を積み上げていくとそこに概念が生まれる。 ここで面白いブレークスルーが入力と出力を同じにするようにした事だ。多層にすると浅い層までフィードバックがうまく働かなかった。平社員の情報を統合して社長まで伝え、それに対する答えを平社員に伝えるといつの間にか前提が変わっていたと言うようなものだ。そこで、出力を同じにして答え合わせをし処理がうまくいっている事を確認する。他にもある特徴はまとめて集団化したりわざとノイズを与えて頑健性を強めたりという事もする。 2012年グーグルは「ネコ」を認識するのに1000万枚の画像をニューロン同士のつながりが100億個という巨大なニューラルネットワークを使い、1000台のコンピューターを3日間走らせている。金額にして1億円相当だ。α碁の場合はCPU1202、GPU176からなりグーグルのHPで見積もるとお値段は60億を超えるらしい。 「目の誕生」によるとカンブリア大爆発は視覚の獲得によって起こったとされる。コンピューターはすでにイメージセンサーという視覚とGPUという視神経を手に入れ自ら学習するようになった。コンピューターが自分より賢いコンピューターを設計できるようになる日は思ったよりも近いかも。

人工知能の話題は我々一般人においても関わりは大きい。ニュースやふと触れる仕事や会話の土台としてだけでも知っておくとなにかと知的好奇心が擽られる知識になった。

とても読みやすく、面白かった。 シンギュラリティに関する意見は、ちょっとぴんとこなかった。 自分を超える知能を作り出す人工知能が出来た時に、その連鎖で超賢い、人には及びもつかない知能が作られて、何をするかわからないよね。人間滅ぼされちゃうんじゃね？ という問題提起に対して、著者は人間の頭で考えて反論している。 人知が及ばないのだから、慎重になるに越したことはないのではないかと思う。

※オーディブルにて ディストピアなSF作品が好きで人工知能やロボットについて様々な妄想を深めていたものの、現実問題として賑わってきた昨今、これらを夢物語やブラックボックスのままにしてはいけないなという動機から拝聴。 AIに関する研究の流れを時系列に沿って体系的・俯瞰的に語られ、テクニカルな解説もわかりやすく噛み砕いてくれている入門良書だった。(もっと早くに読んでいれば良かった) 連日のニュースや他の特集本を読み、理解する際の良い予備知識となった。

人工知能の今、過去、そして未来の形が見えてくる非常にわかりやすい一冊。 さらに各所で、問題提起がなされており、人工知能が今後我々の生活にどう影響を及ぼしていくのか、どういった課題があるのか、思慮しながら読み進めることができる。 そもそも人工知能は必要なのか？ 人間の生きる目的が「幸せ」になること、だとすると 車が自動運転になる、ドクターの診療が自動的に判断される、非常に便利なかたちではあるのですが、それが幸せになるか？というと疑問が残る。 例えば車であれば、自分が今まで人間の力では出せないスピード出せる、家族を乗せて旅行に連れて行く。こういった充実感や尊厳を得られる機会を失うのではないか。そんな疑問が出てくる。 便利になる事はとても良い事なんだが、それがどう人間の心に影響を及ぼすのかということよ考えながら、今後の人口知能の進化発展を見ていきたいと思う。

本日の読書。読もうと思って本棚で仮眠してた本。面白かった。ベストセラーに納得。 実現するのは宝くじに当たるレベル(今は)らしい。もちろん期待は大事だ。 しかし人工知能の試みが失敗して再び冬の時代が訪れようともなんとかしていけるような社会設計は複数必要だと思った。人工知能に期待しすぎるのは危ない、しかし同時に人工知能がうまくいった場合の人間の処遇についても考える必要がある。 また、自分が個人的に尊敬してる小学生みたいの先生の人工知能の定義が人間好きすぎて癒された。 メモ ミンスキーによるニューラルネットの限界指摘が拡大解釈されたものだったとしても語釈がまるでそれが真実であるかのように現実を変容させるのではないだろうか。(例:ゲーデル以降の数学環境の知的レヴェルの低下など) そしてフレーム問題が人間にとって簡単だと感じられているのはまさに人間が解けていないと気づけないほど馬鹿だからに他ならないのでは？ 分け方の話が面白い。分け方にも色々あり、端的に言えば分け方を知るということが学習したということ。「こういう人は自分とは合わない、こういう人はおk」という仕分け。 なお話題のディープラーニングとはデータをもとに(人間ではなく)コンピュータが自ら特徴量を作るらしい。これは自発的に学ばせて子ども自身に解決策や必要な知識を考えさせる今風教育に似てるね。 膨大な情報とそれらの相関関係から自分で概念を作る、ということか。 やっぱ気になるの組織論と人工知能の類似性とか、人工知能の学習と人間教育の類似性なんだよな。むしろ人工知能がまさに必須科目になればAIに脅かされなくて済むのかも。人間理解から教育、子育てまで色々学べるじゃないか。

人工知能分野の現状を俯瞰する良書。 特にその技術のもつ社会への影響、産業としての課題まで学術会から触れている点は素晴らしいと思うし、その指摘は的を得ていると思う。

人工知能ブーム来てるようだけど乗れておらず、機械学習とディープラーニングの違いすらわかってない状態だったので購入。 平易な言葉で書かれていて、これまで人工知能が遂げてきた発展と今後の展望がざっくりわかる。ざっくりなので理論的な部分は逆にわかりにくかったりもしたが、これを糸口にディープラーニングの実際のアルゴリズムとか用いられ方を覗きたくなった。 特にシンギュラリティ絡みで明らかにキャズムを超えた騒ぎになっているが、そういうときにエキスパートの言にきちんと当たっておくのは大切、と改めて思う。

人工知能研究の今までとこれからを厳選された言葉とわかりやすい文体で書かれた本。 人工知能の研究はまさしく人の知能の仕組みを解明する営みではないかと思う。 ディープラーニング、グーグルの猫認識という新しい言葉が詰め込まれておりその意味や背景についても説明されているが、それらの言葉をさらにググりながら読み進めるのがこの本の適した読み方ではなかろうか。 知る楽しみを知っている人に絶対のおすすめ本です。 ソニーのリーダーを持っている人には検索機能を満喫できる本でもあります。

借りたもの。 現時点での人工知能とは何なのか―― 世間でイメージされるものと研究者が考えているものとの違い・温度差から始まり、1960年代以降、3回起こったという“AIブーム”を通して、人工知能というものがどの様に変化・発展していったかを読み解いていく。 非常に読みやすい本。 人工知能を人間が作りたがるのは、自身の存在を解明する探究心の現れとしての側面も否めない…… 2015年は人工知能が話題になった年だった。この本もそれを後押ししていたと思う。 アニメ『イヴの時間』(http://timeofeve.com/)のイラストレーション帯が印象的。

2015年1冊目。 人工知能発展の歴史と今をコンパクトにつかめる本。 過去2回「人工知能」ブームがあり、今は3度目の波が来ているという。 キーワードは「ディープラーニング」。 これまで人間の手に頼らざるを得なかった「特徴量」の獲得を自らできることが大きな転換点となり、グーグルやフェイスブックが数百億円規模の投資を行っている。 人工知能が自分自身よりも賢い人工知能をつくれるようになる瞬間（シンギュラリティ（技術的特異点））は、2045年にやってくるという説もある。 ホーキング博士、イーロン・マスク、ビル・ゲイツは危機感を抱いてるが、果たして...

人工知能、機械学習、深層学習について非常にわかりやすく書かれている。より深く人工知能について知りたいと感じた。

人工知能。ディープラーニング。最近ちょくちょく耳にする。大学入試を受ける人工知能なども，話題になっている。 でも，一体どういうものなのかというと，説明は上手くできない。また，人工知能の研究が進むと，人間の仕事を奪ってしまう，人間に危害を与えるという危惧も聞かれる。 この本は，人工知能の最先端の研究者が，こういった疑問に対する答えを与えてくれる。人工知能は，これまでどのような研究がなされ，今どういったことができるようになってきたのか。そして，これからどのようなことができるようになるのだろうか。

悲観も楽観もしていない、AI の現状についての過不足のない解説。技術的な背景のきちんとした説明と、そこからの無理のない展望。AI の解説本には、SF めいた、不安をあおるようなものと、妙にバラ色の未来を描くものがままあるが、まずはこの本から始めるのがよいのではないか。

　途中までディープ・ブルー（チェスのコンピュータ）と間違えていた位のうっかりさで読み進めた本だけど、面白かった。 　何を持って人工知能とするのか、ディープラーニングのインパクトの強さがまさにびっくりである。 　人の学習の方法に似ている。ありとあらゆる事象に出会い、ぼんやりしているときに「ああ、そうだったのか」とひらめいてしまった時の驚き。名づけられてしまうと、それより前に戻れない感じ。 　私が感じたことは間違っているのかもしれないけれど、ディープラーニングが進化すると、人の認知しえない何かを知ることが出来るのかもしれないなーって思ったりする。 　機械ゆえに人と学び方は異なるのだろうけれども、面白い。

私のような初心者でも人工知能についてひととおり理解できる本となっている。 人工知能そのものについての説明は月並みなものだと思うが、「人工知能を知ることは人間の考え方そのものを知ることだ」「人工知能をうまく使いこなせるかは使う側の倫理観次第」といった見識には共感を得た。 著者の人工知能に対する情熱を強く感じる本であった。 以上

2015/11/10 とても読みやすい言葉で書かれていたので理解しやすかった。初心者でも読めるような内容であるが、レベルとしてはちょうどいい。面白かった。ディープラーニングの仕組みは詳細にはわからなかったが、とにかく革新的な技術であることは伝わった。今後の人工知能に期待したい。

必読。人工知能の歴史、これから、発展性、ビジネス活用、危険性などについて読みやすく、網羅してまとめてくれている。何度も読める。

AIきは4段階あり、デープラーニングは猫の特徴を認識出来る そのものよりも少しでも優れたものが産めるとしたなら加速度的な成長が始まるが では人間はどうなのか

人工知能について、過去の歴史から現在話題になっている技術の詳細までをひととおり触れてくれる書。 とりあえずこの一冊で網羅できそう。難しいところは読み飛ばしても概ね理解できるのは素晴らしい。

将来、遅かれ早かれ「人工知能」が注目の的になると思っている人におすすめです。 この本では、現在、人工知能が“できること”“できないこと”を教えてくれます。 マスコミが語るやや非現実的な未来像ではなく、 現役の人工知能学者が語る未来像には確かな重みがある。 注意点としては、学者としてしっかり語ってくれるので、その分斜め読みは難しい。

--読書メモ 2015/10/17-- ・人工知能の歴史と本書発行時（2015/3/11）のディープラーニングの影響の考察 ・人工知能のLV 1.制御（プログラムで指示） 2.古典的な人工知能（探索木、モンテカルロ法など） 3.機械学習（クラスタリング、ニューラルネットワークなど。データからパターンを認識する） 4.ディープラーニング 3.は概念を人間が入力する必要がある。しかし、ディープラーニングは ある意味情報の「圧縮」を行い、圧縮した情報を概念として扱う。 概念の獲得がブレイクスルー

ディープラーニングについてわかった風にはなれる。ただきちんと理解できる人は少ないだろう。シンギュラリティ＝人工知能が自分を超える知能を生み出す能力を具備した時、圧倒的な知能が生み出される時点のこと。人間の寿命はあと20年位ではないか。

人工知能クロニクルを概説し第3次人工知能ブームを齎したディープラーニングのインパクトを語る一冊。いまから振り返れば1960年代の第一次、1980年代の第二次の情報処理技術は非常にプアで、当時の技術で知能を再現しようというのは夢物語に近かった。しかしその取り組みを萌芽としレイ・カーツワイル氏が述べた2045年に迎えるシンギュラリティを見据えるといよいよ人工知能が実現するのかもしれない。 著者は人工知能学者でありトロント大学の特徴表現学習の衝撃を体験し本書自体ディープラーニングに傾倒し過ぎている節もあるが、ひとつの要素技術としてエポックメイキングな出来事であることには変わりない。 第3次人工知能ブームを支えるブレークスルー技術は、筆者が特徴表現学習と呼ぶ、多層的な主因子の自己学習である。人類は自己を模すことで知能を再現、つまり「人工」知能と表現したが、もはや知能の定義も変わるのかもしれない。例えば作中で述べられているように「猫」の特徴を人間は耳やヒゲに見出すがコンピューターは別の主因子を捉えてさらに本質を再定義する可能性を秘めている。つまりそれは我々にとっての「猫」ではないかもしれない。近い将来、主従逆転の未来が待っているのかもしれない。

今般の第３次人工知能ブームは、インターネットの情報拡散力によって、人工知能への過大な期待を生み出している。 人工知能がクイズ番組で優勝した ロボットが感情を持った ニュースの情報からだけだと、人工知能は魔法の杖かと錯覚してしまう。そんな錯覚が経営層、管理者層に広まると、ワ○ソンを使えば生産性が上がるとか、○ッパーに営業させるとか、考えなしのソリューションを導入して、結局お金を捨てることになる。 本書は、人工知能研究者による人工知能技術の解説である。人工知能の歴史を振り返り、何ができて何ができないのか、本当に人間を超えるには何が必要なのか、を素人にも分かるように説明されている。これを読めば、ワト○ンとグ○グルはどちらがすごいのか、ペッ○ーの感情は本物か、自動運転は本当に実現可能か、などに一応の答えを出せる。技術の目利き力が向上し、新しいアイデアについても、やるべきか、見送りかについて妥当な判断ができるようになる。 キャッチーなタイトルと、帯の女性イラストからは分からないが、あらゆるビジネスパーソン向けに価値のある本である。

人工知能については全くの素人だったが、この本でそのアウトラインを眺めることができた。言語学、社会学など、工学的でない分析的な仕事に関わる人々が人工知能の世界で何が起きているかを知ることは、多少なりとも意味のあることと思う。 この本の読後で関心があるのは3つ。 一つは、ディープラーニングによって形成された特徴表現と、精神分析の世界で議論されてきた人間における概念との比較。精神分析側の、象徴界と想像界というような話が人間独自の概念モデルなのか、コンピュータの作り出す特徴表現も記号と表象に帰結するのか。M2Mにおける効率的な言語が、言語とは全く異なるものになりうるか。まぁ、人間のクラスタリングを活用しているうちは言語からは離れられないだろうが。。。あとは、人間と異なるセンサや出力をもうかどうかという点にもよるだろう。人間のようなコミュニケーションは、他の生物にはないのであって、このコミュニケーションよりも効率的な機械におけるコミュニケーションがありうるとはおもうが、これは端的に言ってAIは新たな言語を作り出せるか？という問いになり、ちょっと時期尚早。 第二に、これは数十年後の話になるだろうが、人間と異なる入力装置をもつコンピュータは、人間と異なる全く新たな概念、世界観を形成できるはずだが、それはどのようなものになるのか。 第三に、抽象的な部分で、AIが自身で目的を創り出すことができるか。それとも、目的の構成はいつまでも人間が与えるのだろうか。人間ですらまだ、自己の意思に基づいて再帰的に目的を設定するということは、一部の個体でしか可能になっていないが。。。

２０１５年は人工知能が非常に注目されている１年で、実際に様々な形で進化が進み、様々な分野で応用されてきています。今後の人工知能がどのようになっていくかを理解したい方にはお勧めです。ビジネスのヒントもたくさん隠されていますから。

面白かったです。 わかりやすかったのは良かった。素人の自分がなんとなくわかるギリギリ。もしくはわかったつもりになれるギリ。 紹介されていた米長さんの本を読むきっかけにもなりました。 研究者っぽい語り口は良し悪しかもですが、良い面の方が目立っていたのではないかと思います。

今、話題の「人工知能」の入門書。今年のお正月にやってたNHKスペシャル「NEXT WORLD 私たちの未来」はちょっと幼稚だったけど、本書は本格的。人工知能の基礎となる理論、手法が丁寧に解説されてててとても勉強になる。特徴表現学習の大進歩を実現した、ディープラーニングの仕組みの説明は完全には理解しきれないけど、特徴表現を見つけ出して分類するってことが知能にとって重要であるということは理解。そういや、頭の良しあしの一つの基準でもあるのかなと。終章で語られてる熱い心も感動します。仕事やる気になりました。事前の知識がないと理解しにくい部分もあるけど、高校生以上の理系っぽい人にはお勧めの一冊。

AI（人工知能）の現状及び将来展望について、専門家の立場から冷静に分析 今後の自分の身の振り方（キャリア等）を考えるにも、良い材料となる

人工知能開発における”ディープラーニング”の概念は、情報関係を学ぶ子供から教えてもらいました。 人の脳の中も、多層で複雑なニューラルネットワークと外部感覚器官からの刺激の間の関係で成り立っていると思うのですが、この機能を再現することがいかに困難であるか。人工知能の機能構築を考えていくと、逆に脳科学の世界と密接に係り、自分たちの内側にある世界を記述することが複雑で困難であるかを改めて理解することになる。 物を他の物から区別して理解すること（特徴量を見出す）、そして言葉の概念を付与していく。区別された事象に意味のネットワークをどのように構築していくか。象徴的には「猫を見て、猫と理解すること」を機械の中で再現することが、どれほど困難なことであったのか。 従来の人工知能のアプローチ（IBMのワトソン、ディープブルーでさえ）では、多くの入力応答系の教え込みが必要であり限界がある。機械が自分自身で特徴量の抽出、意味ネットワークを構築していく機会学習のアルゴリズムがディープラーニングの意味するところ。 「シンギュラリティー（特異点）」という考えがあるようで、これは人工知能が自分の機能以上の人工知能を自己再生できる時点を表した物。これ以降は指数的に人工知能の能力が爆発していくという懸念。ターミネーターの世界を想像しつつ、そうは話が単純ではなく、人の思考や創造性はもっと複雑でしなやかだと思う。I will be back!

人工知能研究の歴史、そしてディープラーニングとは何かが分かりやすく説明されている。すっと読める良著。

人工知能についてわかりやすく説明されていて、とても勉強になった。ただ人工知能には素人であり、一度では内容を理解しきれない為、もう何度か読み返して理解を定着させたい。 この本を読み、日本における人工知能の発展の為、今後なんらかの形で人工知能と関わって行きたい思いが強くなった。

東大の松尾さんによるディープラーニング派的な視点から体系的に人工知能がまとめられてて勉強になった。 帯にも書いてあるけど、『人工知能を知ることは、人間を知ることだ。』というのはまさにだなと。赤ちゃんの頭の中で起こっている演算とか物凄いんだろうな。（P162） そして、人工知能も「過酷な環境」を与えることで成長していくというのも人間臭くて可愛いなと思いました。 これからどうなっていくのか、俺は悲観的にではなくワクワクしながら待ち望みたいと思います。

「人工知能=AI」という言葉を知ったのは、ドラゴンクエスト４の戦闘システムだった。「ガンガンいこうぜ」「いのちだいじに」という、あれだ。 「ディープラーニング」という言葉をちらほら聞いたことがあったので、ちゃんと理解したくて衝動買い。 小難しい本で挫折してしまう懸念は杞憂に終わり、難解なイメージのある「人工知能」「ビックデータ」「ディープラーニング」を平易な言葉で、簡単な例を挟みながら丁寧に説明していく。人工知能の知識がほとんどない人でも十分理解でき、新しい知の世界が広がること請け合い。個人的に今年1番のヒット本になりそう。 「ターミネーター」「マトリックス」などのＳＦ映画では定番の、人間よりも人工知能が賢くなり、人間が支配される世界観。人工知能が自身よりも能力の高い人工知能を生み出せるようになる「シンギュラリティ」は2050年にくるという予測があるが、本書はそれが極めて難しいことを論理的に示してくれる。 Googleが行っている画像認識技術に用いられている「ディープラーニング」の仕組みも、何が革新的なのか、なぜGoogleでないとできないのか精緻な説明があり納得できる。「ディープラーニング」の図に出てくる、多層構造で、具体的な情報の抽象化を繰り返し、重要な「特徴量」の精度を高めていく仕組みは、クリストファー・ノーランの「インセプション」の夢の階層構造を思わせ、SFファンとしては胸が高鳴った。 反面、人工知能でできないことも示され、機械が「重要なこと」と「重要でないこと」を認識できず、途方もない無駄の処理をすることで動きが止まってしまう「フレーム問題」は非常に興味深い。このあたりは人工知能だけでなく認知科学の世界でも出てくる話で、佐々木正人氏の「アフォーダンス――新しい認知の理論」を合わせて読むと理解が深まる（Reader Storeでの取り扱いあり）。 言語学者であり構造主義の大家でもあるソシュールが提唱したシニフィエ(概念、意味されるもの)とシニフィアン(名前、意味するもの)の考え方がないと解決できない「シンボルグラウンディング問題」も面白い。人は、「馬」と「縞模様」を知っていれば初めてでも「シマウマ」が理解できるのに対し、シニフィエの扱えない機械では「シマウマ」という別の情報として新たにインプットしないと認識できない、という。シニフィエを機械が扱うことができるようにする試みも進んできているようで面白い。 人間の仕事を機会が奪うのでは？といった不安は現実に来る領域もあるが、そうでない領域もあるといった今後の未来の具体的な例も提示され、これからの世界の変わり方を読みながら想像するのも楽しい。また、人工知能の開発が1950年代から始まっており、今のブームは第3次ブームであること、そのブームの再燃の背景にはインターネットがもたらしたビックデータの蓄積があることなど、様々な視点から人工知能についての理解を深められる本。とにかく、これだけ複雑な内容を中高生くらいでも読める内容にまとめ上げている著者の実力に感服。 お勧めです。

これはつまらない本です。と書いて終わっても良いけれど、これに限らず、人工知能って、専門家向けは知らないが、素人向けには、全然目新しいことなんてほとんどない、危機感煽り本ばかりだと思い改めることにした。